Importar desde la base de datos de SQL Server local

  • Artículo

Importante

El soporte técnico de Machine Learning Studio (clásico) finalizará el 31 de agosto de 2024. Se recomienda realizar la transición a Azure Machine Learning antes de esa fecha.

A partir del 1 de diciembre de 2021 no se podrán crear recursos de Machine Learning Studio (clásico). Hasta el 31 de agosto de 2024, puede seguir usando los recursos de Machine Learning Studio (clásico) existentes.

La documentación de ML Studio (clásico) se está retirando y es posible que no se actualice en el futuro.

En este artículo se describe cómo usar el módulo Importar datos en Machine Learning Studio (clásico) para importar datos de una base de datos SQL Server local en un experimento de aprendizaje automático.

Nota:

Solo se aplica a: Machine Learning Studio (clásico)

Hay módulos para arrastrar y colocar similares en el diseñador de Azure Machine Learning.

Machine Learning puede acceder a una base de datos de SQL Server local si los datos se proporcionan mediante una puerta de enlace Administración de datos Microsoft. Por lo tanto, antes de usar Importar datos, debe cumplir estos requisitos:

Una vez establecida la conexión de puerta de enlace, puede especificar propiedades adicionales, como los nombres de servidor y base de datos, el método de autenticación y una consulta de base de datos.

Instalación de una puerta de enlace de Administración de datos Microsoft

Para acceder a una base de datos SQL Server local en Machine Learning, debe descargar e instalar Microsoft Administración de datos Gateway y, a continuación, registrar la puerta de enlace en Machine Learning Studio (clásico).

Para más información sobre cómo instalar y registrar la puerta de enlace, consulte estos artículos:

Importación de datos desde una base de datos SQL Server local

Después de instalar una puerta de enlace de Administración de datos en un equipo en el que pueda acceder a la base de datos de SQL Server y haber registrado la puerta de enlace en Machine Learning Studio (clásico), debe configurar el módulo Importar datos.

Antes de empezar, deshabilite el bloqueador de elementos emergentes del explorador para el sitio, studio.azureml.net.

Si usa el explorador Google Chrome, debe descargar e instalar uno de los complementos que están disponibles en Google Chrome WebStore: haga clic en Extensión de una aplicación.

Usar el Asistente para importación de datos

El módulo incluye un nuevo asistente para ayudarle a elegir una opción de almacenamiento, seleccionar entre las suscripciones y cuentas existentes y configurar rápidamente todas las opciones.

  1. Agregue el módulo Importación de datos al experimento. Puede encontrar el módulo en Studio (clásico), en la categoría Entrada y salida de datos.

  2. Haga clic en Iniciar el Asistente para importar datos y siga las indicaciones.

  3. Una vez completada la configuración, para copiar realmente los datos en el experimento, haga clic con el botón derecho en el módulo y seleccione Ejecutar seleccionado.

Si necesita editar una conexión de datos existente, el asistente carga todos los detalles de configuración anteriores para que no tenga que volver a empezar desde cero.

Establecer manualmente las propiedades en el módulo Importar datos

  1. Agregue el módulo Importación de datos al experimento. Puede encontrar el módulo en Studio (clásico), en la categoría Entrada y salida de datos.

  2. En Origen de datos, seleccione Local SQL Database.

  3. Establezca las siguientes opciones específicas de la base de SQL Server datos.

    • Puerta de enlace de datos: seleccione la puerta de enlace que ha creado. La puerta de enlace debe estar registrada o no se muestra en la lista.

    • Nombre del servidor de base de datos: escriba el nombre de SQL Server instancia.

    • Nombre de la base de datos: escriba el nombre de la base de datos.

    • Haga clic en Enter values (Escribir valores) de User name and password (Nombre de usuario y contraseña) y escriba sus credenciales de la base de datos. Puede usar la autenticación integrada de Windows o la autenticación de SQL Server según la configuración de SQL Server local.

      Importante

      El administrador de credenciales debe iniciarse desde dentro de la misma red que la SQL Server y el cliente de puerta de enlace. Las credenciales no se pueden pasar entre dominios.

    • Escriba o pegue en Consulta de base de datos SQL instrucción que describe los datos que desea leer. Valide siempre la instrucción SQL y compruebe los resultados de la consulta con antelación, mediante una herramienta como el Explorador de servidores de Visual Studio o SQL Server Data Tools.

    • Si no se espera que el conjunto de datos cambie entre las ejecuciones del experimento, seleccione la opción Usar resultados almacenados en caché. Cuando se selecciona, si no hay ningún otro cambio en los parámetros del módulo, el experimento cargará los datos la primera vez que se ejecute el módulo y, a continuación, usará una versión almacenada en caché del conjunto de datos.

  4. Ejecute el experimento.

Results

A medida que Importar datos carga los datos en Studio (clásico), se puede realizar alguna conversión implícita de tipos, en función de los tipos de datos usados en la base de datos de origen. Para obtener más información sobre los tipos de datos, vea Tipos de datos de módulo.

Cuando haya terminado, haga clic en el conjunto de datos de salida y seleccione Visualizar para ver si los datos se han importado correctamente.

Opcionalmente, puede cambiar el conjunto de datos y sus metadatos mediante las herramientas de Studio (clásico):

  • Use Edit Metadata (Editar metadatos) para cambiar los nombres de columna, para convertir una columna en un tipo de datos diferente, o para indicar qué columnas son etiquetas o características.

  • Use Select Columns in Dataset (Seleccionar columnas de conjunto de datos) para seleccionar un subconjunto de columnas.

  • Use Partition y Sample para separar el conjunto de datos por criterios u obtener las n primeras filas.

