إنشاء اتصالات (معاينة)

ينطبق على:ملحق ML Azure CLI v2 (الحالي)Python SDK azure-ai-ml v2 (الحالي)

في هذه المقالة، ستتعلم كيفية الاتصال بمصادر البيانات الموجودة خارج Azure، لجعل هذه البيانات متاحة لخدمات Azure التعلم الآلي. تعمل اتصالات Azure كوكلاء لخزنة المفاتيح، والتفاعلات مع الاتصالات هي في الواقع تفاعلات مباشرة مع مخزن مفاتيح Azure. تخزن اتصالات Azure التعلم الآلي موارد بيانات اسم المستخدم وكلمة المرور بأمان، كأسرار، في مخزن رئيسي. يتحكم التحكم في الوصول استنادا إلى الدور في المخزن الرئيسي في الوصول إلى موارد البيانات هذه. لتوفر البيانات هذا، يدعم Azure الاتصالات بهذه المصادر الخارجية:

• Snowflake DB
• Amazon S3
• Azure SQL DB

هام

تُعد هذه الميزة قيد الإصدار الأولي العام في الوقت الحالي. يجري توفير إصدار المعاينة هذا دون اتفاقية على مستوى الخدمة، ولا نوصي باستخدامه لأحمال عمل الإنتاج. بعض الميزات ربما لا تكون مدعمة أو بها بعض القدرات المقيدة.

لمزيد من المعلومات، راجع ⁧⁩شروط الاستخدام التكميلية لمعاينات Microsoft Azure⁧⁩.

المتطلبات الأساسية

• اشتراك Azure. في حال لم يكن لديك اشتراك Azure، فأنشئ حساباً مجانيّاً قبل البدء. جرّب الإصدار المجاني أو المدفوع من «التعلم الآلي» من Azure.

• التعلم الآلي من Microsoft Azure SDK for Python.

• مساحة عمل للتعلم الآلي من Microsoft Azure.

هام

يخزن اتصال Azure التعلم الآلي بشكل آمن بيانات الاعتماد التي تم تمريرها أثناء إنشاء الاتصال في Workspace Azure Key Vault. يشير الاتصال إلى بيانات الاعتماد من موقع تخزين مخزن المفاتيح لمزيد من الاستخدام. لن تحتاج إلى التعامل مباشرة مع بيانات الاعتماد بعد تخزينها في مخزن المفاتيح. لديك خيار تخزين بيانات الاعتماد في ملف YAML. يمكن لأمر CLI أو SDK تجاوزها. نوصي بتجنب تخزين بيانات الاعتماد في ملف YAML، لأن خرق الأمان قد يؤدي إلى تسرب بيانات الاعتماد.

إشعار

لاستيراد البيانات بنجاح، يرجى التحقق من تثبيت أحدث حزمة azure-ai-ml (الإصدار 1.5.0 أو أحدث) ل SDK، وملحق ml (الإصدار 2.15.1 أو أحدث).

إذا كان لديك حزمة SDK قديمة أو ملحق CLI، فيرجى إزالة القديم وتثبيت الجديد مع التعليمات البرمجية الموضحة في قسم علامة التبويب. اتبع الإرشادات الخاصة ب SDK وCLI كما هو موضح هنا:

إصدارات التعليمات البرمجية

Azure CLI

az extension remove -n ml
az extension add -n ml --yes
az extension show -n ml #(the version value needs to be 2.15.1 or later)

Python SDK

pip uninstall azure-ai-ml
pip install azure-ai-ml
pip show azure-ai-ml #(the version value needs to be 1.5.0 or later)

استوديو

غير متوفر.

إنشاء اتصال Snowflake DB

Azure CLI

ينشئ ملف YAML هذا اتصال Snowflake DB. تأكد من تحديث القيم المناسبة:

# my_snowflakedb_connection.yaml
$schema: http://azureml/sdk-2-0/Connection.json
type: snowflake
name: my-sf-db-connection # add your datastore name here

target: jdbc:snowflake://<myaccount>.snowflakecomputing.com/?db=<mydb>&warehouse=<mywarehouse>&role=<myrole>
# add the Snowflake account, database, warehouse name and role name here. If no role name provided it will default to PUBLIC
credentials:
    type: username_password
    username: <username> # add the Snowflake database user name here or leave this blank and type in CLI command line
    password: <password> # add the Snowflake database password here or leave this blank and type in CLI command line

إنشاء اتصال Azure التعلم الآلي في CLI:

الخيار 1: استخدام اسم المستخدم وكلمة المرور في ملف YAML

az ml connection create --file my_snowflakedb_connection.yaml

الخيار 2: تجاوز اسم المستخدم وكلمة المرور في سطر الأوامر

az ml connection create --file my_snowflakedb_connection.yaml --set credentials.username="XXXXX" credentials.password="XXXXX"

