Azure Batch を使用してコンテナーワークロードを実行する

[アーティクル]
01/19/2024

注意

この記事では、サポート終了 (EOL) 状態が近づいている Linux ディストリビューションである CentOS について説明します。それに応じて、使用と計画を検討してください。

Azure Batch を使用すると、Azure で大量のバッチコンピューティングジョブを実行し、また、その実行量を調整できます。 Batch タスクは Batch プール内の仮想マシン (ノード) で直接実行できますが、タスクがノード上の Docker と互換性のあるコンテナーで実行されるように Batch プールを設定することもできます。この記事では、実行中のコンテナータスクをサポートするコンピューティングノードのプールを作成して、プールでコンテナータスクを実行する方法について説明します。

このコード例では、Batch .NET と Python SDK を使用します。また、Batch SDK、および Azure Portal などのツールを使用して、コンテナー対応の Batch プールを作成したり、コンテナータスクを実行したりすることもできます。

コンテナーを使用する理由

コンテナーを使用すると、Batch タスクを簡単に実行できます。アプリケーションを実行するために環境や依存関係を管理する必要はありません。コンテナーにより、アプリケーションが、複数の異なる環境で実行できる、軽量で移植可能かつ自律的なユニットとしてデプロイされます。たとえば、コンテナーをローカルで構築し、テストしてから、コンテナーイメージを Azure のレジストリなどにアップロードします。コンテナーデプロイメントモデルにより、アプリケーションのランタイム環境が、そのアプリケーションをホストする場所がどこであっても、常に適切にインストールおよび構成されます。 Batch のコンテナーベースタスクでは、アプリケーションパッケージ、リソースファイルの管理、出力ファイルの管理など、コンテナータスク以外の機能も活用されます。

前提条件

コンテナーの概念および Batch プールとジョブを作成する方法に精通しておく必要があります。

SDK バージョン: 次のバージョンの時点で、Batch SDK ではコンテナーイメージをサポートしています。
- Batch REST API バージョン 2017-09-01.6.0
- Batch .NET SDK バージョン 8.0.0
- Batch Python SDK バージョン 4.0
- Batch Java SDK バージョン 3.0
- Batch Node.js SDK バージョン 3.0
アカウント: ご使用の Azure サブスクリプションで、Batch アカウントを作成する必要があります。また、必要に応じて、Azure Storage アカウントを作成します。
サポートされている仮想マシン (VM) イメージ: コンテナーは、サポートされているイメージ (次のセクションに示す) から仮想マシン構成を使用して作成されたプールでのみサポートされます。カスタムイメージを用意する場合、次のセクションの注意点と「マネージドイメージを使用してカスタムイメージプールを作成する」の要件を参照してください。

注意

Batch SDK バージョン:

Batch .NET SDK バージョン 16.0.0
Batch Python SDK バージョン 14.0.0
Batch Java SDK バージョン 11.0.0
Batch Node.js SDK バージョン 11.0.0

現在、containerConfiguration に Type プロパティを渡す必要があります。サポートされている値は ContainerType.DockerCompatible と ContainerType.CriCompatible です。

次の制限事項にご注意ください。

Batch では、Linux プールで実行されるコンテナーに対してのみ、リモートダイレクトメモリアクセス (RDMA) がサポートされます。
Windows コンテナーワークロードの場合、プールに対してマルチコア VM サイズを選択する必要があります。

重要

既定では、Docker は 172.17.0.0/16 のサブネット指定を使用してネットワークブリッジを作成します。プールに仮想ネットワークを指定する場合は、競合する IP 範囲がないことを確認してください。

サポートされている VM イメージ

コンテナーワークロードのために VM コンピューティングノードのプールを作成するには、次のいずれかのサポートされている Windows または Linux イメージを使用します。 Batch と互換性がある Marketplace イメージの詳細については、「仮想マシンイメージの一覧」を参照してください。

Windows のサポート

Batch は、コンテナーサポートの指定がある Windows サーバーイメージをサポートします。 Batch でサポートされているすべてのイメージを一覧表示する API を使うと、イメージが Docker コンテナーをサポートしている場合は、DockerCompatible 機能が示されます。 Batch では、Mirantis で公開されている DockerCompatible と表記されたイメージを使用できますが、直接はサポートされていません。これらのイメージは、[ユーザーサブスクリプションプール割り当てモードの Batch アカウント] でのみデプロイできます。

