Azure Container Apps

注意：本指南由社群貢獻，尚未經過 Remotion 團隊完整測試。

本指南說明如何在 Azure Container Apps 上部署 Remotion 渲染服務，包含 GPU 加速配置、自動縮放設定與基本渲染佇列。

前置需求

在開始前，請確認以下項目已準備就緒：

已具備 Docker 支援的 Remotion 專案（可用 npm create video 建立）
Azure 帳號及有效訂閱
已安裝 Azure CLI 並完成驗證（az login）
已安裝 Docker 並完成驗證（docker login）
Docker Hub 帳號用於託管容器映像
（選用）已申請在 Azure Container Apps 上使用 GPU 的權限，在此申請

步驟一：選擇或準備專案

本指南以 remotion-azure 作為示範專案，此專案已配置 GPU 加速，基於 Remotion 渲染伺服器模板。

git clone https://github.com/alexfernandez803/remotion-azure
cd remotion-azure
npm install

若使用自己的專案，請確認 Dockerfile 已正確設定。

步驟二：建置並標記 Docker 映像

在專案根目錄執行以下指令，建置映像並指定標籤：

docker build -t your-dockerhub-username/remotion-docker-gpu:1.0.0 .

若需要支援多平台（例如在 Apple Silicon Mac 上建置供 Azure 的 amd64 映像）：

docker buildx build \
  --platform linux/amd64 \
  -t your-dockerhub-username/remotion-docker-gpu:1.0.0 \
  --push \
  .

步驟三：推送映像至 Docker Hub

docker push your-dockerhub-username/remotion-docker-gpu:1.0.0

步驟四：設定環境變數

為後續 Azure CLI 指令設定環境變數，方便重複使用：

設定環境變數

CONTAINER_IMAGE="docker.io/your-dockerhub-username/remotion-docker-gpu:1.0.0"
RESOURCE_GROUP="remotion-rg"
ENVIRONMENT_NAME="remotion-env"
LOCATION="swedencentral"
CONTAINER_APP_NAME="remotion-renderer"
WORKLOAD_PROFILE_NAME="NC8as-T4"
WORKLOAD_PROFILE_TYPE="Consumption-GPU-NC8as-T4"

變數說明：

變數	說明
`CONTAINER_IMAGE`	Docker Hub 上的完整映像路徑
`RESOURCE_GROUP`	Azure 資源群組名稱（可自訂）
`ENVIRONMENT_NAME`	Container Apps 環境名稱（可自訂）
`LOCATION`	Azure 區域，GPU 支援區域有限，`swedencentral` 為可用選項之一
`WORKLOAD_PROFILE_NAME`	GPU 工作負載設定檔名稱，依 Azure 文件設定
`WORKLOAD_PROFILE_TYPE`	GPU 類型，`NC8as-T4` 代表 NVIDIA T4 GPU

步驟五：建立資源群組

az group create \
  --name $RESOURCE_GROUP \
  --location $LOCATION \
  --query "properties.provisioningState"

成功時輸出："Succeeded"

步驟六：為監控功能註冊 Insights

az provider register \
  --namespace Microsoft.OperationalInsights \
  --wait

步驟七：建立 Container Apps 環境

az containerapp env create \
  --name $ENVIRONMENT_NAME \
  --resource-group $RESOURCE_GROUP \
  --location "$LOCATION" \
  --query "properties.provisioningState"

此步驟需要數分鐘。成功時輸出："Succeeded"

步驟八：為環境新增 GPU 工作負載設定檔

az containerapp env workload-profile add \
  --name $ENVIRONMENT_NAME \
  --resource-group $RESOURCE_GROUP \
  --workload-profile-name $WORKLOAD_PROFILE_NAME \
  --workload-profile-type $WORKLOAD_PROFILE_TYPE

步驟九：部署容器應用程式

az containerapp create \
  --name $CONTAINER_APP_NAME \
  --resource-group $RESOURCE_GROUP \
  --environment $ENVIRONMENT_NAME \
  --image $CONTAINER_IMAGE \
  --target-port 3000 \
  --ingress external \
  --cpu 8.0 \
  --memory 56.0Gi \
  --workload-profile-name $WORKLOAD_PROFILE_NAME \
  --query properties.configuration.ingress.fqdn

部署完成後，Azure CLI 會輸出應用程式的公開 URL：

部署輸出範例

"remotion-renderer.grayocean-24741fc9.swedencentral.azurecontainerapps.io"

注意：--target-port 3000 對應 Node.js 伺服器的監聽埠。--cpu 8.0 和 --memory 56.0Gi 為 NC8as-T4 GPU 工作負載設定檔的對應規格。

步驟十：設定自動縮放（選用）

Azure Container Apps 支援基於 HTTP 請求數量的自動縮放：

az containerapp update \
  --name $CONTAINER_APP_NAME \
  --resource-group $RESOURCE_GROUP \
  --scale-rule-name http-scaling \
  --scale-rule-type http \
  --scale-rule-metadata concurrentRequests=5 \
  --min-replicas 0 \
  --max-replicas 10

此設定讓系統在閒置時縮減至零（節省費用），並在需求增加時自動擴充至最多 10 個執行個體。

步驟十一：觸發渲染

向部署服務的 /renders 端點發送 POST 請求。將 YOUR_SERVICE_URL 替換為步驟九的輸出 URL：

curl -X POST https://YOUR_SERVICE_URL/renders \
  -H "Content-Type: application/json" \
  -d '{
    "compositionId": "MyVideo",
    "inputProps": {
      "titleText": "Hello from Azure"
    }
  }'

成功回應包含 jobId：

觸發渲染回應

{
  "jobId": "955338f6-2607-48bd-bedb-6d4c98f7b4dc"
}

步驟十二：查詢渲染狀態

curl https://YOUR_SERVICE_URL/renders/955338f6-2607-48bd-bedb-6d4c98f7b4dc

渲染完成回應

{
  "status": "completed",
  "videoUrl": "/renders/955338f6-2607-48bd-bedb-6d4c98f7b4dc.mp4",
  "data": { "titleText": "Hello from Azure" }
}

將 YOUR_SERVICE_URL 與 videoUrl 組合即可得到完整的下載連結。

步驟十三：（選用）清理資源

若不再需要此服務，刪除整個資源群組以停止計費：

az group delete --name $RESOURCE_GROUP --yes --no-wait

警告：此指令會刪除資源群組內的所有資源，包括容器應用程式、監控資料等，且無法復原。

費用與效能注意事項

費用警告：GPU 執行個體（如 NC8as-T4）費用顯著高於一般 CPU 執行個體。本指南不包含費用管理功能。請參閱 Azure Container Apps 定價估算使用費用，並設定 Azure 預算警示以控制支出。

效能說明：GPU 加速已在示範專案的 remotion.config.ts 中啟用，但尚未完整驗證實際 GPU 使用情況。部分渲染場景可能仍以 CPU 模式執行。