小编Lev*_*SFT的帖子

我正在尝试在 CI/CD 设置中设置 Azure 数据工厂。我遵循了 Microsoft 的最佳实践（https://docs.microsoft.com/en-us/azure/data-factory/continuous-integration-deployment）。

我有 4 个环境（开发、测试、UAT、PRD）

简而言之，我做了什么：

• 创建一个 Azure 数据工厂并将其链接到我在 DEV 环境中的 Azure DevOps 存储库

• 在其他环境（测试、UAT 和 PRD）上创建 Azure 数据工厂，但不要将其链接到 DevOps。而是使用 ARM 模板在这些数据工厂上发布管道，并在 Azure DevOps 中发布管道。

• 我已经参数化了所有必要的部分，以便能够覆盖我每个环境中的设置。

此时，我能够成功部署到我的其他环境，但是，我在 azure 上的数据库的链接服务无法正常工作。我已经参数化了一切，就像微软建议的那样，但是当我将我的链接服务导出到 ARM 模板时，它使用连接字符串而不是我的参数化设置。

下面是我在 Azure 数据工厂门户中的设置图片：

当我尝试将其导出到 ARM 模板时，我得到以下信息：

{
            "name": "[concat(parameters('factoryName'), '/database')]",
            "type": "Microsoft.DataFactory/factories/linkedServices",
            "apiVersion": "2018-06-01",
            "properties": {
                "parameters": {
                    "sqlServerUrl": {
                        "type": "string"
                    },
                    "databaseName": {
                        "type": "string"
                    },
                    "sqlPwd": {
                        "type": "string"
                    },
                    "sqlAdminUsername": {
                        "type": "string"
                    }
                },
                "annotations": [],
                "type": …

我正在处理一些测试要求，当 p95>100ms 时，我必须使负载测试场景失败。我写了下面的测试片段：

config:
  target: "https://news.google.com"
  # Responses have to be sent within 10 seconds or the request will be aborted
  timeout: 10
  ensure:
      p95: 800
  phases:
    - duration: 10
      arrivalRate: 1

scenarios:
  - name: "Hit news google"
    flow:
    - get:
          url: "/dssw.js_data?_reqid=34556&rt=j"
          expect:
            - statusCode: 300
            - contentType: json

我希望这个测试场景在某种报告中可见，因为有多少测试用例失败并通过了。Artillery 生成的报告仅显示性能统计数据，但如何根据某种报告中失败的测试性能断言来显示报告。

我正在尝试在 Microsoft Azure 中构建一个管道，（目前）输入中有一个简单的 python 脚本。问题是我找不到我的输出。在我的笔记本部分中，我构建了以下两个代码：

1）名为“test.ipynb”的脚本

# azureml-core of version 1.0.72 or higher is required
from azureml.core import Workspace, Dataset, Datastore
import pandas as pd
import numpy as np
import datetime
import math

#Upload datasets
subscription_id = 'myid'
resource_group = 'myrg'
workspace_name = 'mywn'
workspace = Workspace(subscription_id, resource_group, workspace_name)
dataset_zre = Dataset.get_by_name(workspace, name='file1')
dataset_SLA = Dataset.get_by_name(workspace, name='file2')
df_zre = dataset_zre.to_pandas_dataframe()
df_SLA = dataset_SLA.to_pandas_dataframe()
result = pd.concat([df_SLA,df_zre], sort=True)
result.to_csv(path_or_buf="/mnt/azmnt/code/Users/aniello.spiezia/outputs/output.csv",index=False)

def_data_store = workspace.get_default_datastore()
def_data_store.upload(src_dir = '/mnt/azmnt/code/Users/aniello.spiezia/outputs', target_path = '/mnt/azmnt/code/Users/aniello.spiezia/outputs', overwrite = …