また、カスタムイメージを作成して Windows 上でコンテナー機能を有効にすることもできます。

Note

イメージ SKU -with-containers または -with-containers-smalldisk は廃止されます。詳細および代替コンテナーランタイムのオプションについては、お知らせを参照してください。

Linux Support

Linux コンテナーワークロードの場合、現在、Batch は、Azure Marketplace で発行された次の Linux イメージをサポートしており、カスタムイメージは必要ありません。

発行元: microsoft-dsvm
- オファー: ubuntu-hpc

代替イメージオプション

現在、コンテナーワークロードをサポートする他のイメージは microsoft-azure-batch で公開されています。

発行元: microsoft-azure-batch
- オファー: centos-container
- オファー: centos-container-rdma (Infiniband 搭載 VM SKU 専用)
- オファー: ubuntu-server-container
- オファー: ubuntu-server-container-rdma (Infiniband 搭載 VM SKU 専用)

重要

microsoft-azure-batch で公開されたイメージの代わりに、microsoft-dsvmubuntu-hpc VM イメージを使用することをお勧めします。このイメージは、どの VM SKU でも使用できます。

メモ

上記のイメージの Docker データルートは、さまざまな場所にあります。

Azure Batch で公開された microsoft-azure-batch イメージ (オファー: centos-container-rdma など) の場合、Docker データルートは /mnt/batch/docker にマップされます。これは、一時ディスク上にあります。
HPC イメージまたは microsoft-dsvm (オファー: ubuntu-hpc など) の場合、Docker データルートは Docker の既定値から変更されません。これは、Linux では /var/lib/docker、Windows では C:\ProgramData\Docker です。このようなフォルダーは、OS ディスクに配置されます。

Batch で公開されたもの以外のイメージを使用する場合、コンテナーイメージのダウンロード時に OS ディスクがすぐにいっぱいになってしまうという潜在的なリスクがあります。

顧客向けの考えられる解決策

BatchExplorer でプールを作成するときに、開始タスクの Docker データルートを変更します。タスクの開始コマンドの例を次に示します。

1)  sudo systemctl stop docker
2)  sudo vi /lib/systemd/system/docker.service
    +++
    FROM:
    ExecStart=/usr/bin/docker daemon -H fd://
    TO:
    ExecStart=/usr/bin/docker daemon -g /new/path/docker -H fd://
    +++
3)  sudo systemctl daemon-reload
4)  sudo systemctl start docker

これらのイメージは、Azure Batch プールでの使用のみがサポートされており、Docker コンテナーの実行に適しています。これらには以下が装備されています。

プレインストールされた Docker 互換の Moby コンテナーランタイム。
Azure N シリーズ VM へのデプロイを効率化するためにプレインストールされた NVIDIA GPU ドライバーと NVIDIA コンテナーランタイム。
-rdma というサフィックスが付いた VM イメージは、InfiniBand RDMA VM サイズをサポートするように事前構成されています。これらの VM イメージは、InfiniBand をサポートしていない VM サイズでは使用しないでください。

Batch と互換性のある Linux ディストリビューションのいずれかで、Batch コンテナーと互換性のあるカスタムイメージを作成することもできます。カスタムイメージにおける Docker サポートの場合は、Docker や Mirantis Container Runtime などの適切な Docker 互換ランタイムをインストールします。 Docker-CLI 互換ツールをインストールするだけでは不十分で、Docker Engine 互換ランタイムが必要です。

重要

Microsoft や Azure Batch では、Docker (すべてのバージョンやエディション)、Mirantis Container Runtime、Moby ランタイムに関する問題のサポートは提供されません。これらのランタイムをイメージに使用することを選択された場合は、ランタイムの問題に関して、サポートを提供する企業または団体にお問い合わせください。

カスタム Linux イメージを使用するためのその他の注意点:

カスタムイメージを使用する場合に Azure N シリーズサイズの GPU パフォーマンスを活用するには、事前に NVIDIA ドライバーをインストールします。また、NVIDIA GPU の Docker エンジンユーティリティ、NVIDIA Docker をインストールする必要もあります。
Azure RDMA ネットワークにアクセスするには、RDMA 対応の VM サイズを使用します。必要な RDMA ドライバーは、Batch でサポートされている CentOS HPC イメージおよび Ubuntu イメージにインストールされます。 MPI ワークロードを実行するには、追加構成が必要になる可能性があります。「Batch プールで RDMA または GPU インスタンスを使用する」を参照してください。

