Composants Microsoft.Insights

• La plus récente
• 2020-02-02
• 2020-02-preview
• 2018-05-01-preview
• 2015-05-01

Définition de ressource Bicep

Le type de ressource composants peut être déployé avec des opérations qui ciblent :

• Groupes de ressources - Voir commandes de déploiement de groupes de ressources

Pour obtenir la liste des propriétés modifiées dans chaque version de l’API, consultez journal des modifications.

Remarques

Pour obtenir des conseils sur le déploiement de solutions de supervision, consultez Créer des ressources de supervision à l’aide de Bicep.

Format des ressources

Pour créer une ressource Microsoft.Insights/components, ajoutez le Bicep suivant à votre modèle.

resource symbolicname 'Microsoft.Insights/components@2020-02-02' = {
  name: 'string'
  location: 'string'
  tags: {
    tagName1: 'tagValue1'
    tagName2: 'tagValue2'
  }
  kind: 'string'
  etag: 'string'
  properties: {
    Application_Type: 'string'
    DisableIpMasking: bool
    DisableLocalAuth: bool
    Flow_Type: 'Bluefield'
    ForceCustomerStorageForProfiler: bool
    HockeyAppId: 'string'
    ImmediatePurgeDataOn30Days: bool
    IngestionMode: 'string'
    publicNetworkAccessForIngestion: 'string'
    publicNetworkAccessForQuery: 'string'
    Request_Source: 'rest'
    RetentionInDays: int
    SamplingPercentage: json('decimal-as-string')
    WorkspaceResourceId: 'string'
  }
}

Valeurs de propriétés

components

Nom	Description	Valeur
name	Nom de la ressource	chaîne (obligatoire) Limite de caractères : 1-260 Caractères valides : Impossibilité d’utiliser : %&\?/ ou des caractères de contrôle. Ne peut pas se terminer par un espace ou un point.
location	Emplacement de la ressource	chaîne (obligatoire)
tags	Balises de ressource	Dictionnaire de noms et de valeurs d’étiquettes. Voir Balises dans les modèles
kind	Type d’application auquel ce composant fait référence, utilisé pour personnaliser l’interface utilisateur. Cette valeur est une chaîne de forme libre. Les valeurs doivent généralement être l’une des suivantes : web, ios, autre, store, java, téléphone.	chaîne (obligatoire)
etag	Etag de ressources	string
properties	Propriétés qui définissent une ressource de composant Application Insights.	ApplicationInsightsComponentProperties

ApplicationInsightsComponentProperties

Nom	Description	Valeur
Application_Type	Type d’application surveillé.	'other' 'web' (obligatoire)
DisableIpMasking	Désactivez le masquage IP.	bool
DésactiverLocalAuth	Désactivez l’authentification non basée sur AAD.	bool
Flow_Type	Utilisé par le système Application Insights pour déterminer le type de flux par lequel ce composant a été créé. Cette valeur doit être définie sur « Bluefield » lors de la création/mise à jour d’un composant via l’API REST.	'Bluefield'
ForceCustomerStorageForProfiler	Forcez les utilisateurs à créer leur propre compte de stockage pour le profileur et le débogueur.	bool
HockeyAppId	ID d’application unique créé lors de l’ajout d’une application à HockeyApp, utilisé pour les communications avec HockeyApp.	string
ImmediatePurgeDataOn30Days	Vider les données immédiatement après 30 jours.	bool
IngestionMode	Indique le flux de l’ingestion.	'ApplicationInsights' 'ApplicationInsightsWithDiagnosticSettings' 'LogAnalytics'
publicNetworkAccessForIngestion	Type d’accès réseau pour accéder à l’ingestion Application Insights.	'Désactivé' 'Enabled'
publicNetworkAccessForQuery	Type d’accès réseau pour accéder à la requête Application Insights.	'Désactivé' 'Enabled'
Request_Source	Décrit l’outil qui a créé ce composant Application Insights. Les clients qui utilisent cette API doivent définir cette valeur sur « rest » par défaut.	'rest'
RetentionInDays	Période de rétention en jours.	int
SamplingPercentage	Pourcentage des données produites par l’application surveillée et échantillonnées pour les données de télémétrie Application Insights. Pour spécifier une valeur décimale, utilisez la fonction json().	décimal int ou json
WorkspaceResourceId	ID de ressource de l’espace de travail Log Analytics dans lequel les données seront ingérées. Cette propriété est requise pour créer une application avec cette version d’API. Les applications des versions antérieures n’auront pas cette propriété.	string

Modèles de démarrage rapide

Les modèles de démarrage rapide suivants déploient ce type de ressource.

Modèle	Description
BrowserBox Édition Azure	Ce modèle déploie BrowserBox sur une machine virtuelle Azure Ubuntu Server 22.04 LTS, Debian 11 ou RHEL 8.7 LVM.
CI/CD Java avec Jenkins et Azure Web Apps	Il s’agit d’un exemple pour Java CI/CD à l’aide de Jenkins et d’Azure Web Apps.
Kentico Xperience	Ce modèle facilite le déploiement des ressources nécessaires pour héberger des environnements Kentico Xperience dans Microsoft Azure.
Application web CMS Simple Umbraco	Ce modèle offre un moyen simple de déployer l’application web umbraco CMS sur Azure App Service Web Apps.
App Service Environment ILB avec Pare-feu Azure	Resource Manager modèles et paramètres illustrant comment déployer App Service environnement avec l’intégration Pare-feu Azure
Enterprise Governance-AppService, SQL DB, AD, OMS, Runbooks	L’adoption du cloud pour une entreprise, petite ou grande, nécessite des modèles de gouvernance responsables et efficaces pour tirer parti de leurs déploiements cloud. CloudWise (nom de code de la solution), est une solution composite disponible dans les guides de démarrage rapide des partenaires Azure, est un outil d’adoption pour les clients, les intégrateurs système et les partenaires, qui fournit une solution de gouvernance et d’opérations automatisée et libre-service, axée sur l’optimisation de vos coûts, l’amélioration de la fiabilité de vos applications, la réduction des risques métier. La solution met en évidence les principaux piliers de gouvernance de visibilité et de contrôle.
Site web eShop avec ILB ASE	Un environnement App Service est une option de plan de service PremiumAzure App Service qui fournit un environnement totalement isolé et dédié pour exécuter en toute sécurité des applications Azure App Service à grande échelle, comme des applications web, mobiles et d’API.
Application web avec un SQL Database, Azure Cosmos DB, Recherche Azure	Ce modèle provisionne une application web, un SQL Database, Azure Cosmos DB, Azure Search et Application Insights.
Espace de travail Azure Machine Learning	Ce modèle crée un espace de travail Azure Machine Learning, ainsi qu’un compte de stockage chiffré, keyVault et la journalisation Applications Insights
Créer des Gestion des API dans un réseau virtuel interne avec App Gateway	Ce modèle montre comment créer un instance de Gestion des API Azure sur un réseau privé protégé par Azure Application Gateway.
Déployer une application de microservice Azure Spring Apps simple	Ce modèle déploie une application de microservice Azure Spring Apps simple à exécuter sur Azure.
Front Door Standard/Premium avec origine Azure Functions	Ce modèle crée une application Front Door Standard/Premium, une application Azure Functions et configure l’application de fonction pour vérifier que le trafic a transité par l’origine Front Door.
Azure Digital Twins avec fonction et service Private Link	Ce modèle crée un service Azure Digital Twins configuré avec une fonction Azure Réseau virtuel connectée qui peut communiquer via un point de terminaison Private Link vers Digital Twins. Il crée également une zone DNS privé pour permettre la résolution transparente du nom d’hôte du point de terminaison Digital Twins à partir du Réseau virtuel à l’adresse IP interne du sous-réseau du point de terminaison privé. Le nom d’hôte est stocké en tant que paramètre de la fonction Azure avec le nom « ADT_ENDPOINT ».
Déployer Application Insight et y créer une alerte	Ce modèle vous permet de déployer Application Insight et de créer une alerte dans celui-ci
Créer un espace de travail AML avec plusieurs jeux de données & magasins de données	Ce modèle crée un espace de travail Azure Machine Learning avec plusieurs jeux de données & magasins de données.
Configuration sécurisée de bout en bout d’Azure Machine Learning	Cet ensemble de modèles Bicep montre comment configurer Azure Machine Learning de bout en bout dans une configuration sécurisée. Cette implémentation de référence inclut l’espace de travail, un cluster de calcul, des instance de calcul et un cluster AKS privé attaché.
Configuration sécurisée de bout en bout d’Azure Machine Learning (héritée)	Cet ensemble de modèles Bicep montre comment configurer Azure Machine Learning de bout en bout dans une configuration sécurisée. Cette implémentation de référence inclut l’espace de travail, un cluster de calcul, des instance de calcul et un cluster AKS privé attaché.
Créer une cible de calcul AKS avec une adresse IP privée	Ce modèle crée une cible de calcul AKS dans un espace de travail de service Azure Machine Learning donné avec une adresse IP privée.
Créer un espace de travail Azure Machine Learning service	Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. Cette configuration décrit l’ensemble minimal de ressources dont vous avez besoin pour commencer à utiliser Azure Machine Learning.
Créer un espace de travail azure Machine Learning Service (CMK)	Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. L’exemple montre comment configurer Azure Machine Learning pour le chiffrement avec une clé de chiffrement gérée par le client.
Créer un espace de travail du service Azure Machine Learning (réseau virtuel)	Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. Cette configuration décrit l’ensemble des ressources dont vous avez besoin pour commencer à utiliser Azure Machine Learning dans une configuration réseau isolée.
Créer un espace de travail du service Azure Machine Learning (hérité)	Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. Cette configuration décrit l’ensemble des ressources dont vous avez besoin pour commencer à utiliser Azure Machine Learning dans une configuration réseau isolée.
Créer Azure Front Door devant Azure Gestion des API	Cet exemple montre comment utiliser Azure Front Door comme équilibreur de charge global devant Azure Gestion des API.
App Service Environment avec Azure SQL back-end	Ce modèle crée une App Service Environment avec un back-end Azure SQL ainsi que des points de terminaison privés, ainsi que des ressources associées généralement utilisées dans un environnement privé/isolé.
