Auslösen von Anwendungen, Prozessen oder CI/CD-Workflows basierend auf Azure Machine Learning-Ereignissen (Vorschau)Trigger applications, processes, or CI/CD workflows based on Azure Machine Learning events (preview)

In diesem Artikel erfahren Sie, wie Sie ereignisgesteuerte Anwendungen, Prozesse oder CI/CD-Workflows basierend auf Azure Machine Learning-Ereignissen (z. B. E-Mails mit Fehlerbenachrichtigungen oder Ausführungen der ML-Pipeline) einrichten, wenn von Azure Event Grid bestimmte Bedingungen erkannt werden.In this article, you learn how to set up event-driven applications, processes, or CI/CD workflows based on Azure Machine Learning events, such as failure notification emails or ML pipeline runs, when certain conditions are detected by Azure Event Grid.

Azure Machine Learning verwaltet den gesamten Lebenszyklus von Prozessen für maschinelles Lernen, wozu Modelltraining, Modellimplementierung und Überwachung gehören.Azure Machine Learning manages the entire lifecycle of machine learning process, including model training, model deployment, and monitoring. Sie können Event Grid zum Reagieren auf Azure Machine Learning-Ereignisse, z. B. das Abschließen von Trainingsausführungen, das Registrieren und Bereitstellen von Modellen und das Erkennen von Datendrift, mithilfe moderner serverloser Architekturen verwenden.You can use Event Grid to react to Azure Machine Learning events, such as the completion of training runs, the registration and deployment of models, and the detection of data drift, by using modern serverless architectures. Anschließend können Sie Ereignisse wie einen geänderten Ausführungsstatus, den Abschluss einer Ausführung, Modellregistrierungen, Modellimplementierungen und Datendrifterkennungen in einem Arbeitsbereich abonnieren und verarbeiten.You can then subscribe and consume events such as run status changed, run completion, model registration, model deployment, and data drift detection within a workspace.

Szenarien für die Verwendung von Event Grid für ereignisgesteuerte Aktionen:When to use Event Grid for event driven actions:

  • Senden von E-Mails nach fehlerhafter und abgeschlossener AusführungSend emails on run failure and run completion
  • Verwenden einer Azure-Funktion nach dem Registrieren eines ModellsUse an Azure function after a model is registered
  • Streaming von Ereignissen aus Azure Machine Learning an verschiedene EndpunkteStreaming events from Azure Machine Learning to various of endpoints
  • Auslösen einer ML-Pipeline bei DrifterkennungTrigger an ML pipeline when drift is detected

Hinweis

Zurzeit werden runStatusChanged-Ereignisse nur beim Status Fehler ausgelöst.Currently, runStatusChanged events only trigger when the run status is failed

VoraussetzungenPrerequisites

Für die Verwendung von Event Grid benötigen Sie Mitwirkender- oder Besitzerzugriff auf den Azure Machine Learning-Arbeitsbereich, für den Sie Ereignisse erstellen.To use Event Grid, you need contributor or owner access to the Azure Machine Learning workspace you will create events for.

Das Ereignismodell und die EreignistypenThe event model & types

Azure Event Grid liest Ereignisse aus Quellen, z. B. Azure Machine Learning und andere Azure-Dienste.Azure Event Grid reads events from sources, such as Azure Machine Learning and other Azure services. Diese Ereignisse werden dann an Ereignishandler wie Azure Event Hubs, Azure Functions, Logic Apps und weitere gesendet.These events are then sent to event handlers such as Azure Event Hubs, Azure Functions, Logic Apps, and others. In der folgenden ist Abbildung dargestellt, wie Event Grid Quellen und Handler verbindet, diese Darstellung ist jedoch keine vollständige Liste der unterstützten Integrationen.The following diagram shows how Event Grid connects sources and handlers, but is not a comprehensive list of supported integrations.

Azure Event Grid – funktionales Modell

Weitere Informationen zu Ereignisquellen und Ereignishandlern finden Sie unter Was ist Event Grid?.For more information on event sources and event handlers, see What is Event Grid?.

