Go to Qiita Advent Calendar Top
LoginSignup
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

@ktdatascience

Azure Functions（Python）デプロイ失敗時の完全トラブルシューティングガイド

Posted at

はじめに

Azure Functions（Python）で消費プランを使用したデプロイにとても苦戦したので、デプロイできないときに見直すと良いポイントをまとめます。
この記事では、実際に遭遇したトラブルとその解決策を詳しく解説します。

基本的なデプロイ前チェック項目

1. Azure Functions バージョンの確認

最も重要な確認ポイント

Azure Functionsには大きく分けてv1とv2（v2プログラミングモデル）があり、設定方法が大きく異なります。

v1の特徴

  • function.jsonファイルでバインディングを定義
  • 従来のディレクトリ構造（関数ごとにフォルダ分け）
  • レガシーな設定方法

v2の特徴

  • Pythonコード内でデコレータを使用してバインディングを定義
  • シンプルなプロジェクト構造
  • モダンなPythonの書き方に対応

確認方法
Azure Portal の関数アプリ設定で「FUNCTIONS_WORKER_RUNTIME」と「FUNCTIONS_EXTENSION_VERSION」を確認してください。

対処法
プロジェクトのバージョンと関数アプリの設定を一致させ、対応するドキュメントに従って開発を進めてください。

2. 消費プランとフレックス消費プランの違いを理解する

消費プラン

  • 料金: 実行時間とメモリ使用量に基づく従量課金
  • 制約: 実行時間10分まで、メモリ1.5GBまで
  • 特徴: 完全なサーバーレス、自動スケーリング

フレックス消費プラン

  • 料金: より柔軟な課金体系
  • 制約: より高いリソース制限
  • 特徴: より高度な設定オプション

重要: プランによってデプロイ方法、環境変数の設定方法、ログの扱いが異なります。

よくある設定不備とその解決策

3. AzureWebJobsStorage接続文字列の設定不備

これが原因の場合のエラー例

The host.json file is missing a required connection string value for 'AzureWebJobsStorage'.

詳細な原因

Azure Functionsの動作メカニズムを理解することが重要です：

  1. 関数コードの保存: デプロイされた関数コードはBlob Storageに保存される
  2. 実行時読み込み: 関数実行時にBlobから必要なファイルを読み込む
  3. ログ保存: 実行ログや状態情報もBlobに保存される
  4. 内部状態管理: Azure Functions自体の内部状態もこのストレージを使用

設定手順

  1. Azure Portal で関数アプリを選択
  2. 「設定」→「構成」→「アプリケーション設定」
  3. AzureWebJobsStorageの値を確認
  4. 正しい形式の接続文字列を設定：
DefaultEndpointsProtocol=https;AccountName=<ストレージアカウント名>;AccountKey=<アクセスキー>;EndpointSuffix=core.windows.net

追加注意点

  • ストレージアカウントは関数アプリと同じリージョンに配置することを推奨
  • アクセス制限がある場合は、関数アプリからのアクセスを許可する設定が必要

4. PYTHONPATH問題の詳細解決

問題が発生するケース

プロジェクト構造例：
/home/site/wwwroot/
├── requirements.txt
├── host.json
├── function_app.py  # メイン関数
└── src/
    ├── __init__.py
    ├── utils.py     # 自作ユーティリティ
    └── models.py    # データモデル

この構造でfunction_app.pyからsrc.utilsをインポートしようとすると失敗します。

Pythonモジュール検索の詳細

Azure Functions実行時のPythonパス解決順序：

  1. 組み込みモジュール: sys, osなど
  2. 標準ライブラリ: json, datetimeなど
  3. カレントディレクトリ: /home/site/wwwroot
  4. site-packages: pip installされたパッケージ
  5. PYTHONPATH: 環境変数で指定されたパス

解決策

方法1: PYTHONPATHの設定
Azure Portal の関数アプリ設定で環境変数を追加：

  • 名前: PYTHONPATH
  • 値: /home/site/wwwroot/src

方法2: プロジェクト構造の変更（推奨）

/home/site/wwwroot/
├── requirements.txt
├── host.json
├── function_app.py
├── utils.py        # 直接配置
└── models.py       # 直接配置

方法3: __init__.pyとパッケージ化
srcディレクトリを適切なPythonパッケージとして設定し、sys.pathを動的に追加：

import sys
import os
sys.path.append(os.path.join(os.path.dirname(__file__), 'src'))

デバッグとログ設定の重要性

5. ログストリームの詳細設定と活用

ログの流れと仕組み

関数実行 → Function Host → ログストリーム表示
            ↓
         Application Insights → 永続化・分析

設定手順

Step 1: Application Insightsの有効化

  1. Azure Portal で関数アプリを選択
  2. 「監視」→「Application Insights」
  3. 「Application Insightsを有効にする」をクリック
  4. 新しいリソースを作成または既存のものを選択

Step 2: ログレベルの設定
host.jsonでログレベルを適切に設定：

{
  "version": "2.0",
  "logging": {
    "applicationInsights": {
      "samplingSettings": {
        "isEnabled": true
      }
    },
    "logLevel": {
      "default": "Information",
      "Function": "Information",
      "Host.Results": "Information"
    }
  }
}

ログ活用のベストプラクティス

リアルタイムデバッグ

import logging
import azure.functions as func

def main(req: func.HttpRequest) -> func.HttpResponse:
    logging.info('Python HTTP trigger function processed a request.')
    
    # デバッグ情報を詳細に出力
    logging.info(f'Request method: {req.method}')
    logging.info(f'Request URL: {req.url}')
    
    try:
        # 処理内容
        result = process_request(req)
        logging.info('Processing completed successfully')
        return result
    except Exception as e:
        logging.error(f'Error occurred: {str(e)}')
        raise

Application Insightsでの高度な分析

  • KQLクエリ例:
traces
| where timestamp > ago(1h)
| where severityLevel >= 2
| project timestamp, message, severityLevel
| order by timestamp desc

消費プランでの注意点

  • ファイルシステムへの書き込み不可: /tmp以外への永続的なログ保存は不可
  • コールドスタート影響: 初回実行時のログには起動時間も含まれる
  • 実行時間制限: 10分を超える処理はタイムアウトしログが途切れる可能性

デプロイ手順の確認ポイント

6. requirements.txtの適切な管理

よくある間違い

# ❌ バージョンを固定しすぎ
numpy==1.21.0
pandas==1.3.0

# ❌ 開発用パッケージも含んでいる
pytest==6.2.4
black==21.5b2

推奨設定

# ✅ 互換性を保ちつつ適度にバージョン指定
azure-functions>=1.11.0,<2.0.0
requests>=2.25.0
pandas>=1.3.0,<2.0.0
numpy>=1.21.0

7. local.settings.jsonと本番環境の設定分離

ローカル開発用（local.settings.json）

{
  "IsEncrypted": false,
  "Values": {
    "AzureWebJobsStorage": "UseDevelopmentStorage=true",
    "FUNCTIONS_WORKER_RUNTIME": "python",
    "CUSTOM_API_KEY": "development-key"
  }
}

本番環境設定

Azure Portal の「構成」で同じキーに本番用の値を設定。

まとめ

Azure Functionsのデプロイ問題は複数の要因が絡み合うことが多く、系統的なアプローチが重要です：

  1. 事前確認: バージョンとプランの確認
  2. 基本設定: ストレージ接続とPython環境
  3. コード構造: インポートパスとモジュール設計
  4. ログ設定: 問題特定のための適切な監視体制

特に消費プランでは、サーバーレスの制約を理解した上で設計することが成功の鍵となります。問題が発生した際は、ログストリームとApplication Insightsを活用して、段階的に原因を特定していくことをお勧めします。

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?