Notas técnicas

Esta sección contiene detalles de implementación, sugerencias y respuestas a las preguntas más frecuentes.

Preguntas frecuentes

¿Puedo filtrar los datos mientras se leen desde el origen?

El módulo Importar datos en sí no admite el filtrado a medida que se leen los datos. Se recomienda crear una vista o definir una consulta que genere solo las filas que necesita.

Nota:

Si descubre que ha cargado más datos de los que necesita, puede sobrescribir el conjunto de datos en caché. Para ello, lea un nuevo conjunto de datos y guárdelo con el mismo nombre que los datos más antiguos y más grandes.

¿Por qué aparece el error "Type Decimal is not supported" (No se admite el tipo Decimal)

Al leer datos de una base SQL datos, es posible que encuentre un mensaje de error que informa de un tipo de datos no admitido.

Si los datos que obtiene de la base de datos SQL incluyen tipos de datos que no se admiten en Machine Learning, debe convertir o convertir los decimales en un tipo de datos compatible antes de leer los datos. El motivo es que Importar datos no puede realizar automáticamente ninguna conversión que provocaría una pérdida de precisión.

¿Por qué algunos caracteres no se muestran correctamente?

Machine Learning admite la codificación UTF-8. Si las columnas de cadena de la base de datos usan una codificación diferente, es posible que los caracteres no se importen correctamente.

Una opción para conservar estos caracteres es exportar los datos a un archivo CSV en Azure Storage y usar la opción CSV con codificación para especificar parámetros para delimitadores personalizados, la página de códigos, etc.

He configurado una puerta de Administración de datos en mi servidor local. ¿Puedo compartir la misma puerta de enlace entre áreas de trabajo?

No. Debe crear una puerta de enlace independiente para cada área de trabajo.

Aunque puede configurar varias puertas de enlace de Administración de datos en una sola área de trabajo (por ejemplo, una para desarrollo, pruebas, producción, etc.), una puerta de enlace no se puede compartir entre áreas de trabajo.

He configurado una puerta de enlace de Administración de datos en mi servidor local que uso para Power BI o Azure Data Factory y quiero usar la misma puerta de enlace para Machine Learning

Cada servicio requiere una puerta de enlace de Administración de datos independiente. Si ya tiene una puerta de enlace que se usa para Power BI o Azure Data Factory, debe configurar un servidor independiente e instalar una puerta de enlace para el aprendizaje automático.

No se pueden instalar varias puertas de enlace en un solo servidor.

Quiero poder exportar datos a mi servidor de SQL local. ¿Puedo usar la puerta de enlace con el módulo Exportar datos para escribir datos en mi servidor SQL local?

Actualmente, Machine Learning solo admite la importación de datos. Estamos evaluando si podrá escribir en la base de datos local en el futuro. Mientras tanto, puede usar Azure Data Factory para copiar datos de la nube a la base de datos local.

Tengo un origen de datos que no Microsoft SQL Server (Oracle, Teradata, etc.). ¿Puedo leer los datos de Machine Learning mediante la opción local en el módulo Importar datos?

Actualmente, Machine Learning módulo Importar datos solo admite Microsoft SQL Server.

Como solución alternativa, puede usar Azure Data Factory para copiar los datos locales en el almacenamiento en la nube, como Azure Blob Storage o Azure Database, y luego usar el origen de datos en la nube en el módulo Importar datos.

Parámetros del módulo

Nombre Intervalo Tipo Valor predeterminado Descripción
Origen de datos Lista Origen de datos o receptor Azure Blob Storage El origen de datos puede ser HTTP, FTP, HTTPS anónimo o FTPS, un archivo en Azure BLOB Storage, una tabla de Azure, un Azure SQL Database, una base de datos SQL Server local, una tabla de Hive o un punto de conexión de OData.
Puerta de enlace de datos cualquiera DataGatewayName ninguno Nombre de la puerta de enlace de datos
Nombre del servidor de base de datos cualquiera String ninguno SQL Server local
Nombre de la base de datos cualquiera String ninguno Instancia de base de SQL Server local
Nombre de usuario y contraseña cualquiera SecureString ninguno Nombre de usuario y contraseña
Consulta de base de datos cualquiera StreamReader ninguno Consulta de SQL local

Salidas

Nombre Tipo Descripción
Conjunto de datos de resultados Tabla de datos Conjunto de datos con datos descargados

Excepciones

Excepción Descripción
Error 0027 Se produce una excepción cuando dos objetos tienen que ser del mismo tamaño pero no lo son.
Error 0003 Se produce una excepción si una o varias de las entradas son nulas o están vacías.
Error 0029 Se produce una excepción cuando se pasa un URI no válido.
Error 0030 Se produce una excepción cuando no es posible descargar un archivo.
Error 0002 Se produce una excepción si uno o más parámetros no se pudieron analizar o convertir del tipo especificado al tipo requerido por el método de destino.
Error 0048 Se produce una excepción cuando no es posible abrir un archivo.
Error 0015 Se produce una excepción si se ha producido un error en la conexión de base de datos.
Error 0046 Se produce una excepción si no es posible crear el directorio en la ruta de acceso especificada.
Error 0049 Se produce una excepción cuando no es posible analizar un archivo.

Para obtener una lista de errores específicos de los módulos de Studio (clásico), consulte Machine Learning códigos de error.

Para obtener una lista de excepciones de API, consulte Machine Learning códigos de error de la API REST.

Consulte también

Import Data
Export Data
Importar desde una dirección web mediante HTTP
Importar desde una consulta de Hive
Importación desde Azure SQL Database
Importar desde una tabla de Azure
Importación desde Azure Blob Storage
Importar desde los proveedores de fuentes de distribución de datos