Provisionner une application de fonction s’exécutant sur un plan App Service	Ce modèle provisionne une application de fonction sur un plan d’hébergement dédié, ce qui signifie qu’elle sera exécutée et facturée comme n’importe quel site App Service.
Approvisionner une application de fonction sur un plan Consommation	Ce modèle provisionne une application de fonction sur un plan Consommation, qui est un plan d’hébergement dynamique. L’application s’exécute à la demande et vous êtes facturé par exécution, sans engagement de ressources permanentes. D’autres modèles sont disponibles pour le provisionnement sur un plan d’hébergement dédié.
Provisionner la fonction de plan consommation avec un emplacement de déploiement	Ce modèle provisionne une application de fonction sur un plan Consommation, qui est un plan d’hébergement dynamique. L’application s’exécute à la demande et vous êtes facturé par exécution, sans engagement de ressources permanentes. D’autres modèles sont disponibles pour l’approvisionnement sur un plan d’hébergement dédié.
Application de fonction Azure hébergée sur un plan dédié	Ce modèle provisionne une application de fonction sur un plan d’hébergement dédié, ce qui signifie qu’elle sera exécutée et facturée comme n’importe quel site App Service.
Application de fonction Azure avec un emplacement de déploiement	Ce modèle approvisionne une application de fonction sur un plan Premium avec un emplacement de production et un emplacement de déploiement supplémentaire.
Application de fonction Azure avec Event Hub et Identité managée	son modèle provisionne une application de fonction Azure sur un plan de consommation Linux, ainsi qu’un Hub d’événements, stockage Azure et Application Insights. L’application de fonction est en mesure d’utiliser l’identité managée pour se connecter au compte Event Hub et stockage
Application de fonction Azure hébergée sur le plan de consommation Linux	Ce modèle provisionne une application de fonction sur un plan de consommation Linux, qui est un plan d’hébergement dynamique. L’application s’exécute à la demande et vous êtes facturé par exécution, sans engagement de ressources permanentes.
Plan de consommation d’application de fonction sur Linux avec build à distance	Ce modèle approvisionne une application de fonction sur un plan de consommation Linux et effectue une génération à distance pendant le déploiement du code. L’application s’exécute à la demande et vous êtes facturé par exécution, sans engagement de ressources permanentes.
Application de fonction Azure hébergée sur le plan Premium	Ce modèle provisionne une application de fonction sur un plan Premium.
Application de fonction privée et stockage sécurisé par un point de terminaison privé	Ce modèle approvisionne une application de fonction sur un plan Premium qui a des points de terminaison privés et communique avec Stockage Azure sur des points de terminaison privés.
Créer une application de fonction et un stockage sécurisé par un point de terminaison privé	Ce modèle vous permet de déployer une application de fonction Azure qui communique avec stockage Azure sur des points de terminaison privés.
Application de fonction Azure avec intégration Réseau virtuel	Ce modèle approvisionne une application de fonction sur un plan Premium avec l’intégration de réseau virtuel régional activée à un réseau virtuel nouvellement créé.
Application de fonction Azure hébergée sur le plan de consommation Windows	Ce modèle provisionne une application de fonction sur un plan Consommation Windows, qui est un plan d’hébergement dynamique. L’application s’exécute à la demande et vous êtes facturé par exécution, sans engagement de ressources permanentes.
Application de fonction Azure et fonction déclenchée par HTTP	Cet exemple montre comment déployer une application de fonction Azure et une fonction déclenchée par HTTP dans le modèle. Il déploie également un Key Vault et remplit un secret avec la clé hôte de l’application de fonction.
Déployer un plan Azure Function Premium avec AZ	Ce modèle vous permet de déployer un plan Azure Function Premium avec prise en charge des zones de disponibilité, y compris un compte de stockage pour lequel les zones de disponibilité sont activées.
Application de fonction sécurisée par Azure Frontdoor	Ce modèle vous permet de déployer une fonction Azure Premium protégée et publiée par Azure Frontdoor Premium. La connexion entre Azure Frontdoor et Azure Functions est protégée par Azure Private Link.
Déployer un plan Azure Function Premium avec l’intégration au réseau virtuel	Ce modèle vous permet de déployer un plan Azure Function Premium avec l’intégration de réseau virtuel régional activée sur un réseau virtuel nouvellement créé.
Crée une application de fonction avec une identité de service managée	Crée une application de fonction avec l’identité de service managée activée avec Application Insights configuré pour les journaux et les métriques.
Application Gateway avec Gestion des API interne et Web App	Application Gateway le routage du trafic Internet vers un réseau virtuel (mode interne) Gestion des API instance qui traite une API web hébergée dans une application web Azure.
Application web avec Application Insights envoyant à Log Analytics	Ce modèle permet de prendre en charge les nouvelles versions d’API de microsoft.insights/components. À compter du 2020-02-preview WorkspaceID sera requis lors de la création d’Applications Inisghts.Ce modèle déploiera le App Service Plan, App Service, Application Insights, l’espace de travail Log Analytics et le reliera.
Application web avec identité managée, SQL Server et ΑΙ	Exemple simple de déploiement de l’infrastructure Azure pour l’application + les données + l’identité managée + la supervision
Approvisionner une application web avec un SQL Database	Ce modèle provisionne une application web, une SQL Database, des paramètres de mise à l’échelle automatique, des règles d’alerte et Des insights d’application. Il configure un chaîne de connexion dans l’application web pour la base de données.
Application Django	Ce modèle vous permet de créer une App Service pour le déploiement d’une application Django.
Application ASP.NET	Ce modèle vous permet de créer une App Service pour le déploiement d’une application ASP.NET.

Définition de ressources de modèle ARM

Le type de ressource composants peut être déployé avec des opérations qui ciblent :

• Groupes de ressources - Voir commandes de déploiement de groupes de ressources

Pour obtenir la liste des propriétés modifiées dans chaque version de l’API, consultez journal des modifications.

Remarques

Pour obtenir des conseils sur le déploiement de solutions de supervision, consultez Créer des ressources de supervision à l’aide de Bicep.

Format des ressources

Pour créer une ressource Microsoft.Insights/components, ajoutez le code JSON suivant à votre modèle.

{
  "type": "Microsoft.Insights/components",
  "apiVersion": "2020-02-02",
  "name": "string",
  "location": "string",
  "tags": {
    "tagName1": "tagValue1",
    "tagName2": "tagValue2"
  },
  "kind": "string",
  "etag": "string",
  "properties": {
    "Application_Type": "string",
    "DisableIpMasking": "bool",
    "DisableLocalAuth": "bool",
    "Flow_Type": "Bluefield",
    "ForceCustomerStorageForProfiler": "bool",
    "HockeyAppId": "string",
    "ImmediatePurgeDataOn30Days": "bool",
    "IngestionMode": "string",
    "publicNetworkAccessForIngestion": "string",
    "publicNetworkAccessForQuery": "string",
    "Request_Source": "rest",
    "RetentionInDays": "int",
    "SamplingPercentage": "[json('decimal-as-string')]",
    "WorkspaceResourceId": "string"
  }
}

Valeurs de propriétés

components

Nom	Description	Valeur
type	Type de ressource	« Microsoft.Insights/components »
apiVersion	Version de l’API de ressource	'2020-02-02'
name	Nom de la ressource	chaîne (obligatoire) Limite de caractères : 1-260 Caractères valides : Impossibilité d’utiliser : %&\?/ ou des caractères de contrôle. Ne peut pas se terminer par un espace ou un point.
location	Emplacement de la ressource	chaîne (obligatoire)
tags	Balises de ressource	Dictionnaire de noms et de valeurs d’étiquettes. Voir Balises dans les modèles
kind	Type d’application auquel ce composant fait référence, utilisé pour personnaliser l’interface utilisateur. Cette valeur est une chaîne de forme libre. Les valeurs doivent généralement être l’une des suivantes : web, ios, autre, store, java, téléphone.	chaîne (obligatoire)
etag	Etag de ressources	string
properties	Propriétés qui définissent une ressource de composant Application Insights.	ApplicationInsightsComponentProperties