Ereignistypen für Azure Machine LearningEvent types for Azure Machine Learning

Azure Machine Learning stellt Ereignisse an den verschiedenen Punkten eines Lebenszyklus für maschinelles Lernen bereit:Azure Machine Learning provides events in the various points of machine learning lifecycle:

EreignistypEvent type BESCHREIBUNGDescription
Microsoft.MachineLearningServices.RunCompleted Wird ausgelöst, wenn eine Ausführung eines Experiments für maschinelles Lernen abgeschlossen istRaised when a machine learning experiment run is completed
Microsoft.MachineLearningServices.ModelRegistered Wird ausgelöst, wenn ein Machine Learning-Modell im Arbeitsbereich registriert wirdRaised when a machine learning model is registered in the workspace
Microsoft.MachineLearningServices.ModelDeployed Wird ausgelöst, wenn eine Bereitstellung eines Rückschlussdiensts mit mindestens einem Modell abgeschlossen istRaised when a deployment of inference service with one or more models is completed
Microsoft.MachineLearningServices.DatasetDriftDetected Wird ausgelöst, wenn ein Datendrifterkennungsauftrag für zwei Datasets abgeschlossen istRaised when a data drift detection job for two datasets is completed
Microsoft.MachineLearningServices.RunStatusChanged Wird ausgelöst, wenn sich der Ausführungsstatus geändert hat. Wird derzeit nur ausgelöst, wenn der Ausführungsstatus „Fehler“ lautet.Raised when a run status changed, currently only raised when a run status is 'failed'

Filtern und Abonnieren von EreignissenFilter & subscribe to events

Diese Ereignisse werden über Azure Event Grid veröffentlicht.These events are published through Azure Event Grid. Über das Azure-Portal, PowerShell oder Azure CLI können Kunden problemlos Ereignisse abonnieren, indem sie mindestens einen Ereignistyp sowie Filterbedingungen angeben.Using Azure portal, PowerShell or Azure CLI, customers can easily subscribe to events by specifying one or more event types, and filtering conditions.

Beim Einrichten von Ereignissen können Sie Filter anwenden, damit nur bei bestimmten Ereignisdaten eine Auslösung erfolgt.When setting up your events, you can apply filters to only trigger on specific event data. Im nachstehenden Beispiel können Sie Ereignisse bei geändertem Ausführungsstatus nach Ausführungstypen filtern.In the example below, for run status changed events, you can filter by run types. Das Ereignis wird nur ausgelöst, wenn die Kriterien erfüllt sind.The event only triggers when the criteria is met. Weitere Informationen zu Ereignisdaten, nach denen Sie filtern können, finden Sie im Event Grid-Schema für Azure Machine Learning.Refer to the Azure Machine Learning event grid schema to learn about event data you can filter by.

Abonnements für Azure Machine Learning-Ereignisse werden durch rollenbasierte Zugriffssteuerung von Azure (Azure Role-Based Access Control, Azure RBAC) geschützt.Subscriptions for Azure Machine Learning events are protected by Azure role-based access control (Azure RBAC). Nur ein Mitwirkender oder Besitzer eines Arbeitsbereichs kann Ereignisabonnements erstellen, aktualisieren und löschen.Only contributor or owner of a workspace can create, update, and delete event subscriptions. Auf Ereignisabonnements können während der Erstellung des Ereignisabonnements oder zu einem späteren Zeitpunkt Filter angewendet werden.Filters can be applied to event subscriptions either during the creation of the event subscription or at a later time.

  1. Wechseln Sie zum Azure-Portal, und wählen Sie ein neues oder ein vorhandenes Abonnement aus.Go to the Azure portal, select a new subscription or an existing one.

  2. Wählen Sie die Registerkarte „Filter“ aus, und scrollen Sie zu „Erweiterte Filter“.Select the filters tab and scroll down to Advanced filters. Geben Sie unter Schlüssel und Wert die Eigenschaftstypen an, nach denen Sie filtern möchten.For the Key and Value , provide the property types you want to filter by. Hier können Sie sehen, dass das Ereignis nur ausgelöst wird, wenn der Ausführungstyp eine Pipelineausführung oder eine Pipeline-Schrittausführung ist.Here you can see the event will only trigger when the run type is a pipeline run or pipeline step run.