Batch プール用のコンテナー構成

Batch プールでコンテナーワークロードを実行するには、プールの VirtualMachineConfiguration オブジェクトに ContainerConfiguration 設定を指定する必要があります。この記事では、Batch .NET API のリファレンスへのリンクを提供しています。対応する設定は、Batch Python API にあります。

次の例のように、プリフェッチされたコンテナーイメージを使用して、または使用しないでコンテナー対応プールを作成できます。プル (またはプリフェッチ) プロセスにより、Docker Hub またはインターネット上の別のコンテナーレジストリから、コンテナーイメージを事前に読み込むことができます。最も高いパフォーマンスを得るには、Batch アカウントと同じリージョンにある Azure コンテナーレジストリを使用します。

コンテナーイメージをプリフェッチするメリットは、初めてタスクを実行するとき、コンテナーイメージがダウンロードされるのを、そのタスクが待たなくてもよい点です。プールの作成時に、コンテナー構成によって、コンテナーイメージが VM にプルされます。これにより、プール上で実行されるタスクが、コンテナーイメージとコンテナー実行オプションの一覧を参照できます。

プリフェッチされたコンテナーイメージを使用しないプール

プリフェッチされたコンテナーイメージを使用せずにコンテナー対応プールを構成するには、次の例に示すように ContainerConfiguration オブジェクトと VirtualMachineConfiguration オブジェクトを定義します。これらの例では、Marketplace から Azure Batch コンテナープールイメージ用の Ubuntu Server を使用します。

注: この例で使用されている Ubuntu サーバーのバージョンは、説明のためのものです。 node_agent_sku_id は、使用しているバージョンに自由に変更してください。

image_ref_to_use = batch.models.ImageReference(
    publisher='microsoft-dsvm',
    offer='ubuntu-hpc',
    sku='2204',
    version='latest')

"""
Specify container configuration. This is required even though there are no prefetched images.
"""

container_conf = batch.models.ContainerConfiguration()

new_pool = batch.models.PoolAddParameter(
    id=pool_id,
    virtual_machine_configuration=batch.models.VirtualMachineConfiguration(
        image_reference=image_ref_to_use,
        container_configuration=container_conf,
        node_agent_sku_id='batch.node.ubuntu 22.04'),
    vm_size='STANDARD_D2S_V3',
    target_dedicated_nodes=1)
...

ImageReference imageReference = new ImageReference(
    publisher: "microsoft-dsvm",
    offer: "ubuntu-hpc",
    sku: "2204",
    version: "latest");

// Specify container configuration. This is required even though there are no prefetched images.
ContainerConfiguration containerConfig = new ContainerConfiguration();

// VM configuration
VirtualMachineConfiguration virtualMachineConfiguration = new VirtualMachineConfiguration(
    imageReference: imageReference,
    nodeAgentSkuId: "batch.node.ubuntu 22.04");
virtualMachineConfiguration.ContainerConfiguration = containerConfig;

// Create pool
CloudPool pool = batchClient.PoolOperations.CreatePool(
    poolId: poolId,
    targetDedicatedComputeNodes: 1,
    virtualMachineSize: "STANDARD_D2S_V3",
    virtualMachineConfiguration: virtualMachineConfiguration);

コンテナー構成用にイメージをプリフェッチする

プールでコンテナーイメージをプリフェッチするには、コンテナーイメージの一覧 (Python の container_image_names) を ContainerConfiguration に追加します。

次の基本的な Python の例では、Docker Hub から標準 Ubuntu コンテナーイメージをプリフェッチする方法を示します。

image_ref_to_use = batch.models.ImageReference(
    publisher='microsoft-dsvm',
    offer='ubuntu-hpc',
    sku='2204',
    version='latest')

"""
Specify container configuration, fetching the official Ubuntu container image from Docker Hub.
"""

container_conf = batch.models.ContainerConfiguration(
    container_image_names=['ubuntu'])

new_pool = batch.models.PoolAddParameter(
    id=pool_id,
    virtual_machine_configuration=batch.models.VirtualMachineConfiguration(
        image_reference=image_ref_to_use,
        container_configuration=container_conf,
        node_agent_sku_id='batch.node.ubuntu 22.04'),
    vm_size='STANDARD_D2S_V3',
    target_dedicated_nodes=1)
...

次の C# の例では、TensorFlow イメージを Docker Hub からプリフェッチすると仮定しています。この例には、プールノード上の VM ホストで実行される開始タスクを含めています。たとえば、コンテナーからアクセスできるファイルサーバーをマウントする目的で、ホストで開始タスクを実行することがあります。

ImageReference imageReference = new ImageReference(
    publisher: "microsoft-dsvm",
    offer: "ubuntu-hpc",
    sku: "2204",
    version: "latest");

ContainerRegistry containerRegistry = new ContainerRegistry(
    registryServer: "https://hub.docker.com",
    userName: "UserName",
    password: "YourPassword"
);

// Specify container configuration, prefetching Docker images
ContainerConfiguration containerConfig = new ContainerConfiguration();
containerConfig.ContainerImageNames = new List<string> { "tensorflow/tensorflow:latest-gpu" };
containerConfig.ContainerRegistries = new List<ContainerRegistry> { containerRegistry };

// VM configuration
VirtualMachineConfiguration virtualMachineConfiguration = new VirtualMachineConfiguration(
    imageReference: imageReference,
    nodeAgentSkuId: "batch.node.ubuntu 22.04");
virtualMachineConfiguration.ContainerConfiguration = containerConfig;

// Set a native host command line start task
StartTask startTaskContainer = new StartTask( commandLine: "<native-host-command-line>" );

// Create pool
CloudPool pool = batchClient.PoolOperations.CreatePool(
    poolId: poolId,
    virtualMachineSize: "Standard_NC6S_V3",
    virtualMachineConfiguration: virtualMachineConfiguration);

// Start the task in the pool
pool.StartTask = startTaskContainer;
...

プライベートコンテナーレジストリからイメージをプリフェッチする

プライベートコンテナーレジストリサーバーの認証により、コンテナーイメージをプリフェッチすることもできます。次の例では、ContainerConfiguration および VirtualMachineConfiguration オブジェクトは、プライベート TensorFlow イメージをプライベート Azure コンテナーレジストリからプリフェッチします。イメージ参照は前の例と同じです。

image_ref_to_use = batch.models.ImageReference(
    publisher='microsoft-dsvm',
    offer='ubuntu-hpc',
    sku='2204',
    version='latest')

# Specify a container registry
container_registry = batch.models.ContainerRegistry(
        registry_server="myRegistry.azurecr.io",
        user_name="myUsername",
        password="myPassword")

# Create container configuration, prefetching Docker images from the container registry
container_conf = batch.models.ContainerConfiguration(
        container_image_names = ["myRegistry.azurecr.io/samples/myImage"],
        container_registries =[container_registry])

new_pool = batch.models.PoolAddParameter(
            id="myPool",
            virtual_machine_configuration=batch.models.VirtualMachineConfiguration(
                image_reference=image_ref_to_use,
                container_configuration=container_conf,
                node_agent_sku_id='batch.node.ubuntu 22.04'),
            vm_size='STANDARD_D2S_V3',
            target_dedicated_nodes=1)

// Specify a container registry
ContainerRegistry containerRegistry = new ContainerRegistry(
    registryServer: "myContainerRegistry.azurecr.io",
    userName: "myUserName",
    password: "myPassword");

// Create container configuration, prefetching Docker images from the container registry
ContainerConfiguration containerConfig = new ContainerConfiguration();
containerConfig.ContainerImageNames = new List<string> {
        "myContainerRegistry.azurecr.io/tensorflow/tensorflow:latest-gpu" };
containerConfig.ContainerRegistries = new List<ContainerRegistry> { containerRegistry } );

// VM configuration
VirtualMachineConfiguration virtualMachineConfiguration = new VirtualMachineConfiguration(
    imageReference: imageReference,
    nodeAgentSkuId: "batch.node.ubuntu 22.04");
virtualMachineConfiguration.ContainerConfiguration = containerConfig;

// Create pool
CloudPool pool = batchClient.PoolOperations.CreatePool(
    poolId: poolId,
    targetDedicatedComputeNodes: 2,
    virtualMachineSize: "Standard_NC6S_V3",
    virtualMachineConfiguration: virtualMachineConfiguration);
...