Python SDK

الخيار 1: تحميل الاتصال من ملف YAML

from azure.ai.ml import MLClient, load_workspace_connection

ml_client = MLClient.from_config()

wps_connection = load_workspace_connection(source="./my_snowflakedb_connection.yaml")
wps_connection.credentials.username="XXXXX"
wps_connection.credentials.password="XXXXXXXX"
ml_client.connections.create_or_update(workspace_connection=wps_connection)

الخيار 2: استخدام مساحة العمل الاتصال ion() في برنامج نصي Python

from azure.ai.ml import MLClient
from azure.ai.ml.entities import WorkspaceConnection
from azure.ai.ml.entities import UsernamePasswordConfiguration

target= "jdbc:snowflake://<myaccount>.snowflakecomputing.com/?db=<mydb>&warehouse=<mywarehouse>&role=<myrole>"
# add the Snowflake account, database, warehouse name and role name here. If no role name provided it will default to PUBLIC
name= <my_snowflake_connection> # name of the connection
wps_connection = WorkspaceConnection(name= name,
type="snowflake",
target= target,
credentials= UsernamePasswordConfiguration(username="XXXXX", password="XXXXXX")
)

ml_client.connections.create_or_update(workspace_connection=wps_connection)

استوديو

1. انتقل إلى Azure التعلم الآلي studio.

2. ضمن الأصول في جزء التنقل الأيمن، حدد البيانات. بعد ذلك، حدد علامة التبويب Data الاتصال ion. ثم حدد إنشاء كما هو موضح في لقطة الشاشة هذه:

   

3. في جزء Create connection، املأ القيم كما هو موضح في لقطة الشاشة. اختر Snowflake للفئة، وكلمة مرور اسم المستخدم لنوع المصادقة. تأكد من تحديد قيمة مربع النص الهدف بهذا التنسيق، مع ملء القيم المحددة بين الأحرف <> :

   jdbc:snowflake://<myaccount.snowflakecomputing.com/?db>=<mydb>&warehouse=<mywarehouse>&role=<myrole>

   

4. حدد حفظ لتخزين بيانات الاعتماد بأمان في مخزن المفاتيح المقترن بمساحة العمل ذات الصلة. يتم استخدام هذا الاتصال عند تشغيل مهمة استيراد بيانات.

إنشاء اتصال Azure SQL DB

Azure CLI

ينشئ هذا البرنامج النصي YAML اتصال Azure SQL DB. تأكد من تحديث القيم المناسبة:

# my_sqldb_connection.yaml
$schema: http://azureml/sdk-2-0/Connection.json

type: azure_sql_db
name: my-sqldb-connection

target: Server=tcp:<myservername>,<port>;Database=<mydatabase>;Trusted_Connection=False;Encrypt=True;Connection Timeout=30
# add the sql servername, port addresss and database
credentials:
    type: sql_auth
    username: <username> # add the sql database user name here or leave this blank and type in CLI command line
    password: <password> # add the sql database password here or leave this blank and type in CLI command line

إنشاء اتصال Azure التعلم الآلي في CLI:

الخيار 1: استخدام اسم المستخدم / كلمة المرور من ملف YAML

az ml connection create --file my_sqldb_connection.yaml

الخيار 2: تجاوز اسم المستخدم وكلمة المرور في ملف YAML

az ml connection create --file my_sqldb_connection.yaml --set credentials.username="XXXXX" credentials.password="XXXXX"

Python SDK

الخيار 1: تحميل الاتصال من ملف YAML

from azure.ai.ml import MLClient, load_workspace_connection

ml_client = MLClient.from_config()

wps_connection = load_workspace_connection(source="./my_sqldb_connection.yaml")
wps_connection.credentials.username="XXXXXX"
wps_connection.credentials.password="XXXXXxXXX"
ml_client.connections.create_or_update(workspace_connection=wps_connection)

الخيار 2: استخدام مساحة العمل الاتصال ion()

from azure.ai.ml import MLClient
from azure.ai.ml.entities import WorkspaceConnection
from azure.ai.ml.entities import UsernamePasswordConfiguration

target= "Server=tcp:<myservername>,<port>;Database=<mydatabase>;Trusted_Connection=False;Encrypt=True;Connection Timeout=30"
# add the sql servername, port address and database

name= <my_sql_connection> # name of the connection
wps_connection = WorkspaceConnection(name= name,
type="azure_sql_db",
target= target,
credentials= UsernamePasswordConfiguration(username="XXXXX", password="XXXXXX")
)

ml_client.connections.create_or_update(workspace_connection=wps_connection)

استوديو

1. انتقل إلى Azure التعلم الآلي studio.