    Filtern von Ereignissen

  • Filtern nach Ereignistyp : In einem Ereignisabonnement können ein oder mehrere Azure Machine Learning-Ereignistypen angegeben sein.Filter by event type: An event subscription can specify one or more Azure Machine Learning event types.

  • Filtern nach Ereignisgegenstand : Azure Event Grid unterstützt Gegenstandsfilter auf Grundlage von beginnt mit - und endet mit -Übereinstimmungen, sodass Ereignisse mit einem übereinstimmenden Gegenstand an den Abonnenten übermittelt werden.Filter by event subject: Azure Event Grid supports subject filters based on begins with and ends with matches, so that events with a matching subject are delivered to the subscriber. Unterschiedliche Machine Learning-Ereignisse haben unterschiedliche Gegenstandsformate.Different machine learning events have different subject format.

    EreignistypEvent type GegenstandsformatSubject format BeispielgegenstandSample subject
    Microsoft.MachineLearningServices.RunCompleted experiments/{ExperimentId}/runs/{RunId} experiments/b1d7966c-f73a-4c68-b846-992ace89551f/runs/my_exp1_1554835758_38dbaa94
    Microsoft.MachineLearningServices.ModelRegistered models/{modelName}:{modelVersion} models/sklearn_regression_model:3
    Microsoft.MachineLearningServices.ModelDeployed endpoints/{serviceId} endpoints/my_sklearn_aks
    Microsoft.MachineLearningServices.DatasetDriftDetected datadrift/{data.DataDriftId}/run/{data.RunId} datadrift/4e694bf5-712e-4e40-b06a-d2a2755212d4/run/my_driftrun1_1550564444_fbbcdc0f
    Microsoft.MachineLearningServices.RunStatusChanged experiments/{ExperimentId}/runs/{RunId} experiments/b1d7966c-f73a-4c68-b846-992ace89551f/runs/my_exp1_1554835758_38dbaa94
  • Erweiterte Filterung : Azure Event Grid unterstützt auch erweitertes Filtern anhand eines veröffentlichten Ereignisschemas.Advanced filtering : Azure Event Grid also supports advanced filtering based on published event schema. Ausführliche Informationen zum Azure Machine Learning-Ereignisschema finden Sie unter Azure Event Grid-Ereignisschema für Azure Machine Learning.Azure Machine Learning event schema details can be found in Azure Event Grid event schema for Azure Machine Learning. Einige Beispiele für erweitertes Filtern, das Sie ausführen können, sind:Some sample advanced filterings you can perform include:

    Für das Microsoft.MachineLearningServices.ModelRegistered-Ereignis Filtern des Tagwerts eines Modells:For Microsoft.MachineLearningServices.ModelRegistered event, to filter model's tag value:

    --advanced-filter data.ModelTags.key1 StringIn ('value1')
    

    Weitere Informationen zum Anwenden von Filtern finden Sie unter Filtern von Ereignissen für Event Grid.To learn more about how to apply filters, see Filter events for Event Grid.

Nutzen von Machine Learning-EreignissenConsume Machine Learning events

Anwendungen, die Machine Learning-Ereignisse behandeln, sollten einigen empfohlene Vorgehensweisen entsprechen:Applications that handle Machine Learning events should follow a few recommended practices:

  • Da mehrere Abonnements zum Weiterleiten von Ereignissen an den gleichen Ereignishandler konfiguriert werden können, ist es wichtig, nicht davon auszugehen, dass Ereignisse von einer bestimmten Quelle stammen, sondern das Thema der Nachricht zu überprüfen, um sicherzugehen, dass es aus dem erwarteten Machine Learning-Arbeitsbereich stammt.As multiple subscriptions can be configured to route events to the same event handler, it is important not to assume events are from a particular source, but to check the topic of the message to ensure that it comes from the machine learning workspace you are expecting.
  • Überprüfen Sie auf ähnliche Weise, ob Sie auf die Verarbeitung des eventType vorbereitet sind, und gehen Sie nicht davon aus, dass alle Ereignisse, die Sie empfangen, den von Ihnen erwarteten Typen entsprechen.Similarly, check that the eventType is one you are prepared to process, and do not assume that all events you receive will be the types you expect.
  • Da Nachrichten in falscher Reihenfolge und mit Verzögerung eintreffen können, verwenden Sie die etag-Felder, um zu verstehen, ob Ihre Informationen zu Objekten weiterhin auf dem neuesten Stand ist.As messages can arrive out of order and after some delay, use the etag fields to understand if your information about objects is still up-to-date. Verwenden Sie auch die sequencer-Felder, um die Reihenfolge der Ereignisse für ein bestimmtes Objekt zu verstehen.Also, use the sequencer fields to understand the order of events on any particular object.
  • Ignorieren Sie Felder, die Sie nicht verstehen.Ignore fields you don't understand. So müssen Sie sich nicht mit neuen Features auseinandersetzen, die in der Zukunft hinzugefügt werden könnten.This practice will help keep you resilient to new features that might be added in the future.
  • Fehlgeschlagene oder abgebrochene Azure Machine Learning-Vorgänge lösen kein Ereignis aus.Failed or cancelled Azure Machine Learning operations will not trigger an event. Wenn beispielsweise bei einer Modellimplementierung ein Fehler auftritt, wird Microsoft.MachineLearningServices.ModelDeployed nicht ausgelöst.For example, if a model deployment fails Microsoft.MachineLearningServices.ModelDeployed won't be triggered. Berücksichtigen Sie solche Fehlermodi, wenn Sie Ihre Anwendungen entwerfen.Consider such failure mode when design your applications. Sie können jederzeit über das Azure Machine Learning SDK, die CLI oder das Portal den Status eines Vorgangs überprüfen und die detaillierten Fehlerursachen ermitteln.You can always use Azure Machine Learning SDK, CLI or portal to check the status of an operation and understand the detailed failure reasons.

Mit Azure Event Grid können Kunden entkoppelte Meldungshandler erstellen, die durch Azure Machine Learning-Ereignisse ausgelöst werden können.Azure Event Grid allows customers to build de-coupled message handlers, which can be triggered by Azure Machine Learning events. Einige relevante Beispiele für Meldungshandler sind:Some notable examples of message handlers are:

  • Azure-FunktionenAzure Functions
  • Azure Logic AppsAzure Logic Apps
  • Azure Event HubsAzure Event Hubs
  • Azure Data Factory-PipelineAzure Data Factory Pipeline
  • Generische Webhooks, die auf der Azure-Plattform oder an anderer Stelle gehostet werdenGeneric webhooks, which may be hosted on the Azure platform or elsewhere

Einrichtung im Azure-PortalSet up in Azure portal

  1. Öffnen Sie das Azure-Portal, und navigieren Sie zu Ihrem Azure Machine Learning-Arbeitsbereich.Open the Azure portal and go to your Azure Machine Learning workspace.

  2. Wählen Sie in der linken Leiste die Option Ereignisse aus, und wählen Sie dann Ereignisabonnements aus.From the left bar, select Events and then select Event Subscriptions.

    select-events-in-workspace.png

  3. Wählen Sie den Typ des zu nutzenden Ereignisses aus.Select the event type to consume. Im folgenden Screenshot sind beispielsweise Modell registriert , Model bereitgestellt , Ausführung abgeschlossen und Datasetdrift erkannt aktiviert:For example, the following screenshot has selected Model registered , Model deployed , Run completed , and Dataset drift detected :

    add-event-type

  4. Wählen Sie den Endpunkt aus, für den das Ereignis veröffentlicht werden soll.Select the endpoint to publish the event to. Im folgenden Screenshot ist Event Hub der ausgewählte Endpunkt:In the following screenshot, Event hub is the selected endpoint:

    Screenshot: Bereich „Ereignisabonnement erstellen“ mit geöffnetem Fenster „Event Hub-Instanz auswählen“

Nachdem Sie Ihre Auswahl bestätigt haben, klicken Sie auf Erstellen.Once you have confirmed your selection, click Create. Nach der Konfiguration werden diese Ereignisse per Pushvorgang an ihren Endpunkt übermittelt.After configuration, these events will be pushed to your endpoint.