ApplicationInsightsComponentProperties

Nom	Description	Valeur
Application_Type	Type d’application surveillé.	'other' 'web' (obligatoire)
DisableIpMasking	Désactivez le masquage IP.	bool
DésactiverLocalAuth	Désactivez l’authentification non basée sur AAD.	bool
Flow_Type	Utilisé par le système Application Insights pour déterminer le type de flux par lequel ce composant a été créé. Cette valeur doit être définie sur « Bluefield » lors de la création/mise à jour d’un composant via l’API REST.	'Bluefield'
ForceCustomerStorageForProfiler	Forcez les utilisateurs à créer leur propre compte de stockage pour le profileur et le débogueur.	bool
HockeyAppId	ID d’application unique créé lors de l’ajout d’une application à HockeyApp, utilisé pour les communications avec HockeyApp.	string
ImmediatePurgeDataOn30Days	Vider les données immédiatement après 30 jours.	bool
IngestionMode	Indique le flux de l’ingestion.	'ApplicationInsights' 'ApplicationInsightsWithDiagnosticSettings' 'LogAnalytics'
publicNetworkAccessForIngestion	Type d’accès réseau pour accéder à l’ingestion Application Insights.	'Désactivé' 'Enabled'
publicNetworkAccessForQuery	Type d’accès réseau pour accéder à la requête Application Insights.	'Désactivé' 'Enabled'
Request_Source	Décrit l’outil qui a créé ce composant Application Insights. Les clients qui utilisent cette API doivent définir cette valeur sur « rest » par défaut.	'rest'
RetentionInDays	Période de rétention en jours.	int
SamplingPercentage	Pourcentage des données produites par l’application surveillée et échantillonnées pour les données de télémétrie Application Insights. Pour spécifier une valeur décimale, utilisez la fonction json().	décimal int ou json
WorkspaceResourceId	ID de ressource de l’espace de travail Log Analytics dans lequel les données seront ingérées. Cette propriété est requise pour créer une application avec cette version d’API. Les applications des versions antérieures n’auront pas cette propriété.	string

Modèles de démarrage rapide

Les modèles de démarrage rapide suivants déploient ce type de ressource.

