Compartir vía


Azure Machine Learning como origen de Event Grid

En este artículo se proporcionan las propiedades y los eventos del área de trabajo de aprendizaje automático. Para una introducción a los esquemas de eventos, consulte Esquema de eventos de Azure Event Grid.

Tipos de eventos disponibles

Azure Machine Learning emite los tipos de eventos siguientes:

Tipo de evento Descripción
Microsoft.MachineLearningServices.ModelRegistered Se genera cuando se ha registrado correctamente un modelo nuevo o una versión de modelo nueva.
Microsoft.MachineLearningServices.ModelDeployed Se genera cuando los modelos se han implementado correctamente en un punto de conexión.
Microsoft.MachineLearningServices.RunCompleted Se genera cuando una ejecución se ha completado correctamente.
Microsoft.MachineLearningServices.DatasetDriftDetected Se genera cuando un monitor de desfase de datos detecta el desfase.
Microsoft.MachineLearningServices.RunStatusChanged Se genera cuando el estado de ejecución cambia.

Eventos de ejemplo

Cuando se desencadena un evento, el servicio Event Grid envía datos sobre ese evento al punto de conexión correspondiente. Esta sección contiene un ejemplo del aspecto que deben tener los datos para cada evento.

Evento Microsoft.MachineLearningServices.ModelRegistered

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "models/sklearn_regression_model:20",
  "type": "Microsoft.MachineLearningServices.ModelRegistered",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "ModelName": "sklearn_regression_model",
    "ModelVersion": 20,
    "ModelTags": {
        "area": "diabetes",
        "type": "regression"
    },
    "ModelProperties": {
        "type": "test"
    }
  },
  "specversion": "1.0"
}]

Evento Microsoft.MachineLearningServices.ModelDeployed

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "endpoints/my-sklearn-service",
  "type": "Microsoft.MachineLearningServices.ModelDeployed",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "ServiceName": "my-sklearn-service",
    "ServiceComputeType": "ACI",
    "ModelIds": "sklearn_regression_model:1,sklearn_regression_model:2",
    "ServiceTags": {
        "area": "diabetes",
        "type": "regression"
    },
    "ServiceProperties": {
        "type": "test"
    }
  },
  "specversion": "1.0"
}]

Evento Microsoft.MachineLearningServices.RunCompleted

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "experiments/0fa9dfaa-cba3-4fa7-b590-23e48548f5c1/runs/AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
  "type": "Microsoft.MachineLearningServices.RunCompleted",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "experimentId": "0fa9dfaa-cba3-4fa7-b590-23e48548f5c1",
    "experimentName": "automl-local-regression",
    "runId": "AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
    "runType": null,
    "runTags": {},
    "runProperties": {
        "runTemplate": "automl_child",
        "pipeline_id": "5adc0a4fe02504a586f09a4fcbb241f9a4012062",
        "pipeline_spec": "{\"objects\": [{\"class_name\": \"StandardScaler\", \"module\": \"sklearn.preprocessing\", \"param_args\": [], \"param_kwargs\": {\"with_mean\": true, \"with_std\": false}, \"prepared_kwargs\": {}, \"spec_class\": \"preproc\"}, {\"class_name\": \"LassoLars\", \"module\": \"sklearn.linear_model\", \"param_args\": [], \"param_kwargs\": {\"alpha\": 0.001, \"normalize\": true}, \"prepared_kwargs\": {}, \"spec_class\": \"sklearn\"}], \"pipeline_id\": \"5adc0a4fe02504a586f09a4fcbb241f9a4012062\"}",
        "training_percent": "100",
        "predicted_cost": "0.062226144097381045",
        "iteration": "5",
        "run_template": "automl_child",
        "run_preprocessor": "StandardScalerWrapper",
        "run_algorithm": "LassoLars",
        "conda_env_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/conda_env_v_1_0_0.yml",
        "model_name": "AutoMLad912b2d65",
        "scoring_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/scoring_file_v_1_0_0.py",
        "model_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/model.pkl"
    }
  },
  "specversion": "1.0"
}]

Evento Microsoft.MachineLearningServices.DatasetDriftDetected

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "datadrifts/{}/runs/{}",
  "type": "Microsoft.MachineLearningServices.DatasetDriftDetected",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "DataDriftId": "01d29aa4-e6a4-470a-9ef3-66660d21f8ef",
    "DataDriftName": "myDriftMonitor",
    "RunId": "01d29aa4-e6a4-470a-9ef3-66660d21f8ef_1571590300380",
    "BaseDatasetId": "3c56d136-0f64-4657-a0e8-5162089a88a3",
    "TargetDatasetId": "d7e74d2e-c972-4266-b5fb-6c9c182d2a74",
    "DriftCoefficient": 0.83503490684792081,
    "StartTime": "2019-07-04T00:00:00+00:00",
    "EndTime": "2019-07-05T00:00:00+00:00"
  },
  "specversion": "1.0"
}]

