AdlaCompute Klasse
Verwaltet ein Azure Data Lake Analytics-Computeziel in Azure Machine Learning.
Azure Data Lake Analytics ist eine umfangreiche Datenanalyseplattform in der Azure-Cloud. Sie kann in Azure Machine Learning-Pipelines als Computeziel verwendet werden. Weitere Informationen finden Sie unter Was sind Computeziele in Azure Machine Learning?.
ComputeTarget-Konstruktor der Klasse.
Rufen Sie eine Clouddarstellung eines Compute-Objekts ab, das dem bereitgestellten Arbeitsbereich zugeordnet ist. Gibt einen instance einer untergeordneten Klasse zurück, die dem spezifischen Typ des abgerufenen Compute-Objekts entspricht.
- Vererbung
-
AdlaCompute
Konstruktor
AdlaCompute(workspace, name)
Parameter
- workspace
- Workspace
Das Arbeitsbereichsobjekt, das das abzurufende AdlaCompute-Objekt enthält.
Hinweise
Erstellen Sie vor der Verwendung ein Azure Data Lake Analytics-Konto. Informationen zur Erstellung finden Sie unter Erste Schritte mit Azure Data Lake Analytics.
Im folgenden Beispiel wird ein ADLA-Konto mithilfe der attach_configuration-Methode an einen Arbeitsbereich angefügt.
adla_compute_name = 'testadl' # Name to associate with new compute in workspace
# ADLA account details needed to attach as compute to workspace
adla_account_name = "<adla_account_name>" # Name of the Azure Data Lake Analytics account
adla_resource_group = "<adla_resource_group>" # Name of the resource group which contains this account
try:
# check if already attached
adla_compute = AdlaCompute(ws, adla_compute_name)
except ComputeTargetException:
print('attaching adla compute...')
attach_config = AdlaCompute.attach_configuration(resource_group=adla_resource_group, account_name=adla_account_name)
adla_compute = ComputeTarget.attach(ws, adla_compute_name, attach_config)
adla_compute.wait_for_completion()
print("Using ADLA compute:{}".format(adla_compute.cluster_resource_id))
print("Provisioning state:{}".format(adla_compute.provisioning_state))
print("Provisioning errors:{}".format(adla_compute.provisioning_errors))
Das vollständige Beispiel finden Sie unter https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-use-adla-as-compute-target.ipynb
Methoden
attach |
VERALTET. Verwenden Sie stattdessen die Ordnet dem bereitgestellten Arbeitsbereich eine vorhandene Azure Data Lake Analytics-Computeressource zu. |
attach_configuration |
Erstellt ein Konfigurationsobjekt zum Anfügen eines Azure Data Lake Analytics-Computeziels. |
delete |
Entfernt das AdlaCompute-Objekt aus dem zugeordneten Arbeitsbereich. Wenn dieses Objekt über Azure Machine Learning erstellt wurde, werden auch die entsprechenden cloudbasierten Objekte gelöscht. Wenn dieses Objekt extern erstellt und nur an den Arbeitsbereich angefügt wurde, wird eine ComputeTargetException ausgelöst, und es wird nichts geändert. |
deserialize |
Konvertiert ein JSON-Objekt in ein AdlaCompute-Objekt. |
detach |
Trennt das AdlaCompute-Objekt vom zugeordneten Arbeitsbereich. Zugrunde liegende Cloudobjekte werden nicht gelöscht, nur die Zuordnung wird entfernt. |
refresh_state |
Direktes Aktualisieren der Eigenschaften des Objekts. Mit dieser Methode werden die Eigenschaften basierend auf dem aktuellen Zustand des entsprechenden Cloud-Objekts aktualisiert. Sie wird in erster Linie für den manuellen Abruf des Computezustands verwendet. |
serialize |
Konvertiert dieses AdlaCompute-Objekt in ein serialisiertes JSON-Wörterbuch. |
attach
VERALTET. Verwenden Sie stattdessen die attach_configuration
-Methode.
Ordnet dem bereitgestellten Arbeitsbereich eine vorhandene Azure Data Lake Analytics-Computeressource zu.
static attach(workspace, name, resource_id)
Parameter
- workspace
- Workspace
Das Arbeitsbereichsobjekt, dem die Computeressource zugeordnet werden soll.
- name
- str
Name, der der Computeressource innerhalb des bereitgestellten Arbeitsbereichs zugeordnet werden soll. Muss nicht mit dem Namen der anzufügenden Computeressource übereinstimmen.
Gibt zurück
Eine AdlaCompute-Objektdarstellung des Computeobjekts.
Rückgabetyp
Ausnahmen
attach_configuration
Erstellt ein Konfigurationsobjekt zum Anfügen eines Azure Data Lake Analytics-Computeziels.
static attach_configuration(resource_group=None, account_name=None, resource_id=None)
Parameter
- resource_group
- str
Der Name der Ressourcengruppe, in der sich das Data Lake Analytics-Konto befindet.
Gibt zurück
Ein Konfigurationsobjekt, das beim Anfügen eines Computeobjekts verwendet werden soll.
Rückgabetyp
Ausnahmen
delete
Entfernt das AdlaCompute-Objekt aus dem zugeordneten Arbeitsbereich.
Wenn dieses Objekt über Azure Machine Learning erstellt wurde, werden auch die entsprechenden cloudbasierten Objekte gelöscht. Wenn dieses Objekt extern erstellt und nur an den Arbeitsbereich angefügt wurde, wird eine ComputeTargetException ausgelöst, und es wird nichts geändert.
delete()
Ausnahmen
deserialize
Konvertiert ein JSON-Objekt in ein AdlaCompute-Objekt.
static deserialize(workspace, object_dict)
Parameter
- workspace
- Workspace
Das Arbeitsbereichsobjekt, dem das AdlaCompute-Objekt zugeordnet ist.
- object_dict
- dict
Ein JSON-Objekt, das in ein AdlaCompute-Objekt konvertiert werden soll.
Gibt zurück
Die AdlaCompute-Darstellung des bereitgestellten JSON-Objekts.
Rückgabetyp
Ausnahmen
Hinweise
Wenn der bereitgestellte Arbeitsbereich nicht der Arbeitsbereich ist, dem das Compute-Objekt zugeordnet ist, wird ComputeTargetException ausgelöst.
detach
Trennt das AdlaCompute-Objekt vom zugeordneten Arbeitsbereich.
Zugrunde liegende Cloudobjekte werden nicht gelöscht, nur die Zuordnung wird entfernt.
detach()
Ausnahmen
refresh_state
Direktes Aktualisieren der Eigenschaften des Objekts.
Mit dieser Methode werden die Eigenschaften basierend auf dem aktuellen Zustand des entsprechenden Cloud-Objekts aktualisiert. Sie wird in erster Linie für den manuellen Abruf des Computezustands verwendet.
refresh_state()
Ausnahmen
serialize
Konvertiert dieses AdlaCompute-Objekt in ein serialisiertes JSON-Wörterbuch.
serialize()
Gibt zurück
Die JSON-Darstellung dieses AdlaCompute-Objekts.
Rückgabetyp
Ausnahmen
Feedback
https://aka.ms/ContentUserFeedback.
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Issues stufenweise als Feedbackmechanismus für Inhalte abbauen und durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unterFeedback senden und anzeigen für