Einrichtung mit der CLISet up with the CLI

Sie können entweder die neueste Azure CLI installieren oder die Azure Cloud Shell verwenden, die als Bestandteil Ihres Azure-Abonnements bereitgestellt wird.You can either install the latest Azure CLI, or use the Azure Cloud Shell that is provided as part of your Azure subscription.

Um die Event Grid-Erweiterung zu installieren, verwenden Sie den folgenden Befehl in der CLI (Command-Line Interface, Befehlszeilenschnittstelle):To install the Event Grid extension, use the following command from the CLI:

az add extension --name eventgrid

Im folgenden Beispiel wird veranschaulicht, wie Sie ein Azure-Abonnement auswählen und dann ein neues Ereignisabonnement für Azure Machine Learning erstellen:The following example demonstrates how to select an Azure subscription and creates e a new event subscription for Azure Machine Learning:

# Select the Azure subscription that contains the workspace
az account set --subscription "<name or ID of the subscription>"

# Subscribe to the machine learning workspace. This example uses EventHub as a destination. 
az eventgrid event-subscription create --name {eventGridFilterName} \
  --source-resource-id /subscriptions/{subId}/resourceGroups/{RG}/providers/Microsoft.MachineLearningServices/workspaces/{wsName} \
  --endpoint-type eventhub \
  --endpoint /subscriptions/{SubID}/resourceGroups/TestRG/providers/Microsoft.EventHub/namespaces/n1/eventhubs/EH1 \
  --included-event-types Microsoft.MachineLearningServices.ModelRegistered \
  --subject-begins-with "models/mymodelname"

BeispieleExamples

Beispiel: Senden von E-Mail-BenachrichtigungenExample: Send email alerts

Verwenden Sie Azure Logic Apps, um E-Mails für Ihre Ereignisse zu konfigurieren.Use Azure Logic Apps to configure emails for all your events. Passen Sie diese mit Bedingungen an, und geben Sie Empfänger an, um die Zusammenarbeit und Beachtung zwischen Teams zu ermöglichen, die zusammenarbeiten.Customize with conditions and specify recipients to enable collaboration and awareness across teams working together.

  1. Wechseln Sie im Azure-Portal zu Ihrem Azure Machine Learning-Arbeitsbereich, und wählen Sie in der linken Leiste die Registerkarte „Ereignisse“ aus.In the Azure portal, go to your Azure Machine Learning workspace and select the events tab from the left bar. Wählen Sie dort die Option Logik-Apps aus.From here, select Logic apps.

    Screenshot: Seite „Ereignisse“ für Machine Learning-Arbeitsbereich mit Option „Logik-Apps“

  2. Melden Sie sich bei der Benutzeroberfläche für Logik-Apps an, und wählen Sie „MachineLearningServices“ als Thementyp aus.Sign into the Logic App UI and select Machine Learning service as the topic type.

    Screenshot: Dialogfeld „When a resource event occurs“ (Bei Auftreten eines Ressourcenereignisses), bei dem Machine Learning als Ressourcentyp ausgewählt ist

  3. Wählen Sie die Ereignisse aus, für die eine Benachrichtigung erfolgen soll.Select which event(s) to be notified for. Im folgenden Screenshot ist beispielsweise RunCompleted ausgewählt.For example, the following screenshot RunCompleted.

    Screenshot: Dialogfeld „When a resource event occurs“ (Bei Auftreten eines Ressourcenereignisses) mit ausgewähltem Ereignistyp

  4. Sie können die Filtermethode im Abschnitt oben verwenden oder Filter hinzufügen, um die Logik-App nur für eine Teilmenge von Ereignistypen auszulösen.You can use the filtering method in the section above or add filters to only trigger the logic app on a subset of event types. Im folgenden Screenshot wird ein Präfixfilter von /datadriftID/runs/ verwendet.In the following screenshot, a prefix filter of /datadriftID/runs/ is used.

    filter-events

  5. Fügen Sie nun einen Schritt hinzu, um dieses Ereignis zu nutzen und nach E-Mails zu suchen.Next, add a step to consume this event and search for email. Es gibt mehrere unterschiedliche E-Mail-Konten, die Sie zum Empfangen von Ereignissen verwenden können.There are several different mail accounts you can use to receive events. Außerdem können Sie Bedingungen dazu festlegen, wann eine E-Mail-Benachrichtigung gesendet werden soll.You can also configure conditions on when to send an email alert.

