AdlaCompute Osztály
Azure Data Lake Analytics számítási célt kezel az Azure Machine Learningben.
Az Azure Data Lake Analytics egy big data-elemzőplatform az Azure-felhőben. Számítási célként használható Azure Machine Learning-folyamatokkal. További információ: Mik azok a számítási célok az Azure Machine Learningben?
ComputeTarget-konstruktor osztály.
Lekérheti a megadott munkaterülethez társított számítási objektum felhőbeli ábrázolását. Egy gyermekosztály egy példányát adja vissza, amely megfelel a lekért Számítási objektum adott típusának.
- Öröklődés
-
AdlaCompute
Konstruktor
AdlaCompute(workspace, name)
Paraméterek
- workspace
- Workspace
A lekérni kívánt AdlaCompute objektumot tartalmazó munkaterület-objektum.
Megjegyzések
A használat előtt hozzon létre egy Azure Data Lake Analytics-fiókot. A létrehozáshoz tekintse meg az Azure Data Lake Analytics használatának első lépéseit ismertető cikket.
Az alábbi példa bemutatja, hogyan csatolhat ADLA-fiókot egy munkaterülethez a attach_configuration metódussal.
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))
A teljes minta a következő forrásból érhető el: 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
Metódusok
attach |
ELAVULT. Használja inkább a Társítson egy meglévő Azure Data Lake Analytics számítási erőforrást a megadott munkaterülethez. |
attach_configuration |
Hozzon létre egy konfigurációs objektumot egy Azure Data Lake Analytics számítási cél csatolásához. |
delete |
Távolítsa el az AdlaCompute objektumot a társított munkaterületről. Ha ezt az objektumot az Azure Machine Learningen keresztül hozták létre, a megfelelő felhőalapú objektumok is törlődnek. Ha ez az objektum külsőleg lett létrehozva, és csak a munkaterülethez van csatolva, akkor az egy értéket hoz létre ComputeTargetException , és semmi sem változik. |
deserialize |
JSON-objektum átalakítása AdlaCompute objektummá. |
detach |
Válassza le az AdlaCompute objektumot a társított munkaterületről. A mögöttes felhőobjektumok nem törlődnek, csak a társítás törlődik. |
refresh_state |
Végezze el az objektum tulajdonságainak helyben történő frissítését. Ez a módszer frissíti a tulajdonságokat a megfelelő felhőobjektum aktuális állapota alapján. Ezt elsősorban a számítási állapot manuális lekérdezésére használják. |
serialize |
Konvertálja ezt az AdlaCompute objektumot JSON szerializált szótárlá. |
attach
ELAVULT. Használja inkább a attach_configuration
metódust.
Társítson egy meglévő Azure Data Lake Analytics számítási erőforrást a megadott munkaterülethez.
static attach(workspace, name, resource_id)
Paraméterek
- name
- str
A megadott munkaterületen belüli számítási erőforráshoz társítandó név. Nem kell megegyeznie a csatolandó számítási erőforrás nevével.
Válaszok
A számítási objektum AdlaCompute objektumábrázolása.
Visszatérési típus
Kivételek
attach_configuration
Hozzon létre egy konfigurációs objektumot egy Azure Data Lake Analytics számítási cél csatolásához.
static attach_configuration(resource_group=None, account_name=None, resource_id=None)
Paraméterek
- resource_group
- str
Annak az erőforráscsoportnak a neve, amelyben az Data Lake Analytics-fiók található.
- resource_id
- str
A csatolt számítási erőforrás Azure-erőforrás-azonosítója.
Válaszok
Számítási objektum csatolásakor használandó konfigurációs objektum.
Visszatérési típus
Kivételek
delete
Távolítsa el az AdlaCompute objektumot a társított munkaterületről.
Ha ezt az objektumot az Azure Machine Learningen keresztül hozták létre, a megfelelő felhőalapú objektumok is törlődnek. Ha ez az objektum külsőleg lett létrehozva, és csak a munkaterülethez van csatolva, akkor az egy értéket hoz létre ComputeTargetException , és semmi sem változik.
delete()
Kivételek
deserialize
JSON-objektum átalakítása AdlaCompute objektummá.
static deserialize(workspace, object_dict)
Paraméterek
Válaszok
A megadott JSON-objektum AdlaCompute-ábrázolása.
Visszatérési típus
Kivételek
Megjegyzések
A értéket ad ComputeTargetException elő, ha a megadott munkaterület nem az a munkaterület, amelyhez a Számítás társítva van.
detach
Válassza le az AdlaCompute objektumot a társított munkaterületről.
A mögöttes felhőobjektumok nem törlődnek, csak a társítás törlődik.
detach()
Kivételek
refresh_state
Végezze el az objektum tulajdonságainak helyben történő frissítését.
Ez a módszer frissíti a tulajdonságokat a megfelelő felhőobjektum aktuális állapota alapján. Ezt elsősorban a számítási állapot manuális lekérdezésére használják.
refresh_state()
Kivételek
serialize
Konvertálja ezt az AdlaCompute objektumot JSON szerializált szótárlá.
serialize()
Válaszok
Az AdlaCompute objektum JSON-ábrázolása.
Visszatérési típus
Kivételek
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: