快速入門：使用 Python 建立 Batch 集區並執行作業

本快速入門示範如何執行使用適用於 Python 的 Azure Batch 程式庫的應用程式來開始使用 Azure Batch。 Python 應用程式：

將數個輸入資料檔案上傳至 Azure 儲存體 Blob 容器，以用於 Batch 工作處理。
建立兩個虛擬機器（VM）或計算節點的集區，執行 Ubuntu 22.04 LTS 作業系統。
建立一個作業和三項工作以在節點上執行。每個工作都會使用 Bash shell 命令列來處理其中一個輸入檔案。
顯示工作傳回的輸出檔案。

完成本快速入門之後，您將了解 Batch 服務的重要概念，並準備好搭配更實際、更大規模的工作負載使用 Batch。

先決條件

具有有效訂閱的 Azure 帳戶。如果您沒有帳戶，可免費建立帳戶。
具有連結 Azure 儲存體帳戶的 Batch 帳戶。您可以使用下列任一方法來建立帳戶： Azure CLI | Azure 入口網站 | Bicep | ARM 範本 | Terraform。
Python 3.8 版或更新版本，其中包含 pip 套件管理員。

執行應用程式

若要完成本快速入門，請下載或複製 Python 應用程式、提供您的帳戶值、執行應用程式，並驗證輸出。

下載或複製應用程式

從 GitHub 下載或複製 Azure Batch Python 快速入門應用程式。使用下列命令，使用 Git 用戶端複製應用程式存放庫：
```
git clone https://github.com/Azure-Samples/batch-python-quickstart.git
```
切換至 batch-python-quickstart/src 資料夾，然後使用 pip安裝必要的套件。
```
pip install -r requirements.txt
```

提供您的帳戶資訊

Python 應用程式必須使用您的 Batch 和儲存體帳戶名稱、帳戶索引鍵值和 Batch 帳戶端點。您可以從 Azure 入口網站、Azure API 或命令列工具取得這項資訊。

若要從 Azure 入口網站取得您的帳戶資訊：

從 Azure 搜尋列中，搜尋並選取您的 Batch 帳戶名稱。
在您的 Batch 帳戶頁面上，從左側導覽中選取 [金鑰]。
在 [ 索引鍵 ] 頁面上，複製下列值：

批次帳戶
帳戶端點
主要存取金鑰
儲存體帳戶名稱
Key1

在下載的 Python 應用程式中，編輯 config.py 檔案中的下列字串，以提供您複製的值。

BATCH_ACCOUNT_NAME = '<batch account>'
BATCH_ACCOUNT_KEY = '<primary access key>'
BATCH_ACCOUNT_URL = '<account endpoint>'
STORAGE_ACCOUNT_NAME = '<storage account name>'
STORAGE_ACCOUNT_KEY = '<key1>'

這很重要

不建議在生產用途中公開應用程式來源中的帳戶金鑰。您應該限制對認證的存取，並使用變數或組態檔在程式碼中參考它們。最好將 Batch 和儲存體帳戶金鑰儲存在 Azure 金鑰保存庫中。

執行應用程式並檢視輸出

執行應用程式以查看 Batch 工作流程的運作情況。

python python_quickstart_client.py

一般執行時間約為三分鐘。初始集區節點設定需要最多的時間。

應用程式會傳回類似下列範例的輸出：

Sample start: 11/26/2012 4:02:54 PM

Uploading file taskdata0.txt to container [input]...
Uploading file taskdata1.txt to container [input]...
Uploading file taskdata2.txt to container [input]...
Creating pool [PythonQuickstartPool]...
Creating job [PythonQuickstartJob]...
Adding 3 tasks to job [PythonQuickstartJob]...
Monitoring all tasks for 'Completed' state, timeout in 00:30:00...

當集區的計算節點啟動時，在 Monitoring all tasks for 'Completed' state, timeout in 00:30:00... 會暫停。建立工作後，Batch 會將工作排入佇列，以在集區上執行。一旦第一個計算節點可用，第一個工作就會在節點上執行。您可以從 Azure 入口網站中的 Batch 帳戶頁面監視節點、工作和作業狀態。

每項工作完成後，您會看到類似下列範例的輸出：

Printing task output...
Task: Task0
Node: tvm-2850684224_3-20171205t000401z
Standard output:
Batch processing began with mainframe computers and punch cards. Today it still plays a central role...

檢閱程式碼

檢閱程式碼以瞭解 Azure Batch Python 快速入門中的步驟。

建立服務用戶端並上傳資源檔案

應用程式會建立 BlobServiceClient 物件，以與儲存體帳戶互動。

blob_service_client = BlobServiceClient(
        account_url=f"https://{config.STORAGE_ACCOUNT_NAME}.{config.STORAGE_ACCOUNT_DOMAIN}/",
        credential=config.STORAGE_ACCOUNT_KEY
    )

應用程式會使用 blob_service_client 做為參考來在儲存體帳戶中建立容器，並將資料檔案上傳到該容器。儲存體中的檔案會定義為 Batch ResourceFile 物件，Batch 之後可將這類物件下載到計算節點。

input_file_paths = [os.path.join(sys.path[0], 'taskdata0.txt'),
                    os.path.join(sys.path[0], 'taskdata1.txt'),
                    os.path.join(sys.path[0], 'taskdata2.txt')]

input_files = [
    upload_file_to_container(blob_service_client, input_container_name, file_path)
    for file_path in input_file_paths]

應用程式會建立 BatchServiceClient 物件，以建立和管理 Batch 帳戶中的集區、作業和工作。 Batch 用戶端會使用共用金鑰驗證。 Batch 也支援 Microsoft Entra 驗證。

credentials = SharedKeyCredentials(config.BATCH_ACCOUNT_NAME,
        config.BATCH_ACCOUNT_KEY)

    batch_client = BatchServiceClient(
        credentials,
        batch_url=config.BATCH_ACCOUNT_URL)

建立計算節點的集區

若要建立 Batch 集區，應用程式會使用 PoolAddParameter 類別來設定節點數目、VM 大小和集區設定。下列 VirtualMachineConfiguration 物件會指定 ImageReference 參考 Ubuntu Server 22.04 LTS Azure Marketplace 映像。 Batch 支援各種 Linux 和 Windows Server Marketplace 映像，也支援自訂 VM 映像。

POOL_NODE_COUNT 和 POOL_VM_SIZE 是已定義的常數。應用程式會建立一個包含兩個Standard_DS1_v2大小的節點池。此大小可為此快速入門提供良好的效能與成本平衡。

pool.add 方法會將集區提交至 Batch 服務。

new_pool = batchmodels.PoolAddParameter(
        id=pool_id,
        virtual_machine_configuration=batchmodels.VirtualMachineConfiguration(
            image_reference=batchmodels.ImageReference(
                publisher="canonical",
                offer="0001-com-ubuntu-server-focal",
                sku="22_04-lts",
                version="latest"
            ),
            node_agent_sku_id="batch.node.ubuntu 22.04"),
        vm_size=config.POOL_VM_SIZE,
        target_dedicated_nodes=config.POOL_NODE_COUNT
    )
    batch_service_client.pool.add(new_pool)

建立批次作業

批次工作是一或多個工作的邏輯群組。作業包含工作通用的設定，例如優先順序以及要執行工作的集區。

應用程式會使用 JobAddParameter 類別在集區上建立作業。 job.add 方法會將作業新增至指定的 Batch 帳戶。一開始這份工作沒有任何任務。

job = batchmodels.JobAddParameter(
    id=job_id,
    pool_info=batchmodels.PoolInformation(pool_id=pool_id))

batch_service_client.job.add(job)

建立任務

Batch 提供幾種方法將應用程式和指令碼部署至計算節點。此應用程式會使用 TaskAddParameter 類別來建立工作物件清單。每個工作都會使用 command_line 參數來指定應用程式或指令碼，從而處理輸入檔案。

下列指令碼會執行 Bash shell resource_files 命令來處理輸入cat物件，以顯示文字檔。然後，應用程式會使用 task.add_collection 方法將每個工作新增至作業，這會將工作排入佇列，以便在計算節點上執行。

tasks = []

for idx, input_file in enumerate(resource_input_files):
    command = f"/bin/bash -c \"cat {input_file.file_path}\""
    tasks.append(batchmodels.TaskAddParameter(
        id=f'Task{idx}',
        command_line=command,
        resource_files=[input_file]
    )
    )

batch_service_client.task.add_collection(job_id, tasks)

檢視工作輸出

該應用程序會監控任務狀態以確保任務完成。當每個任務順利運行時，任務命令輸出會寫入 stdout.txt 檔案。然後，應用程式會顯示每個已完成任務的 stdout.txt 檔案。

tasks = batch_service_client.task.list(job_id)

for task in tasks:

    node_id = batch_service_client.task.get(job_id, task.id).node_info.node_id
    print(f"Task: {task.id}")
    print(f"Node: {node_id}")

    stream = batch_service_client.file.get_from_task(
        job_id, task.id, config.STANDARD_OUT_FILE_NAME)

    file_text = _read_stream_as_string(
        stream,
        text_encoding)

    if text_encoding is None:
        text_encoding = DEFAULT_ENCODING

    sys.stdout = io.TextIOWrapper(sys.stdout.detach(), encoding = text_encoding)
    sys.stderr = io.TextIOWrapper(sys.stderr.detach(), encoding = text_encoding)

    print("Standard output:")
    print(file_text)

清理資源

應用程式會自動刪除它建立的儲存體容器，並提供您刪除 Batch 集區和作業的選項。集區和節點會在節點執行時產生費用，即使節點未執行作業也一樣。如果您不再需要集區，請將其刪除。

當您不再需要 Batch 資源時，您可以刪除包含這些資源的資源群組。在 Azure 入口網站中，選取資源群組頁面頂端的 [刪除資源群組 ]。在 [刪除資源群組] 畫面上，輸入資源群組名稱，然後選取 [刪除]。

後續步驟

在本快速入門中，您執行了使用 Batch Python API 來建立 Batch 集區、節點、作業和工作的應用程式。工作會將資源檔案上傳至儲存容器、在節點上執行工作、並顯示節點的輸出。

您現在已了解 Batch 服務的重要概念，即可準備搭配更多真實的大規模工作負載來使用 Batch。若要深入瞭解 Azure Batch，並逐步探索實際應用程式的平行工作負載，請繼續進行使用 Python 的 Batch 教學課程。

使用 Python 處理平行工作負載

意見反應

此頁面對您有幫助嗎？

Last updated on 2025-10-08