Come usare la diagnostica dell'area di lavoro
SI APPLICA A: 
Python SDK azure-ai-ml v2 (corrente)
SI APPLICA A:Python SDK azureml v1
Azure Machine Learning offre un'API di diagnostica che può essere usata per identificare i problemi relativi all'area di lavoro. Gli errori restituiti nel report di diagnostica includono informazioni su come risolvere il problema.
È possibile usare la diagnostica dell'area di lavoro da studio di Azure Machine Learning o Python SDK.
Prerequisiti
Prima di seguire la procedura descritta in questo articolo, assicurarsi di disporre dei prerequisiti seguenti:
Un'area di lavoro di Azure Machine Learning. Se non è disponibile, seguire la procedura descritta nell'articolo Avvio rapido: Creare risorse dell'area di lavoro per crearne una.
Per installare Python SDK v2, usare il comando seguente:
pip install azure-ai-ml azure-identityPer aggiornare un'installazione esistente di SDK alla versione più recente, usare il comando seguente:
pip install --upgrade azure-ai-ml azure-identityPer altre informazioni, vedere Installare Python SDK v2 per Azure Machine Learning.
- Un'area di lavoro di Azure Machine Learning. Se non è ancora disponibile, vedere Creare un'area di lavoro.
- Azure Machine Learning SDK v1 per Python.
Diagnostica dallo studio
Dallo studio di Azure Machine Learning è possibile eseguire la diagnostica nell'area di lavoro per controllare la configurazione. Per eseguire la diagnostica, selezionare l'icona "?" nell'angolo superiore destro della pagina. Quindi selezionare Esegui diagnostica dell'area di lavoro.
Dopo l'esecuzione della diagnostica, viene restituito un elenco di eventuali problemi rilevati. Questo elenco include i collegamenti a possibili soluzioni.
Diagnostica da Python
Il frammento di codice seguente illustra come usare la diagnostica dell'area di lavoro da Python.
SI APPLICA A: Python SDK azure-ai-ml v2 (corrente)
from azure.ai.ml import MLClient
from azure.ai.ml.entities import Workspace
from azure.identity import DefaultAzureCredential
subscription_id = '<your-subscription-id>'
resource_group = '<your-resource-group-name>'
workspace = '<your-workspace-name>'
ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group)
resp = ml_client.workspaces.begin_diagnose(workspace).result()
# Inspect the attributes of the response you are interested in
for result in resp.application_insights_results:
print(f"Diagnostic result: {result.code}, {result.level}, {result.message}")
La risposta è un oggetto DiagnoseResponseResultValue che contiene informazioni su eventuali problemi rilevati con l'area di lavoro.
SI APPLICA A:Python SDK azureml v1
from azureml.core import Workspace
ws = Workspace.from_config()
diag_param = {
"value": {
}
}
resp = ws.diagnose_workspace(diag_param)
print(resp)
La risposta è un documento JSON che contiene informazioni su eventuali problemi rilevati con l'area di lavoro. Di seguito è riportata una risposta JSON di esempio:
{
"value": {
"user_defined_route_results": [],
"network_security_rule_results": [],
"resource_lock_results": [],
"dns_resolution_results": [{
"code": "CustomDnsInUse",
"level": "Warning",
"message": "It is detected VNet '/subscriptions/<subscription-id>/resourceGroups/<resource-group-name>/providers/Microsoft.Network/virtualNetworks/<virtual-network-name>' of private endpoint '/subscriptions/<subscription-id>/resourceGroups/<myresourcegroup>/providers/Microsoft.Network/privateEndpoints/<workspace-private-endpoint>' is not using Azure default DNS. You need to configure your DNS server and check https://learn.microsoft.com/azure/machine-learning/how-to-custom-dns to make sure the custom DNS is set up correctly."
}],
"storage_account_results": [],
"key_vault_results": [],
"container_registry_results": [],
"application_insights_results": [],
"other_results": []
}
}
Se non vengono rilevati problemi, viene restituito un documento JSON vuoto.
Per altre informazioni, vedere le informazioni di riferimento sull'area di lavoro.
Per altre informazioni, vedere le informazioni di riferimento su Workspace.diagnose_workspace().