本小节介绍了：
按照功能划分的Azure 服务清单；
几个常用服务的创建演示；
Azure 提供IaaS, PaaS, SaaS等典型云服务模型下的上百种服务，进一步按照功能细分为如下几个方面：
- 计算
- 网络
- 存储
- 数据库
- Web
- 物联网 (IoT)
- 大数据
- AI
- DevOps
计算
计算服务通常是云服务提供商的主要服务之一。 Azure 提供了一系列用于托管应用程序和服务的选项。 下面是 Azure 中的计算服务的一些示例。
表 1
演示（1）：创建Windows虚拟机并远程登录
演示（2）：创建Azure Functions并在本地运行调试
网络
Azure 网络的关键功能是链接计算资源并提供对应用程序的访问。 Azure 中的网络功能包括一系列选项，可将外部世界与全球 Azure 数据中心的服务和功能相连。
下面是 Azure 中的网络服务的一些示例。
表 2
存储
Azure 主要提供四种存储服务。
表 3
演示（1）：创建存储账户并使用开发工具上传文件
数据库
Azure 提供了多个数据库服务来存储各种数据类型和卷。 并且通过全球连接，这些数据立即就能供用户使用。
表 4
演示（1）：创建Azure SQL数据库并使用客户端工具连接查询
Web
拥有出色的 Web 体验对于当今商业世界而言至关重要。 Azure 包含对生成和托管 Web 应用以及基于 HTTP 的 Web 服务的一流支持。 以下 Azure 服务侧重于 Web 托管。
表 5
IoT
人们能够访问比以往更多的信息。 个人数字助手使智能手机应运而生，现在还出现了智能手表、智能恒温器和智能冰箱。 个人电脑曾经是标准配置。 现在的互联网接纳任何能够联机访问宝贵信息的物品。 设备获取信息并进行中继以执行数据分析的这种能力被称为 IoT。
许多服务可以为 Azure 上的 IoT 提供帮助并推动生成端到端解决方案。
表 6
大数据
数据有各种格式和大小。 当我们谈论大数据时，我们指的是大量数据。 来自天气系统、通信系统、基因组研究、成像平台和许多其他方案的数据可产生数百 GB 的数据。 这一数据量使得分析和制定决策变得困难。 它的数量通常十分巨大，以至于传统形式的处理和分析已不再合适。
现在已经开发了开源集群技术来处理这些大型数据集。 Azure 支持各种技术和服务，以提供大数据的分析解决方案。
表 7
AI
在云计算的背景下，AI 基于各种服务，其核心是机器学习。 机器学习是一项数据科研技术，可以让计算机根据现有的数据来预测将来的行为、结果和趋势。 使用机器学习，计算机可以在无需显式编程的情况下进行学习。
机器学习的预测可让应用和设备变得更智能。 例如，当你进行在线购买时，机器学习将根据你购买的产品来帮助建议你可能喜欢的其他产品。 或者，当你刷信用卡时，机器学习会将交易与交易数据库进行比较，帮助检测欺诈行为。 当吸尘器机器人打扫房间时，机器学习可帮助它确定作业是否已完成。
以下是 Azure 中最常见的一些 AI 和机器学习服务类型。
表 8
一组密切相关的产品是 认知服务。 可以在应用程序中使用这些预生成 API 解决复杂问题。
表 9
DevOps
DevOps 将人员、流程和技术汇集在一起，通过自动化软件交付来为用户持续提供价值。 借助 Azure DevOps，可以创建、生成和发布管道，为应用程序提供持续集成、交付和部署。 你可以集成存储库和应用程序测试、执行应用程序监视，以及使用生成项目。 还可以使用积压工作项进行跟踪、自动化基础结构部署以及集成一系列第三方工具和服务（例如 Jenkins 和 Chef）。 所有这些功能以及更多功能都与 Azure 紧密集成，可为应用程序提供一致、可重复的部署，从而提供精简的生成和发布流程。
表 10