ACR のマネージド ID のサポート

Azure Container Registry に格納されているコンテナーにアクセスする場合、サービスで認証を行うために、ユーザー名とパスワード、またはマネージド ID のいずれかを使用できます。マネージド ID を使用するには、まず、ID がプールに割り当てられており、アクセスしたいコンテナーレジストリに割り当てられた AcrPull ロールがその ID に付与されている必要があります。その後、ACR で認証するときに、使用する ID を Batch に指定します。

ContainerRegistry containerRegistry = new ContainerRegistry(
    registryServer: "myContainerRegistry.azurecr.io",
    identityReference: new ComputeNodeIdentityReference() { ResourceId = "/subscriptions/SUB/resourceGroups/RG/providers/Microsoft.ManagedIdentity/userAssignedIdentities/identity-name" }
);

// Create container configuration, prefetching Docker images from the container registry
ContainerConfiguration containerConfig = new ContainerConfiguration();
containerConfig.ContainerImageNames = new List<string> {
        "myContainerRegistry.azurecr.io/tensorflow/tensorflow:latest-gpu" };
containerConfig.ContainerRegistries = new List<ContainerRegistry> { containerRegistry } );

// VM configuration
VirtualMachineConfiguration virtualMachineConfiguration = new VirtualMachineConfiguration(
    imageReference: imageReference,
    nodeAgentSkuId: "batch.node.ubuntu 22.04");
virtualMachineConfiguration.ContainerConfiguration = containerConfig;

// Create pool
CloudPool pool = batchClient.PoolOperations.CreatePool(
    poolId: poolId,
    targetDedicatedComputeNodes: 2,
    virtualMachineSize: "Standard_NC6S_V3",
    virtualMachineConfiguration: virtualMachineConfiguration);
...

タスク用のコンテナー設定

コンテナーが有効なプール上でコンテナータスクを実行するには、コンテナー固有の設定を指定します。設定には、使用するイメージ、レジストリ、コンテナー実行オプションが含まれます。

コンテナー固有の設定を構成するには、タスククラスの ContainerSettings プロパティを使用します。これらの設定は、TaskContainerSettings クラスによって定義されます。 --rm コンテナーオプションは Batch によって処理されるため、他の --runtime オプションは必要ありません。
コンテナーイメージでタスクを実行する場合は、クラウドタスクとジョブマネージャータスクにコンテナー設定が必要です。ただし、開始タスク、ジョブの準備タスク、ジョブの解放タスクにはコンテナー設定は不要です (つまり、これらのタスクは、コンテナーのコンテキスト内で、またはノード上で直接実行できます)。
Linux の場合、Batch ではユーザーおよびグループの権限がコンテナーにマップされます。コンテナー内の任意のフォルダーへのアクセスに管理者権限が必要な場合は、管理者の昇格レベルを使用して、プールスコープとしてタスクを実行する必要がある場合があります。これにより、Batch はコンテナーコンテキストでルートとしてタスクを実行します。このようにしないと、管理者以外のユーザーがこれらのフォルダーにアクセスできない可能性があります。
GPU 対応ハードウェアを備えたコンテナープールの場合、Batch ではコンテナータスクに対して自動的に GPU が有効になります。このため、–gpus 引数は含めないでください。

コンテナータスクのコマンドライン

コンテナータスクを実行すると、Batch は自動的に docker create コマンドを使用して、タスク内の指定されたイメージを使ってコンテナーを作成します。次に、Batch はコンテナー内のタスク実行を制御します。

コンテナー以外の Batch タスクの場合と同様に、コンテナータスクに対してコマンドラインを設定します。 Batch は自動的にコンテナーを作成するため、コマンドラインでは、コンテナー内で実行される 1 つまたは複数のコマンドを指定するだけでかまいません。

Batch タスクのコンテナーイメージが ENTRYPOINT スクリプトを使って構成されている場合は、コマンドラインを設定して既定の ENTRYPOINT を使用するか、または上書きできます。

コンテナーイメージの既定の ENTRYPOINT を使用するには、空の文字列 "" にタスクコマンドラインを設定します。
既定の ENTRYPOINT をオーバーライドするには、--entrypoint 引数を追加します。例: --entrypoint "/bin/sh - python"
イメージに ENTRYPOINT がない場合は、たとえば /app/myapp や /bin/sh -c python myscript.py のように、コンテナーに適したコマンドラインを設定します