2. ضمن الأصول في جزء التنقل الأيمن، حدد البيانات. بعد ذلك، حدد علامة التبويب Data الاتصال ion. ثم حدد إنشاء كما هو موضح في لقطة الشاشة هذه:

   

3. في جزء Create connection، املأ القيم كما هو موضح في لقطة الشاشة. اختر AzureSqlDb للفئة، وكلمة مرور اسم المستخدم لنوع المصادقة. تأكد من تحديد قيمة مربع النص الهدف بهذا التنسيق، مع ملء القيم المحددة بين الأحرف <> :

   Server=tcp:<myservername,port>><; Database=<mydatabase>; Trusted_الاتصال ion=False; Encrypt=True؛ مهلة الاتصال=30

   

إنشاء اتصال Amazon S3

Azure CLI

إنشاء اتصال Amazon S3 مع ملف YAML التالي. تأكد من تحديث القيم المناسبة:

# my_s3_connection.yaml
$schema: http://azureml/sdk-2-0/Connection.json

type: s3
name: my_s3_connection

target: <mybucket> # add the s3 bucket details
credentials:
    type: access_key
    access_key_id: XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX # add access key id
    secret_access_key: XxXxXxXXXXXXXxXxXxxXxxXXXXXXXXxXxxXXxXXXXXXXxxxXxXXxXXXXXxXXxXXXxXxXxxxXXxXXxXXXXXxXxxXX # add access key secret

إنشاء اتصال Azure التعلم الآلي في CLI:

az ml connection create --file my_s3_connection.yaml

Python SDK

الخيار 1: تحميل الاتصال من ملف YAML

from azure.ai.ml import MLClient, load_workspace_connection

ml_client = MLClient.from_config()


wps_connection = load_workspace_connection(source="./my_s3_connection.yaml")
ml_client.connections.create_or_update(workspace_connection=wps_connection)

الخيار 2: استخدام مساحة العمل الاتصال ion() في برنامج نصي Python

from azure.ai.ml import MLClient
from azure.ai.ml.entities import WorkspaceConnection
from azure.ai.ml.entities import AccessKeyConfiguration

target=<mybucket> # add the s3 bucket details
name=<my_s3_connection> # name of the connection
wps_connection=WorkspaceConnection(name=name,
type="s3",
target= target,
credentials= AccessKeyConfiguration(access_key_id="XXXXXX",acsecret_access_key="XXXXXXXX")
)

ml_client.connections.create_or_update(workspace_connection=wps_connection)

استوديو

1. انتقل إلى Azure التعلم الآلي studio.

2. ضمن الأصول في جزء التنقل الأيمن، حدد البيانات. بعد ذلك، حدد علامة التبويب Data الاتصال ion. ثم حدد إنشاء كما هو موضح في لقطة الشاشة هذه:

   

3. في جزء Create connection، املأ القيم كما هو موضح في لقطة الشاشة. اختر S3 للفئة، وكلمة مرور اسم المستخدم لنوع المصادقة. تأكد من تحديد قيمة مربع النص الهدف بهذا التنسيق، مع ملء القيم المحددة بين الأحرف <> :

   <الهدف>

   

الاتصالات غير المتعلقة بالبيانات

يمكن استخدام أنواع الاتصال التالية للاتصال ب Git وموجز Python وAzure Container Registry واتصال يستخدم مفتاح API. هذه الاتصالات ليست اتصالات بيانات، ولكنها تستخدم للاتصال بالخدمات الخارجية لاستخدامها في التعليمات البرمجية الخاصة بك.

Git

Azure CLI

إنشاء اتصال Git بأحد ملفات YAML التالية. تأكد من تحديث القيم المناسبة:

• الاتصال باستخدام رمز مميز للوصول الشخصي (PAT):

  #Connection.yml
  name: test_ws_conn_git_pat
  type: git
  target: https://github.com/contoso/contosorepo
  credentials:
      type: pat
      pat: dummy_pat
  

• الاتصال إلى مستودع عام (لا توجد بيانات اعتماد):

  #Connection.yml
  
  name: git_no_cred_conn
  type: git
  target: https://https://github.com/contoso/contosorepo
  
  

إنشاء اتصال Azure التعلم الآلي في CLI:

az ml connection create --file connection.yaml

Python SDK

ينشئ المثال التالي اتصال Git بم repo GitHub. تتم مصادقة هذا الاتصال باستخدام رمز الوصول الشخصي (PAT):

from azure.ai.ml.entities import WorkspaceConnection
from azure.ai.ml.entities import UsernamePasswordConfiguration, PatTokenConfiguration


name = "my_git_conn"

target = "https://github.com/myaccount/myrepo"

wps_connection = WorkspaceConnection(
    name=name,
    type="git",
    target=target,
    credentials=PatTokenConfiguration(pat="XXXXXXXXX"),    
)
ml_client.connections.create_or_update(workspace_connection=wps_connection)

استوديو

لا يمكنك إنشاء اتصال Git في الاستوديو.