    Screenshot: Dialogfeld „Aktion auswählen“ mit „E-Mail“ im Suchfeld

  6. Wählen Sie E-Mail senden aus, und geben Sie Werte für die Parameter ein.Select Send an email and fill in the parameters. In den Betreff können Sie den Ereignistyp und das Thema einfügen, um das Filtern von Ereignissen zu vereinfachen.In the subject, you can include the Event Type and Topic to help filter events. Sie können auch in den Nachrichtentext einen Link zur Arbeitsbereichsseite für Ausführungen einfügen.You can also include a link to the workspace page for runs in the message body.

    Screenshot: Dialogfeld „E-Mail senden“, bei dem „Thema“ und „Ereignistyp“ aus der Liste rechts in der Betreffzeile hinzugefügt wurden

  7. Um diese Aktion zu speichern, wählen Sie Speichern unter in der linken Ecke der Seite aus.To save this action, select Save As on the left corner of the page. Bestätigen Sie in der rechten Leiste, die angezeigt wird, die Erstellung dieser Aktion.From the right bar that appears, confirm creation of this action.

    Screenshot: Schaltflächen „Speichern unter“ und „Erstellen“ im Designer für Logik-Apps

Beispiel: Erneutes Trainieren von DatendriftauslösernExample: Data drift triggers retraining

Modelle werden mit der Zeit zu veralteten Modellen, sodass sie in dem Kontext, in dem sie ausgeführt werden, nicht länger nützlich sind.Models go stale over time, and not remain useful in the context it is running in. Eine Möglichkeit zum Feststellen, ob es an der Zeit ist, das Modell erneut zu trainieren, ist das Erkennen von Datendrift.One way to tell if it's time to retrain the model is detecting data drift.

In diesem Beispiel wird gezeigt, wie Event Grid mit einer Azure-Logik-App verwendet werden kann, um ein erneute Trainieren auszulösen.This example shows how to use event grid with an Azure Logic App to trigger retraining. Im Beispiel wird eine Azure Data Factory-Pipeline ausgelöst, wenn Datendrift zwischen dem Trainings- und dem Nutzungsdataset eines Modells auftritt.The example triggers an Azure Data Factory pipeline when data drift occurs between a model's training and serving datasets.

Führen Sie zur Vorbereitung zunächst die folgenden Aktionen aus:Before you begin, perform the following actions:

In diesem Beispiel wird eine einfache Data Factory-Pipeline verwendet, um Dateien in einen Blobspeicher zu kopieren und eine veröffentlichte Machine Learning-Pipeline auszuführen.In this example, a simple Data Factory pipeline is used to copy files into a blob store and run a published Machine Learning pipeline. Weitere Informationen zu diesem Szenario finden Sie unter Ausführen von Azure Machine Learning Service-Pipelines in Azure Data Factory-Pipelines.For more information on this scenario, see how to set up a Machine Learning step in Azure Data Factory

Screenshot: Pipeline „Training Pipeline“ in „Factory Resources“ (Factory-Ressourcen), bei der „Copy data1“ Daten an „ML Execute Pipeline1“ sendet

  1. Beginnen Sie mit dem Erstellen der Logik-App.Start with creating the logic app. Wechseln Sie zum Azure-Portal, suchen Sie nach „Logik-Apps“, und wählen Sie „Erstellen“ aus.Go to the Azure portal, search for Logic Apps, and select create.

    search-logic-app

  2. Geben Sie die erforderlichen Informationen ein.Fill in the requested information. Um die Umgebung zu vereinfachen, verwenden Sie dasselbe Abonnement und dieselbe Ressourcengruppe wie Ihre Azure Data Factory-Pipeline und Ihr Azure Machine Learning-Arbeitsbereich.To simplify the experience, use the same subscription and resource group as your Azure Data Factory Pipeline and Azure Machine Learning workspace.