オプションの ContainerRunOptions は、コンテナーを作成して実行するために Batch が使用する docker create コマンドに指定されるその他の引数です。たとえば、コンテナーの作業ディレクトリを設定するには、--workdir <directory> オプションを設定します。その他のオプションについては、docker create のリファレンスをご覧ください。

コンテナータスクの作業ディレクトリ

Batch コンテナータスクは、コンテナー内の作業ディレクトリで実行されます。これは、通常の (コンテナー以外の) タスク用に Batch が設定するディレクトリに似ています。この作業ディレクトリは、イメージ内に構成されている場合、または既定のコンテナーの作業ディレクトリ (Windows コンテナー上の C:\、または Linux コンテナー上の /) 内に構成されている場合、WORKDIR とは異なります。

Batch コンテナータスクの場合:

ホストノード上 (Azure Batch ディレクトリのルート) の AZ_BATCH_NODE_ROOT_DIR の下にあるすべてのディレクトリが、コンテナー内に再帰的にマップされます。
タスクのすべての環境変数がコンテナー内にマップされます。
ノード上にあるタスク作業ディレクトリ AZ_BATCH_TASK_WORKING_DIR が、通常タスクと同様に設定され、コンテナー内にマップされます。

重要

エフェメラルディスクを持つ VM ファミリの Windows コンテナープールの場合、Windows コンテナーの制限により、エフェメラルディスク全体がコンテナースペースにマッピングされます。

これらのマッピングによって、コンテナー以外のタスクとほぼ同じように、コンテナータスクを操作することが可能になります。たとえば、アプリケーションパッケージを使用してアプリケーションをインストールし、Azure Storage からリソースファイルにアクセスし、タスクの環境設定を使用し、コンテナーが停止した後はタスクの出力ファイルを永続化します。

コンテナータスクのトラブルシューティング

コンテナータスクが正常に実行されない場合、状況に応じて、コンテナーイメージの WORKDIR または ENTRYPOINT 構成に関する情報を取得する必要があります。構成を確認するには、docker image inspect コマンドを実行します。

必要な場合は、イメージに基づいてコンテナータスクの設定を調整します。

タスクコマンドラインで絶対パスを指定します。タスクコマンドラインにイメージの既定の ENTRYPOINT が使用されている場合は、絶対パスが設定されていることを確認します。
タスクのコンテナー実行オプションで、イメージの WORKDIR と一致するように作業ディレクトリを変更します。たとえば、--workdir /app を設定します。

コンテナータスクの例

次の Python スニペットは、Docker Hub からプルされた架空のイメージを元に作成したコンテナーで実行される、基本のコマンドラインを示しています。ここで、--rm コンテナーオプションでは、タスクの終了後にコンテナーを削除し、--workdir オプションでは、作業ディレクトリを設定しています。コマンドラインは、ホスト上のタスク作業ディレクトリに小規模ファイルを書き込むシンプルなシェルコマンドを使って、コンテナーの ENTRYPOINT を上書きしています。

task_id = 'sampletask'
task_container_settings = batch.models.TaskContainerSettings(
    image_name='myimage',
    container_run_options='--rm --workdir /')
task = batch.models.TaskAddParameter(
    id=task_id,
    command_line='/bin/sh -c \"echo \'hello world\' > $AZ_BATCH_TASK_WORKING_DIR/output.txt\"',
    container_settings=task_container_settings
)

次の C# の例は、クラウドタスクの基本的なコンテナー設定を示しています。

// Simple container task command
string cmdLine = "c:\\app\\myApp.exe";

TaskContainerSettings cmdContainerSettings = new TaskContainerSettings (
    imageName: "myimage",
    containerRunOptions: "--rm --workdir c:\\app"
    );

CloudTask containerTask = new CloudTask (
    id: "Task1",
    commandline: cmdLine);
containerTask.ContainerSettings = cmdContainerSettings;

次のステップ

Linux での Docker CE のインストールおよび使用について詳しくは、Docker ドキュメントを参照してください。
「マネージドイメージを使用してカスタムイメージプールを作成する」を参照し、この方法を学習してください。
コンテナーベースのシステムを作成するためのフレームワークである、Moby プロジェクトについて詳細をご確認ください。

Azure Batch を使用してコンテナー ワークロードを実行する