Modèle	Description
BrowserBox Édition Azure	Ce modèle déploie BrowserBox sur une machine virtuelle Azure Ubuntu Server 22.04 LTS, Debian 11 ou RHEL 8.7 LVM.
CI/CD Java avec Jenkins et Azure Web Apps	Il s’agit d’un exemple pour java CI/CD à l’aide de Jenkins et d’Azure Web Apps.
Kentico Xperience	Ce modèle facilite le déploiement des ressources nécessaires pour héberger des environnements Kentico Xperience dans Microsoft Azure.
Application web CMS simple Umbraco	Ce modèle fournit un moyen simple de déployer l’application web umbraco CMS sur Azure App Service Web Apps.
ILB App Service Environment avec Pare-feu Azure	Resource Manager modèles et paramètres illustrant comment déployer App Service environnement avec Pare-feu Azure intégration
Enterprise Governance-AppService, SQL DB, AD, OMS, Runbooks	L’adoption du cloud pour une entreprise, petite ou grande, nécessite des modèles de gouvernance responsables et efficaces pour tirer de la valeur de leurs déploiements cloud. CloudWise (nom de code de la solution), est une solution composite disponible à partir des démarrages rapides des partenaires Azure, est un outil d’adoption pour les clients, les intégrateurs système et les partenaires, qui fournit une solution de gouvernance et d’opérations automatisée et libre-service, axée sur l’optimisation de vos coûts, l’amélioration de la fiabilité de vos applications et la réduction des risques pour l’entreprise. La solution met en évidence les principaux piliers de gouvernance de visibilité et de contrôle.
Site web eShop avec ILB ASE	Un environnement App Service est une option de plan de service PremiumAzure App Service qui fournit un environnement totalement isolé et dédié pour exécuter en toute sécurité des applications Azure App Service à grande échelle, comme des applications web, mobiles et d’API.
Application web avec un SQL Database, Azure Cosmos DB, Recherche Azure	Ce modèle approvisionne une application web, un SQL Database, Azure Cosmos DB, Recherche Azure et Application Insights.
Espace de travail Azure Machine Learning	Ce modèle crée un espace de travail Azure Machine Learning, ainsi qu’un compte de stockage chiffré, KeyVault et la journalisation Des applications Insights
Créer des Gestion des API dans un réseau virtuel interne avec App Gateway	Ce modèle montre comment créer un instance d’Azure Gestion des API sur un réseau privé protégé par Azure Application Gateway.
Déployer une application de microservice Azure Spring Apps simple	Ce modèle déploie une application de microservice Azure Spring Apps simple pour s’exécuter sur Azure.
Front Door Standard/Premium avec origine Azure Functions	Ce modèle crée une application Front Door Standard/Premium, une application Azure Functions et configure l’application de fonction pour vérifier que le trafic est passé par l’origine Front Door.
Azure Digital Twins avec le service Function et Private Link	Ce modèle crée un service Azure Digital Twins configuré avec une fonction Azure Réseau virtuel connectée qui peut communiquer via un point de terminaison Private Link à Digital Twins. Il crée également une zone de DNS privé pour permettre une résolution transparente du nom d’hôte du point de terminaison Digital Twins à partir du Réseau virtuel à l’adresse IP du sous-réseau interne du point de terminaison privé. Le nom d’hôte est stocké en tant que paramètre de la fonction Azure avec le nom « ADT_ENDPOINT ».
Déployer Application Insight et y créer une alerte	Ce modèle vous permet de déployer Application Insight et de créer une alerte dans celui-ci
Créer un espace de travail AML avec plusieurs jeux de données & magasins de données	Ce modèle crée un espace de travail Azure Machine Learning avec plusieurs jeux de données & magasins de données.
Configuration sécurisée de bout en bout d’Azure Machine Learning	Cet ensemble de modèles Bicep montre comment configurer Azure Machine Learning de bout en bout dans une configuration sécurisée. Cette implémentation de référence inclut l’espace de travail, un cluster de calcul, des instance de calcul et un cluster AKS privé attaché.
Configuration sécurisée d’Azure Machine Learning de bout en bout (héritée)	Cet ensemble de modèles Bicep montre comment configurer Azure Machine Learning de bout en bout dans une configuration sécurisée. Cette implémentation de référence inclut l’espace de travail, un cluster de calcul, des instance de calcul et un cluster AKS privé attaché.
Créer une cible de calcul AKS avec une adresse IP privée	Ce modèle crée une cible de calcul AKS dans un espace de travail de service Azure Machine Learning donné avec une adresse IP privée.
Créer un espace de travail Azure Machine Learning service	Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. Cette configuration décrit l’ensemble minimal de ressources dont vous avez besoin pour commencer à utiliser Azure Machine Learning.
Créer un espace de travail de service Azure Machine Learning (CMK)	Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. L’exemple montre comment configurer Azure Machine Learning pour le chiffrement avec une clé de chiffrement gérée par le client.
Créer un espace de travail de service Azure Machine Learning (réseau virtuel)	Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. Cette configuration décrit l’ensemble des ressources dont vous avez besoin pour commencer à utiliser Azure Machine Learning dans une configuration réseau isolée.
Créer un espace de travail de service Azure Machine Learning (hérité)	Ce modèle de déploiement spécifie un espace de travail Azure Machine Learning et ses ressources associées, notamment Azure Key Vault, Stockage Azure, Azure Application Insights et Azure Container Registry. Cette configuration décrit l’ensemble des ressources dont vous avez besoin pour commencer à utiliser Azure Machine Learning dans une configuration réseau isolée.
Créer Azure Front Door devant Azure Gestion des API	Cet exemple montre comment utiliser Azure Front Door comme équilibreur de charge global devant Azure Gestion des API.
App Service Environment avec Azure SQL back-end	Ce modèle crée une App Service Environment avec un back-end Azure SQL ainsi que des points de terminaison privés ainsi que des ressources associées généralement utilisées dans un environnement privé/isolé.
Provisionner une application de fonction s’exécutant sur un plan de App Service	Ce modèle provisionne une application de fonction sur un plan d’hébergement dédié, ce qui signifie qu’elle sera exécutée et facturée comme n’importe quel site App Service.
Provisionner une application de fonction sur un plan Consommation	Ce modèle provisionne une application de fonction sur un plan Consommation, qui est un plan d’hébergement dynamique. L’application s’exécute à la demande et vous êtes facturé par exécution, sans engagement de ressources permanentes. D’autres modèles sont disponibles pour l’approvisionnement sur un plan d’hébergement dédié.
Provisionner la fonction de plan consommation avec un emplacement de déploiement	Ce modèle provisionne une application de fonction sur un plan Consommation, qui est un plan d’hébergement dynamique. L’application s’exécute à la demande et vous êtes facturé par exécution, sans engagement de ressources permanentes. D’autres modèles sont disponibles pour l’approvisionnement sur un plan d’hébergement dédié.
Application de fonction Azure hébergée sur un plan dédié	Ce modèle provisionne une application de fonction sur un plan d’hébergement dédié, ce qui signifie qu’elle sera exécutée et facturée comme n’importe quel site App Service.
Application de fonction Azure avec un emplacement de déploiement	Ce modèle approvisionne une application de fonction sur un plan Premium avec un emplacement de production et un emplacement de déploiement supplémentaire.
Application de fonction Azure avec Event Hub et Identité managée	son modèle provisionne une application de fonction Azure sur un plan de consommation Linux, ainsi qu’un Hub d’événements, stockage Azure et Application Insights. L’application de fonction est en mesure d’utiliser l’identité managée pour se connecter au compte Event Hub et stockage
Application de fonction Azure hébergée sur le plan de consommation Linux	Ce modèle provisionne une application de fonction sur un plan de consommation Linux, qui est un plan d’hébergement dynamique. L’application s’exécute à la demande et vous êtes facturé par exécution, sans engagement de ressources permanentes.
Plan de consommation d’application de fonction sur Linux avec build à distance	Ce modèle approvisionne une application de fonction sur un plan de consommation Linux et effectue une génération à distance pendant le déploiement du code. L’application s’exécute à la demande et vous êtes facturé par exécution, sans engagement de ressources permanentes.
Application de fonction Azure hébergée sur le plan Premium	Ce modèle provisionne une application de fonction sur un plan Premium.
Application de fonction privée et stockage sécurisé par un point de terminaison privé	Ce modèle approvisionne une application de fonction sur un plan Premium qui a des points de terminaison privés et communique avec Stockage Azure sur des points de terminaison privés.
Créer une application de fonction et un stockage sécurisé par un point de terminaison privé	Ce modèle vous permet de déployer une application de fonction Azure qui communique avec stockage Azure sur des points de terminaison privés.
Application de fonction Azure avec intégration Réseau virtuel	Ce modèle approvisionne une application de fonction sur un plan Premium avec l’intégration de réseau virtuel régional activée à un réseau virtuel nouvellement créé.
Application de fonction Azure hébergée sur le plan de consommation Windows	Ce modèle provisionne une application de fonction sur un plan Consommation Windows, qui est un plan d’hébergement dynamique. L’application s’exécute à la demande et vous êtes facturé par exécution, sans engagement de ressources permanentes.
Application de fonction Azure et fonction déclenchée par HTTP	Cet exemple montre comment déployer une application de fonction Azure et une fonction déclenchée par HTTP dans le modèle. Il déploie également un Key Vault et remplit un secret avec la clé hôte de l’application de fonction.
Déployer un plan Azure Function Premium avec AZ	Ce modèle vous permet de déployer un plan Azure Function Premium avec prise en charge des zones de disponibilité, y compris un compte de stockage pour lequel les zones de disponibilité sont activées.
Application de fonction sécurisée par Azure Frontdoor	Ce modèle vous permet de déployer une fonction Azure Premium protégée et publiée par Azure Frontdoor Premium. La connexion entre Azure Frontdoor et Azure Functions est protégée par Azure Private Link.
Déployer un plan Azure Function Premium avec l’intégration au réseau virtuel	Ce modèle vous permet de déployer un plan Azure Function Premium avec l’intégration de réseau virtuel régional activée sur un réseau virtuel nouvellement créé.
Crée une application de fonction avec une identité de service managée	Crée une application de fonction avec l’identité de service managée activée avec Application Insights configuré pour les journaux et les métriques.
Application Gateway avec Gestion des API interne et Web App	Application Gateway le routage du trafic Internet vers un réseau virtuel (mode interne) Gestion des API instance qui traite une API web hébergée dans une application web Azure.
Application web avec Application Insights envoyant à Log Analytics	Ce modèle permet de prendre en charge les nouvelles versions d’API de microsoft.insights/components. À compter du 2020-02-preview WorkspaceID sera requis lors de la création d’Applications Inisghts.Ce modèle déploiera le App Service Plan, App Service, Application Insights, l’espace de travail Log Analytics et le reliera.
Application web avec identité managée, SQL Server et ΑΙ	Exemple simple de déploiement de l’infrastructure Azure pour l’application + les données + l’identité managée + la supervision
Approvisionner une application web avec un SQL Database	Ce modèle provisionne une application web, une SQL Database, des paramètres de mise à l’échelle automatique, des règles d’alerte et Des insights d’application. Il configure un chaîne de connexion dans l’application web pour la base de données.
Application Django	Ce modèle vous permet de créer une App Service pour le déploiement d’une application Django.
Application ASP.NET	Ce modèle vous permet de créer une App Service pour le déploiement d’une application ASP.NET.

Définition de ressource Terraform (fournisseur AzAPI)

Le type de ressource composants peut être déployé avec des opérations qui ciblent :

• Groupes de ressources

Pour obtenir la liste des propriétés modifiées dans chaque version de l’API, consultez journal des modifications.

Format des ressources

Pour créer une ressource Microsoft.Insights/components, ajoutez le Terraform suivant à votre modèle.

resource "azapi_resource" "symbolicname" {
  type = "Microsoft.Insights/components@2020-02-02"
  name = "string"
  location = "string"
  parent_id = "string"
  tags = {
    tagName1 = "tagValue1"
    tagName2 = "tagValue2"
  }
  body = jsonencode({
    properties = {
      Application_Type = "string"
      DisableIpMasking = bool
      DisableLocalAuth = bool
      Flow_Type = "Bluefield"
      ForceCustomerStorageForProfiler = bool
      HockeyAppId = "string"
      ImmediatePurgeDataOn30Days = bool
      IngestionMode = "string"
      publicNetworkAccessForIngestion = "string"
      publicNetworkAccessForQuery = "string"
      Request_Source = "rest"
      RetentionInDays = int
      SamplingPercentage = "decimal-as-string"
      WorkspaceResourceId = "string"
    }
    kind = "string"
    etag = "string"
  })
}

Valeurs de propriétés

components

Nom	Description	Valeur
type	Type de ressource	« Microsoft.Insights/components@2020-02-02 »
name	Nom de la ressource	chaîne (obligatoire) Limite de caractères : 1-260 Caractères valides : Impossibilité d’utiliser : %&\?/ ou des caractères de contrôle. Ne peut pas se terminer par un espace ou un point.
location	Emplacement de la ressource	chaîne (obligatoire)
parent_id	Pour effectuer un déploiement sur un groupe de ressources, utilisez l’ID de ce groupe de ressources.	chaîne (obligatoire)
tags	Balises de ressource	Dictionnaire de noms et de valeurs d’étiquettes.
kind	Type d’application auquel ce composant fait référence, utilisé pour personnaliser l’interface utilisateur. Cette valeur est une chaîne de forme libre. Les valeurs doivent généralement être l’une des suivantes : web, ios, autre, store, java, téléphone.	chaîne (obligatoire)
etag	Etag de ressources	string
properties	Propriétés qui définissent une ressource de composant Application Insights.	ApplicationInsightsComponentProperties

ApplicationInsightsComponentProperties

Nom	Description	Valeur
Application_Type	Type d’application surveillé.	« autre » « web » (obligatoire)
DisableIpMasking	Désactivez le masquage IP.	bool
DésactiverLocalAuth	Désactivez l’authentification non basée sur AAD.	bool
Flow_Type	Utilisé par le système Application Insights pour déterminer le type de flux par lequel ce composant a été créé. Cette valeur doit être définie sur « Bluefield » lors de la création/mise à jour d’un composant via l’API REST.	« Bluefield »
ForceCustomerStorageForProfiler	Forcez les utilisateurs à créer leur propre compte de stockage pour le profileur et le débogueur.	bool
HockeyAppId	ID d’application unique créé lors de l’ajout d’une application à HockeyApp, utilisé pour les communications avec HockeyApp.	string
ImmediatePurgeDataOn30Days	Vider les données immédiatement après 30 jours.	bool
IngestionMode	Indique le flux de l’ingestion.	« ApplicationInsights » « ApplicationInsightsWithDiagnosticSettings » « LogAnalytics »
publicNetworkAccessForIngestion	Type d’accès réseau pour accéder à l’ingestion Application Insights.	« Désactivé » « Activé »
publicNetworkAccessForQuery	Type d’accès réseau pour accéder à la requête Application Insights.	« Désactivé » « Activé »
Request_Source	Décrit l’outil qui a créé ce composant Application Insights. Les clients qui utilisent cette API doivent définir cette valeur sur « rest » par défaut.	« rest »
RetentionInDays	Période de rétention en jours.	int
SamplingPercentage	Pourcentage des données produites par l’application surveillée et échantillonnées pour les données de télémétrie Application Insights. Spécifiez une valeur décimale sous forme de chaîne.	décimal int ou json
WorkspaceResourceId	ID de ressource de l’espace de travail Log Analytics dans lequel les données seront ingérées. Cette propriété est requise pour créer une application avec cette version d’API. Les applications des versions antérieures n’auront pas cette propriété.	string