Evento Microsoft.MachineLearningServices.RunStatusChanged

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "experiments/0fa9dfaa-cba3-4fa7-b590-23e48548f5c1/runs/AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
  "type": "Microsoft.MachineLearningServices.RunStatusChanged",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "experimentId": "0fa9dfaa-cba3-4fa7-b590-23e48548f5c1",
    "experimentName": "automl-local-regression",
    "runId": "AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
    "runType": null,
    "runTags": {},
    "runProperties": {
        "runTemplate": "automl_child",
        "pipeline_id": "5adc0a4fe02504a586f09a4fcbb241f9a4012062",
        "pipeline_spec": "{\"objects\": [{\"class_name\": \"StandardScaler\", \"module\": \"sklearn.preprocessing\", \"param_args\": [], \"param_kwargs\": {\"with_mean\": true, \"with_std\": false}, \"prepared_kwargs\": {}, \"spec_class\": \"preproc\"}, {\"class_name\": \"LassoLars\", \"module\": \"sklearn.linear_model\", \"param_args\": [], \"param_kwargs\": {\"alpha\": 0.001, \"normalize\": true}, \"prepared_kwargs\": {}, \"spec_class\": \"sklearn\"}], \"pipeline_id\": \"5adc0a4fe02504a586f09a4fcbb241f9a4012062\"}",
        "training_percent": "100",
        "predicted_cost": "0.062226144097381045",
        "iteration": "5",
        "run_template": "automl_child",
        "run_preprocessor": "StandardScalerWrapper",
        "run_algorithm": "LassoLars",
        "conda_env_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/conda_env_v_1_0_0.yml",
        "model_name": "AutoMLad912b2d65",
        "scoring_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/scoring_file_v_1_0_0.py",
        "model_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/model.pkl"
    },
   "runStatus": "failed"
   },
  "specversion": "1.0"
}]

Propiedades de evento

Un evento tiene los siguientes datos de nivel superior:

Propiedad Tipo Description
source string Ruta de acceso completa a los recursos del origen del evento. En este campo no se puede escribir. Event Grid proporciona este valor.
subject string Ruta al asunto del evento definida por el anunciante.
type string Uno de los tipos de eventos registrados para este origen de eventos.
time string La hora de generación del evento en función de la hora UTC del proveedor.
id string Identificador único para el evento
data object Datos de eventos de Blob Storage.
specversion string Versión de especificación del esquema CloudEvents.

El objeto de datos tiene las siguientes propiedades para cada tipo de evento:

Microsoft.MachineLearningServices.ModelRegistered

Propiedad Tipo Description
ModelName string Nombre del modelo que se ha registrado.
ModelVersion string Versión del modelo que se ha registrado.
ModelTags object Etiquetas del modelo que se ha registrado.
ModelProperties object Propiedades del modelo que se ha registrado.

Microsoft.MachineLearningServices.ModelDeployed

Propiedad Tipo Description
ServiceName string Nombre del servicio implementado.
ServiceComputeType string Tipo de proceso (por ejemplo, ACI, AKS) del servicio implementado.
ModelIds string Lista de identificadores de modelo separados por comas. Identificadores de los modelos implementados en el servicio.
ServiceTags object Etiquetas del servicio implementado.
ServiceProperties object Propiedades del servicio implementado.

Microsoft.MachineLearningServices.RunCompleted

Propiedad Tipo Description
experimentId string Identificador del experimento al que pertenece la ejecución.
experimentName string Nombre del experimento al que pertenece la ejecución.
runId string Identificador de la ejecución que se ha completado.
runType string Tipo de ejecución de la ejecución completada.
runTags object Etiquetas de la ejecución completada.
runProperties object Propiedades de la ejecución completada.

Microsoft.MachineLearningServices.DatasetDriftDetected

Propiedad Tipo Description
DataDriftId string Identificador del monitor de desfase de datos que ha desencadenado el evento.
DataDriftName string Nombre del monitor de desfase de datos que ha desencadenado el evento.
RunId string Identificador de la ejecución que ha detectado el desfase de datos.
BaseDatasetId string Identificador del conjunto de datos base que se ha usado para detectar el desfase de datos.
TargetDatasetId string Identificador del conjunto de datos de destino que se ha usado para detectar el desfase de datos.
DriftCoefficient double Resultado del coeficiente que ha desencadenado el evento.
StartTime datetime Hora de inicio de la serie temporal del conjunto de datos de destino que ha dado como resultado la detección del desfase de datos.
EndTime datetime Hora de finalización de la serie temporal del conjunto de datos de destino que ha dado como resultado la detección del desfase de datos.

Microsoft.MachineLearningServices.RunStatusChanged

Propiedad Tipo Description
experimentId string Identificador del experimento al que pertenece la ejecución.
experimentName string Nombre del experimento al que pertenece la ejecución.
runId string Identificador de la ejecución que se ha completado.
runType string Tipo de ejecución de la ejecución completada.
runTags object Etiquetas de la ejecución completada.
runProperties object Propiedades de la ejecución completada.
runStatus string Estado de la ejecución.

Tutoriales y procedimientos

Título Descripción
Consumo de eventos de Azure Machine Learning Información general de la integración de Azure Machine Learning con Event Grid.

Pasos siguientes