موجز Python

Azure CLI

إنشاء اتصال بموجز Python بأحد ملفات YAML التالية. تأكد من تحديث القيم المناسبة:

• الاتصال باستخدام رمز مميز للوصول الشخصي (PAT):

  #Connection.yml
  name: test_ws_conn_python_pat
  type: python_feed
  target: https://test-feed.com
  credentials:
      type: pat
      pat: dummy_pat
  

• الاتصال باستخدام اسم مستخدم وكلمة مرور:

  name: test_ws_conn_python_user_pass
  type: python_feed
  target: https://test-feed.com
  credentials:
      type: username_password
      username: john
      password: pass
  
  

• الاتصال إلى موجز عام (لا توجد بيانات اعتماد):

  name: test_ws_conn_python_no_cred
  type: python_feed
  target: https://test-feed.com3
  

إنشاء اتصال Azure التعلم الآلي في CLI:

az ml connection create --file connection.yaml

Python SDK

ينشئ المثال التالي اتصال موجز Python. تتم مصادقة هذا الاتصال باستخدام رمز وصول شخصي (PAT) أو اسم مستخدم وكلمة مرور:

from azure.ai.ml.entities import WorkspaceConnection
from azure.ai.ml.entities import UsernamePasswordConfiguration, ManagedIdentityConfiguration  


name = "my_pfeed_conn"

target = "https://XXXXXXXXX.core.windows.net/mycontainer"

wps_connection = WorkspaceConnection(
    name=name,
    type="python_feed",
    target=target,
    #credentials=UsernamePasswordConfiguration(username="xxxxx", password="xxxxx"), 
    credentials=PatTokenConfiguration(pat="XXXXXXXXX"),    

    #credentials=None
)
ml_client.connections.create_or_update(workspace_connection=wps_connection)

استوديو

لا يمكنك إنشاء اتصال موجز Python في الاستوديو.

Azure Container Registry

Azure CLI

إنشاء اتصال ب Azure Container Registry بأحد ملفات YAML التالية. تأكد من تحديث القيم المناسبة:

• الاتصال باستخدام مصادقة معرف Microsoft Entra:

  name: test_ws_conn_cr_managed
  type: container_registry
  target: https://test-feed.com
  credentials:
      type: managed_identity
      client_id: client_id
      resource_id: resource_id
  

• الاتصال باستخدام اسم مستخدم وكلمة مرور:

  name: test_ws_conn_cr_user_pass
  type: container_registry
  target: https://test-feed.com2
  credentials:
      type: username_password
      username: contoso
      password: pass
  

إنشاء اتصال Azure التعلم الآلي في CLI:

az ml connection create --file connection.yaml

Python SDK

ينشئ المثال التالي اتصال Azure Container Registry. تتم مصادقة هذا الاتصال باستخدام هوية مدارة:

from azure.ai.ml.entities import WorkspaceConnection
from azure.ai.ml.entities import UsernamePasswordConfiguration, PatTokenConfiguration  


name = "my_acr_conn"

target = "https://XXXXXXXXX.core.windows.net/mycontainer"

wps_connection = WorkspaceConnection(
    name=name,
    type="container_registry",
    target=target,
    credentials=ManagedIdentityConfiguration (client_id="xxxxx", resource_id="xxxxx"),    
)
ml_client.connections.create_or_update(workspace_connection=wps_connection)

استوديو

لا يمكنك إنشاء اتصال Azure Container Registry في الاستوديو.

مفتاح API

ينشئ المثال التالي اتصال مفتاح API:

from azure.ai.ml.entities import WorkspaceConnection
from azure.ai.ml.entities import UsernamePasswordConfiguration, ApiKeyConfiguration


name = "my_api_key"

target = "https://XXXXXXXXX.core.windows.net/mycontainer"

wps_connection = WorkspaceConnection(
    name=name,
    type="apikey",
    target=target,
    credentials=ApiKeyConfiguration(key="XXXXXXXXX"),    
)
ml_client.connections.create_or_update(workspace_connection=wps_connection)

المحتوى ذو الصلة

إذا كنت تستخدم اتصال بيانات (Snowflake DB أو Amazon S3 أو Azure SQL DB)، فشاهد هذه المقالات لمزيد من المعلومات:

• استيراد أصول البيانات
• جدولة مهام استيراد البيانات