ترقية إدارة مخزن البيانات إلى SDK v2

تحتفظ Azure التعلم الآلي Datastores بمعلومات الاتصال بمخزن البيانات على Azure بشكل آمن، حتى لا تضطر إلى ترميزها في البرامج النصية الخاصة بك. يظل مفهوم مخزن البيانات V2 دون تغيير في الغالب مقارنة ب V1. الفرق هو أننا لن ندعم مصادر البيانات الش مثل SQL عبر Azure التعلم الآلي Datastores. سندعم مصادر البيانات الش مثل SQL عبر وظائف استيراد وتصدير البيانات التعلم الآلي Azure.

تقدم هذه المقالة مقارنة بين السيناريو (السيناريوهات) في SDK v1 وSDK v2.

إنشاء مخزن بيانات من حاوية Azure Blob عبر account_key

• الإصدار 1 من SDK

  blob_datastore_name='azblobsdk' # Name of the datastore to workspace
  container_name=os.getenv("BLOB_CONTAINER", "<my-container-name>") # Name of Azure blob container
  account_name=os.getenv("BLOB_ACCOUNTNAME", "<my-account-name>") # Storage account name
  account_key=os.getenv("BLOB_ACCOUNT_KEY", "<my-account-key>") # Storage account access key
  
  blob_datastore = Datastore.register_azure_blob_container(workspace=ws, 
                                                           datastore_name=blob_datastore_name, 
                                                           container_name=container_name, 
                                                           account_name=account_name,
                                                           account_key=account_key)
  

• SDK (الإصدار 2)

  from azure.ai.ml.entities import AzureBlobDatastore
  from azure.ai.ml import MLClient
  
  ml_client = MLClient.from_config()
  
  store = AzureBlobDatastore(
      name="blob-protocol-example",
      description="Datastore pointing to a blob container using wasbs protocol.",
      account_name="mytestblobstore",
      container_name="data-container",
      protocol="wasbs",
      credentials={
          "account_key": "XXXxxxXXXxXXXXxxXXXXXxXXXXXxXxxXxXXXxXXXxXXxxxXXxxXXXxXxXXXxxXxxXXXXxxxxxXXxxxxxxXXXxXXX"
      },
  )
  
  ml_client.create_or_update(store)
  

إنشاء مخزن بيانات من حاوية Azure Blob عبر sas_token

• الإصدار 1 من SDK

  blob_datastore_name='azblobsdk' # Name of the datastore to workspace
  container_name=os.getenv("BLOB_CONTAINER", "<my-container-name>") # Name of Azure blob container
  sas_token=os.getenv("BLOB_SAS_TOKEN", "<my-sas-token>") # Sas token
  
  blob_datastore = Datastore.register_azure_blob_container(workspace=ws, 
                                                           datastore_name=blob_datastore_name, 
                                                           container_name=container_name, 
                                                           sas_token=sas_token)
  

• SDK (الإصدار 2)

  from azure.ai.ml.entities import AzureBlobDatastore
  from azure.ai.ml import MLClient
  
  ml_client = MLClient.from_config()
  
  store = AzureBlobDatastore(
      name="blob-sas-example",
      description="Datastore pointing to a blob container using SAS token.",
      account_name="mytestblobstore",
      container_name="data-container",
      credentials=SasTokenCredentials(
          sas_token= "?xx=XXXX-XX-XX&xx=xxxx&xxx=xxx&xx=xxxxxxxxxxx&xx=XXXX-XX-XXXXX:XX:XXX&xx=XXXX-XX-XXXXX:XX:XXX&xxx=xxxxx&xxx=XXxXXXxxxxxXXXXXXXxXxxxXXXXXxxXXXXXxXXXXxXXXxXXxXX"
      ),
  )
  
  ml_client.create_or_update(store)
  

إنشاء مخزن بيانات من حاوية Azure Blob عبر المصادقة المستندة إلى الهوية

• الإصدار 1 من SDK

blob_datastore = Datastore.register_azure_blob_container(workspace=ws,
                                                      datastore_name='credentialless_blob',
                                                      container_name='my_container_name',
                                                      account_name='my_account_name')

• SDK (الإصدار 2)

  from azure.ai.ml.entities import AzureBlobDatastore
  from azure.ai.ml import MLClient
  
  ml_client = MLClient.from_config()
  
  store = AzureBlobDatastore(
      name="",
      description="",
      account_name="",
      container_name=""
  )
  
  ml_client.create_or_update(store)
  

احصل على مخازن البيانات من مساحة عملك

• الإصدار 1 من SDK

  # Get a named datastore from the current workspace
  datastore = Datastore.get(ws, datastore_name='your datastore name')
  

  # List all datastores registered in the current workspace
  datastores = ws.datastores
  for name, datastore in datastores.items():
      print(name, datastore.datastore_type)
  

• SDK (الإصدار 2)

  from azure.ai.ml import MLClient
  from azure.identity import DefaultAzureCredential
  
  #Enter details of your Azure Machine Learning workspace
  subscription_id = '<SUBSCRIPTION_ID>'
  resource_group = '<RESOURCE_GROUP>'
  workspace_name = '<AZUREML_WORKSPACE_NAME>'
  
  ml_client = MLClient(credential=DefaultAzureCredential(),
                       subscription_id=subscription_id, 
                       resource_group_name=resource_group)
  
  datastore = ml_client.datastores.get(name='your datastore name')
  

تعيين الوظائف الرئيسية في SDK v1 وSDK v2

أنواع التخزين في SDK v1	أنواع التخزين في SDK v2
azureml_blob_datastore	azureml_blob_datastore
azureml_data_lake_gen1_datastore	azureml_data_lake_gen1_datastore
azureml_data_lake_gen2_datastore	azureml_data_lake_gen2_datastore
azuremlml_sql_database_datastore	سيتم دعمه عبر وظائف الاستيراد والتصدير
azuremlml_my_sql_datastore	سيتم دعمه عبر وظائف الاستيراد والتصدير
azuremlml_postgre_sql_datastore	سيتم دعمه عبر وظائف الاستيراد والتصدير

الخطوات التالية

لمزيد من المعلومات، راجع:

• إنشاء مخازن البيانات
• قراءة البيانات وكتابتها في وظيفة
• عمليات تخزين البيانات V2