生成日時: 2025年11月22日 対象期間: 過去 24 時間以内 処理モード: 詳細モード 更新件数: 2 件
公開日時: 2025年11月21日 19:15:38 UTC リンク: Generally Available: Custom handler support in Azure Functions Flex consumption
アップデートID: 512413 情報源: Azure Updates API
カテゴリ: Launched, Compute, Containers, Internet of Things, Azure Functions, Features
要約:
何が更新されたか
Azure Functions Flex Consumptionプランでカスタムハンドラーのサポートが一般提供開始。
主な変更点や新機能
HTTPベースの軽量ウェブサーバーとして任意の言語でカスタムハンドラーを実装可能に。柔軟な言語選択とイベント処理が可能。
影響を受ける対象
Azure FunctionsをFlex Consumptionプランで利用する開発者や運用者。
注意点があれば記載
カスタムハンドラーはHTTP通信を前提とするため、ネットワーク設定やセキュリティに留意が必要。
詳細:
本アップデートにより、Azure FunctionsのFlex ConsumptionプランでカスタムハンドラーがGA（一般提供）となりました。カスタムハンドラーは、FunctionsホストからHTTPベースのイベントを受け取る軽量Webサーバーで、任意の言語で実装可能です。これにより、従来の言語バインディングに依存せず、GoやRust、C++などHTTP通信を扱える言語で関数を構築できる柔軟性が向上しました。Flex Consumptionはコンテナベースのスケーラブルな実行環境であり、カスタムハンドラーはこの環境内で独自のプロセスとして動作します。実装時は、HTTPエンドポイントを用意し、Functionsホストとの通信プロトコル（イベント受信・レスポンス送信）を遵守する必要があります。活用例としては、特定言語のライブラリ活用や既存のHTTPサービスの関数化が挙げられます。注意点として、カスタムハンドラーは標準のランタイム機能（トリガーやバインディング）を一部自前で実装する必要があり、デバッグやロギングの設計も考慮が必要です。Azure Event GridやStorage Queueなどのトリガーと組み合わせることで、イベント駆動型の高度なサーバーレスアーキテクチャ構築が可能です。詳細は公式ドキュメントを参照してください。
公開日時: 2025年11月21日 18:45:18 UTC リンク: Retirement: Migrate to dedicated VM for your compute clusters
アップデートID: 501658 情報源: Azure Updates API
カテゴリ: AI + machine learning, Internet of Things, Azure Machine Learning, Retirements
要約:
何が更新されたか
Low-Priority VMのサポートが2025年9月30日に終了し、Azure Machine Learning上では2026年3月31日まで利用可能。
主な変更点や新機能
自動スケールダウンを防ぐため、専用VMへの移行が推奨される。
影響を受ける対象
Low-Priority VMを使用しているAzure Machine Learningの計算クラスター利用者。
注意点
期限までに専用VMへ移行しないと、クラスターの自動縮小や停止が発生する可能性がある。
詳細:
本アップデートは、2025年9月30日にAzureのLow-Priority VM（低優先度仮想マシン）が廃止されることに伴う移行案内です。Low-Priority VMはコスト効率の高い一時的な計算リソースとしてAzure Machine Learning（AML）で利用されてきましたが、廃止後は2026年3月31日までサポートが継続されます。これにより、AMLのコンピュートクラスターが自動的にスケールダウンされるリスクを回避するため、専用VMへの移行が推奨されています。
具体的には、Low-Priority VMの代替として専用VM（Dedicated VM）を用いることで、計算リソースの安定供給と予測可能なパフォーマンスを確保します。専用VMはスケールセットを構成し、AMLのコンピュートターゲットとして設定可能です。移行はAzure PortalやAzure CLI、ARMテンプレートを用いて行い、既存のクラスター設定を専用VMに切り替える形で実装します。
活用シナリオとしては、機械学習モデルのトレーニングやバッチ推論で安定した計算環境が求められるケースが挙げられます。特に、Low-Priority VMの中断リスクを回避しつつコスト管理を行いたい場合に有効です。
注意点として、専用VMはLow-Priority VMよりコストが高くなる可能性があるため、予算計画の見直しが必要です。また、スケールアウト時のリソース確保が優先されるため、リソース不足によるジョブ遅延リスクは低減されますが、柔軟性は若干低下します。
関連サービスとしては、Azure Machine Learningのコンピュートターゲット管理機能、Azure Virtual Machine Scale Sets、Azure CLI/PowerShellが連携し、移行作業や運用管理を支援します。これにより、機械学習ワークロードの安定稼働と運用効率の向上が期待されます。
このレポートは自動生成されました - 2025-11-22 12:01:19 JST