    Screenshot: Bereich „Erstellen“ für Logik-Apps

  3. Nachdem Sie die Logik-App erstellt haben, wählen Sie Bei Auftreten eines Event Grid-Ressourcenereignisses aus.Once you have created the logic app, select When an Event Grid resource event occurs.

    Screenshot: Designer für Logik-Apps mit Optionen für „Starten Sie mit einem gängigen Trigger“ einschließlich „Bei Auftreten eines Event Grid-Ressourcenereignisses“

  4. Melden Sie sich an, und geben Sie die Details für das Ereignis ein.Login and fill in the details for the event. Legen Sie Ressourcenname auf den Namen des Arbeitsbereichs fest.Set the Resource Name to the workspace name. Legen Sie Ereignistyp auf DatasetDriftDetected fest.Set the Event Type to DatasetDriftDetected.

    Screenshot: Dialogfeld „When a resource event occurs“ (Bei Auftreten eines Ressourcenereignisses) mit ausgewähltem Ereignistypelement

  5. Fügen Sie einen neuen Schritt hinzu, und suchen Sie nach Azure Data Factory.Add a new step, and search for Azure Data Factory. Wählen Sie Pipelineausführung erstellen aus.Select Create a pipeline run.

    Screenshot: Bereich „Aktion auswählen“ mit ausgewählter Option „Create a pipeline run“ (Pipelineausführung erstellen)

  6. Melden Sie sich an, und geben die veröffentlichte Azure Data Factory-Pipeline an, die ausgeführt werden soll.Login and specify the published Azure Data Factory pipeline to run.

    Screenshot: Bereich „Create a pipeline run“ (Pipelineausführung erstellen) mit verschiedenen Werten

  7. Speichern und erstellen Sie die Logik-App über die Speichern -Schaltfläche oben links auf der Seite.Save and create the logic app using the save button on the top left of the page. Um Ihre App anzuzeigen, wechseln Sie in Ihrem Arbeitsbereich in das Azure-Portal, und klicken Sie auf Ereignisse.To view your app, go to your workspace in the Azure portal and click on Events.

    Screenshot: Ereignisse mit hervorgehobener Logik-App

Ab jetzt wird die Data Factory-Pipeline ausgelöst, wenn eine Datendrift auftritt.Now the data factory pipeline is triggered when drift occurs. Die Details zu Ihrer Datendriftausführung und Machine Learning-Pipeline werden im neuen Arbeitsbereichsportal angezeigt.View details on your data drift run and machine learning pipeline on the new workspace portal.

Screenshot: Pipelineendpunkte

Beispiel: Bereitstellen eines Modells auf der Grundlage von TagsExample: Deploy a model based on tags

Ein Azure Machine Learning-Modellobjekt enthält Parameter, über die Sie Bereitstellungen abwickeln können, so z. B. Modellname, Version, Tag und Eigenschaft.An Azure Machine Learning model object contains parameters you can pivot deployments on such as model name, version, tag, and property. Das Modellregistrierungsereignis kann einen Endpunkt auslösen, und Sie können eine Azure-Funktion verwenden, um ein Modell entsprechend den Werten dieser Parameter bereitzustellen.The model registration event can trigger an endpoint and you can use an Azure Function to deploy a model based on the value of those parameters.

Ein Beispiel finden Sie im Repository unter https://github.com/Azure-Samples/MachineLearningSamples-NoCodeDeploymentTriggeredByEventGrid. Führen Sie die Schritte aus, die in der README -Datei angegeben sind.For an example, see the https://github.com/Azure-Samples/MachineLearningSamples-NoCodeDeploymentTriggeredByEventGrid repository and follow the steps in the readme file.

Nächste SchritteNext steps

Erfahren Sie mehr über Event Grid, und probieren Sie Azure Machine Learning-Ereignisse aus:Learn more about Event Grid and give Azure Machine Learning events a try: