【AZ-104考试通关秘籍】：掌握微软Azure管理员核心考点与高频题型解析-优快云博客

第一章：MCP AZ-104 考试模拟题及解析

虚拟机规模集自动扩展配置

在 Azure 中，虚拟机规模集（VM Scale Sets）支持基于性能指标的自动扩展。以下是一个典型的自动扩展规则配置场景，用于根据 CPU 使用率动态增加实例数量。

{
  "name": "AutoScaleRule",
  "enabled": true,
  "targetResourceUri": "/subscriptions/{sub-id}/resourceGroups/{rg}/providers/Microsoft.Compute/virtualMachineScaleSets/{vmss-name}",
  "profiles": [
    {
      "name": "defaultProfile",
      "capacity": {
        "minimum": "2",
        "maximum": "10",
        "default": "2"
      },
      "rules": [
        {
          "metricTrigger": {
            "metricName": "Percentage CPU",
            "metricResourceUri": "{targetResourceUri}",
            "timeGrain": "PT1M",
            "statistic": "Average",
            "timeWindow": "PT5M",
            "timeAggregation": "Average",
            "operator": "GreaterThan",
            "threshold": 75
          },
          "scaleAction": {
            "direction": "Increase",
            "type": "ChangeCount",
            "value": "2",
            "cooldown": "PT5M"
          }
        }
      ]
    }
  ]
}

上述 JSON 定义了当平均 CPU 使用率超过 75% 持续 5 分钟时，每次增加 2 个实例，最小保留 2 个实例，最多扩展至 10 个。

常见考试题型与解析策略

AZ-104 考试常考察资源管理、网络配置、身份权限与备份恢复等核心技能。以下是典型题型应对建议：

情景判断题：仔细阅读部署环境和合规要求，优先选择符合最小权限原则的方案
顺序操作题：熟悉 Azure CLI 命令执行流程，例如使用 az vm create 创建虚拟机时需指定资源组、镜像和网络配置
多选题：注意“选择所有适用项”类题目，避免遗漏正确选项

知识点	权重占比	推荐复习材料
管理 Azure 身份与访问	20-25%	Azure AD 角色分配文档
部署与管理虚拟机	25-30%	VM 扩展集模板示例

第二章：Azure计算资源管理高频考题解析

2.1 虚拟机部署与配置的典型试题剖析

在虚拟化技术考察中，虚拟机部署与配置是高频考点，重点检验考生对资源分配、网络模式及自动化配置的理解。

常见部署流程

典型的试题场景要求使用命令行工具完成虚拟机创建。例如，在基于 KVM 的环境中，可通过 `virt-install` 实现：


virt-install \
  --name=web-server \
  --vcpus=2 \
  --memory=2048 \
  --disk size=20 \
  --os-variant=ubuntu20.04 \
  --network bridge=virbr0

上述命令创建一台具有 2 核 CPU、2GB 内存、20GB 磁盘的虚拟机，接入默认桥接网络。其中 `--os-variant` 可优化资源配置，提升安装效率。

关键配置要点

网络模式选择：NAT 适用于内网访问，桥接支持外部直接通信
磁盘类型：qcow2 支持快照，适合实验环境
自动化应答：配合 kickstart 或 cloud-init 实现无人值守安装

2.2 可用性集与可用性区域的应用场景模拟题

在设计高可用架构时，理解可用性集（Availability Set）与可用性区域（Availability Zone）的差异至关重要。可用性集通过将虚拟机分布在不同的容错域和更新域中，降低单点故障风险；而可用性区域则利用地理上隔离的数据中心实现跨区域冗余。

典型应用场景对比

可用性集适用于单区域内部的容错部署
可用性区域适合对灾难恢复有高要求的业务

创建可用性集的Azure CLI示例


az vm availability-set create \
  --name myAvSet \
  --resource-group myResourceGroup \
  --location eastus \
  --platform-fault-domain-count 2 \
  --platform-update-domain-count 2

该命令创建一个包含两个容错域和两个更新域的可用性集，确保虚拟机在物理硬件层面隔离，提升服务连续性。参数--platform-fault-domain-count控制硬件故障影响范围，--platform-update-domain-count管理维护期间的停机窗口。

2.3 Azure虚拟机规模集（VMSS）的弹性扩展策略实战题

在高并发场景下，Azure虚拟机规模集（VMSS）通过自动扩展策略动态调整实例数量，保障服务稳定性。

基于CPU使用率的自动扩展规则配置

{
  "metricTrigger": {
    "metricName": "Percentage CPU",
    "resourceUri": "/subscriptions/{sub-id}/resourceGroups/{rg}/providers/Microsoft.Compute/virtualMachineScaleSets/{vmss-name}",
    "timeGrain": "PT1M",
    "statistic": "Average",
    "timeWindow": "PT5M",
    "timeAggregation": "Average",
    "operator": "GreaterThan",
    "threshold": 75
  },
  "scaleAction": {
    "direction": "Increase",
    "type": "ChangeCount",
    "value": "2",
    "cooldown": "PT5M"
  }
}

该规则每分钟采集一次CPU使用率，若连续5分钟平均值超过75%，则增加2个实例，冷却期为5分钟，防止频繁伸缩。

扩展策略类型对比

策略类型	特点	适用场景
基于指标	响应实时负载变化	Web服务器弹性伸缩
定时扩展	预设时间触发	周期性业务高峰

2.4 容器化工作负载在Azure Kubernetes服务中的运维考题

在Azure Kubernetes服务（AKS）中管理容器化工作负载时，稳定性与可观测性成为核心挑战。需重点关注节点健康、Pod调度策略及资源配额控制。

资源配置与限制

为避免资源争用，应在Pod定义中明确设置requests和limits：

resources:
  requests:
    memory: "512Mi"
    cpu: "250m"
  limits:
    memory: "1Gi"
    cpu: "500m"

该配置确保Kubernetes调度器根据实际需求分配节点资源，防止“资源饥饿”或“噪声邻居”问题。

健康检查机制

合理配置liveness和readiness探针是保障服务自愈能力的关键：

livenessProbe：检测应用是否崩溃并触发重启
readinessProbe：决定Pod是否接入流量

二者协同工作，提升系统弹性与部署可靠性。

2.5 混合云环境下的Azure Arc集成操作题

在混合云架构中，Azure Arc 提供统一控制平面，实现跨本地、边缘和多云资源的集中管理。

连接Linux服务器到Azure Arc

通过以下脚本将非Azure Linux服务器注册为受管实例：

curl -sL https://aka.ms/InstallAzureArcAgent | sudo bash
sudo systemctl start azure-arc-agent
az connectedmachine machine-extension create \
  --name "CustomLogExtension" \
  --machine-name "my-onprem-server" \
  --resource-group "HybridRG" \
  --location "eastus" \
  --type "CustomScriptExtension" \
  --publisher "Microsoft.Compute"

该命令链首先安装Arc代理，启动服务后通过CLI注册机器并部署扩展。参数--location指定元数据驻留区域，--type定义扩展行为。

资源分组与策略应用

使用标签对混合资源进行逻辑分组，便于后续应用Azure Policy进行合规性审计，确保跨环境配置一致性。

第三章：网络与安全核心考点精讲

3.1 Azure虚拟网络设计与子网划分实战模拟

在Azure环境中，虚拟网络（VNet）是实现资源隔离与通信的基础。合理设计VNet及其子网结构，有助于提升安全性与可管理性。

虚拟网络规划要点

选择合适的地址空间，避免与本地网络冲突
按业务功能划分子网，如Web、App、DB层分离
预留足够IP地址，支持未来扩展

子网配置示例

{
  "addressPrefix": "10.1.0.0/24",
  "subnets": [
    {
      "name": "web-subnet",
      "addressPrefix": "10.1.0.0/26"
    },
    {
      "name": "app-subnet",
      "addressPrefix": "10.1.0.64/26"
    }
  ]
}

上述JSON定义了一个包含两个子网的VNet，/24前缀提供256个IP地址，每个/26子网可容纳62台主机，适用于中小规模部署。

网络分段优势

通过子网划分，可结合网络安全组（NSG）实施精细化访问控制，降低横向移动风险。

3.2 网络安全组与Azure防火墙规则配置典型题

在Azure云环境中，网络安全组（NSG）和Azure防火墙是实现网络分层防护的核心组件。NSG主要用于子网或网络接口级别的流量控制，而Azure防火墙则提供集中式、高级别的出站/入站保护。

网络安全组规则配置示例

{
  "name": "Allow-HTTP-Inbound",
  "properties": {
    "priority": 100,
    "sourceAddressPrefix": "*",
    "destinationAddressPrefix": "10.0.1.0/24",
    "destinationPortRange": "80",
    "protocol": "Tcp",
    "access": "Allow",
    "direction": "Inbound"
  }
}

上述规则允许从任意源地址访问目标子网的80端口。优先级100确保其早于低优先级规则执行。*注意：NSG默认拒绝所有未明确允许的流量。*

Azure防火墙应用规则

支持FQDN过滤，如允许 *.update.microsoft.com
基于网络协议和端口进行L3-L4层控制
可与路由表集成，引导流量经过防火墙

3.3 本地到云端的VPN与ExpressRoute连接故障排查

常见连接问题识别

在混合云环境中，本地数据中心与云平台之间的网络连通性至关重要。常见的故障包括BGP会话中断、路由丢失和MTU不匹配。使用Azure Network Watcher可快速定位链路状态。

诊断命令示例


# 检查IPsec隧道状态
az network vpn-connection show --name myVpnConn --resource-group MyRG --query 'connectionStatus'

该命令返回连接状态（Connected/Disconnected/Unknown），用于判断隧道是否正常建立。参数--query过滤输出仅显示关键状态字段，提升诊断效率。

ExpressRoute故障排查流程

验证MSEE路由器BGP对等体状态
检查私有对等配置中的VLAN和IP子网
确认本地路由器与Azure之间AS号匹配
利用PowerShell获取电路运行状态：Get-AzExpressRouteCircuitStats

第四章：身份、存储与监控综合题型训练

4.1 基于Azure Active Directory的角色权限分配考题

在企业云环境中，精细化的权限管理是安全架构的核心。Azure Active Directory（Azure AD）通过基于角色的访问控制（RBAC）实现资源访问的精准管控。

内置角色与自定义角色

Azure AD 提供多种内置角色，如“全局管理员”、“应用管理员”等，适用于常见管理场景。对于特殊需求，可创建自定义角色，精确分配权限集。

全局管理员：拥有租户内所有服务的完全控制权
应用管理员：管理企业应用和应用注册
用户管理员：管理用户和组生命周期

权限分配实践

通过 PowerShell 可实现角色成员分配：


# 获取角色对象
$role = Get-AzureADDirectoryRole | Where-Object {$_.DisplayName -eq "Application Administrator"}
# 获取用户
$user = Get-AzureADUser -ObjectId "user@contoso.com"
# 分配角色
Add-AzureADDirectoryRoleMember -ObjectId $role.ObjectId -RefObjectId $user.ObjectId

上述命令将指定用户添加到“应用管理员”角色中，$role.ObjectId 表示角色唯一标识，$user.ObjectId 为用户对象ID，实现权限绑定。

4.2 存储账户类型选择与数据冗余策略应用题

在构建高可用云存储架构时，合理选择存储账户类型是关键。Azure 提供通用 v2、Blob 存储等账户类型，其中通用 v2 支持多层级（Hot/Cool/Archive）和多种冗余策略。

数据冗余策略对比

LRS（本地冗余）：数据复制到同一区域内的多个故障域
GRS（地理冗余）：主区域 LRS 基础上异步复制到次区域
RA-GRS：支持读取次区域副本，提升容灾访问能力

代码配置示例

{
  "sku": {
    "name": "Standard_RAGRS"
  },
  "kind": "StorageV2",
  "location": "eastus",
  "properties": {
    "accessTier": "Hot"
  }
}

该 JSON 配置创建一个具备读取访问权限的地理冗余存储账户，适用于跨区域灾难恢复场景。Standard_RAGRS 确保主区域故障时仍可读取副本数据。

4.3 使用Azure Monitor实现资源健康监控实操题

配置Azure Monitor基础环境

在开始监控前，需确保目标资源已启用诊断设置，并将监控数据流向Log Analytics工作区。可通过Azure门户或ARM模板完成配置。

创建自定义查询与警报规则

使用Kusto查询语言（KQL）从Log Analytics中提取关键指标。例如，查询虚拟机CPU使用率：


Perf
| where ObjectName == "Processor" and CounterName == "% Processor Time"
| summarize avg(CounterValue) by Computer, bin(TimeGenerated, 5m)
| where avg_CounterValue > 80

该查询检索过去一段时间内CPU使用率持续高于80%的虚拟机，summarize avg(CounterValue) 按5分钟时间窗口计算平均值，便于识别性能瓶颈。

Computer：标识受影响的主机
TimeGenerated：时间分区用于趋势分析
阈值过滤可直接集成至警报规则

将此查询保存并关联到Azure Alert，设定触发条件与通知渠道，即可实现自动化健康告警。

4.4 备份与恢复策略在Azure Recovery Services中的配置

在Azure Recovery Services中，配置备份与恢复策略是保障关键工作负载数据安全的核心环节。通过定义策略规则，可自动化管理虚拟机、数据库等资源的备份周期与保留期限。

策略创建流程

使用PowerShell可高效部署标准化备份策略：


$policy = New-AzRecoveryServicesBackupProtectionPolicy `
  -Name "DailyVMBackup" `
  -WorkloadType "AzureVM" `
  -BackupManagementType "AzureVM" `
  -RetentionPolicy $retention `
  -SchedulePolicy $schedule

上述命令创建每日执行的虚拟机备份策略。参数-WorkloadType指定保护对象类型，-RetentionPolicy和-SchedulePolicy需预先定义保留时长与触发时间。

恢复点管理

支持基于时间点的精确恢复
最长可保留365天的恢复点
跨区域复制增强灾难恢复能力

第五章：总结与展望

云原生架构的演进趋势

现代企业正加速向云原生转型，Kubernetes 已成为容器编排的事实标准。以下代码展示了在 Go 中使用 client-go 调用 Kubernetes API 的典型方式：


package main

import (
    "context"
    "fmt"
    metav1 "k8s.io/apimachinery/pkg/apis/meta/v1"
    "k8s.io/client-go/kubernetes"
    "k8s.io/client-go/tools/clientcmd"
)

func main() {
    config, _ := clientcmd.BuildConfigFromFlags("", "/path/to/kubeconfig")
    clientset, _ := kubernetes.NewForConfig(config)
    
    pods, _ := clientset.CoreV1().Pods("default").List(
        context.TODO(), 
        metav1.ListOptions{Limit: 10},
    )
    
    for _, pod := range pods.Items {
        fmt.Printf("Pod: %s, Status: %s\n", pod.Name, pod.Status.Phase)
    }
}

可观测性体系构建

完整的可观测性需涵盖日志、指标与追踪三大支柱。下表对比主流开源工具组合：

类别	工具	适用场景
日志	EFK (Elasticsearch + Fluentd + Kibana)	大规模日志聚合与分析
指标	Prometheus + Grafana	实时监控与告警
分布式追踪	Jaeger + OpenTelemetry	微服务调用链分析