Criar pontos finais para serviços web de Machine Learning Studio (clássicos) implantados
APLICA A:
O Machine Learning Studio (clássico) 
Aprendizagem de Máquinas Azure
Importante
O suporte para o Estúdio de ML (clássico) terminará a 31 de agosto de 2024. Recomendamos a transição para o Azure Machine Learning até essa data.
A partir de 1 de dezembro de 2021, não poderá criar novos recursos do Estúdio de ML (clássico). Até 31 de agosto de 2024, pode continuar a utilizar os recursos existentes do Estúdio de ML (clássico).
- Consulte informações sobre projetos de machine learning em movimento do ML Studio (clássico) para Azure Machine Learning.
- Saiba mais sobre a Azure Machine Learning
A documentação do Estúdio de ML (clássico) está a ser descontinuada e poderá não ser atualizada no futuro.
Depois de implementar um serviço Web, é criado um ponto final predefinido para esse serviço. O ponto final predefinido pode ser chamado através da respetiva chave de API. Pode adicionar mais pontos finais com as suas próprias chaves a partir do portal Serviços Web. Cada ponto final do serviço web é endereçado de forma independente, estrangulado e gerido. Cada ponto final é um URL único com uma chave de autorização que pode distribuir aos seus clientes.
Adicionar pontos finais a um serviço web
Pode adicionar um ponto final a um serviço web utilizando o portal Machine Learning Web Services. Uma vez criado o ponto final, pode consumi-lo através de APIs sincronizados, APIs de lote e folhas de cálculo excel.
Nota
Se tiver adicionado pontos finais adicionais ao serviço web, não poderá eliminar o ponto final predefinido.
- No Machine Learning Studio (clássico), na coluna de navegação à esquerda, clique nos Serviços Web.
- Na parte inferior do painel de instrumentos de serviço web, clique em Gerir pontos finais. O portal Machine Learning Web Services abre para a página ponto final para o serviço web.
- Clique em Novo.
- Digite um nome e descrição para o novo ponto final. Os nomes dos pontos finais devem ter 24 caracteres ou menos de comprimento e devem ser compostos por alfabetos ou números inferiores. Selecione o nível de registo e se os dados da amostra estão ativados. Para obter mais informações sobre o registo, consulte Ative o registo de serviços web machine learning.
Dimensione um serviço web adicionando pontos finais adicionais
Por padrão, cada serviço web publicado está configurado para suportar 20 pedidos simultâneos e pode chegar a 200 pedidos simultâneos. O Machine Learning Studio (clássico) otimiza automaticamente a definição para proporcionar o melhor desempenho para o seu serviço web e o valor do portal é ignorado.
Se pretender ligar para a API com uma carga superior à de um valor de Chamadas Max Concurrent de 200 suporte, deverá criar vários pontos finais no mesmo serviço web. Em seguida, pode distribuir aleatoriamente a sua carga por todos eles.
A escala de um serviço web é uma tarefa comum. Algumas razões para escalar são para suportar mais de 200 pedidos simultâneos, aumentar a disponibilidade através de vários pontos finais, ou fornecer pontos finais separados para o serviço web. Pode aumentar a escala adicionando pontos finais adicionais para o mesmo serviço web através do portal Machine Learning Web Service .
Tenha em mente que usar uma contagem de alta concordância pode ser prejudicial se não estiver a ligar para a API com uma taxa correspondentemente elevada. Você pode ver intervalos esporádicos e/ou picos na latência se colocar uma carga relativamente baixa em uma API configurada para alta carga.
As APIs sincronizadas são normalmente utilizadas em situações em que se deseja uma baixa latência. A latência aqui implica o tempo que a API leva para completar um pedido, e não explica quaisquer atrasos na rede. Digamos que tem uma API com uma latência de 50 ms. Para consumir totalmente a capacidade disponível com ligações simultâneas de nível de aceleração / 20, é necessário chamar a isto API 20 * 1000 / 50 = 400 vezes por segundo. Estendendo-o ainda mais, uma Max Concurrent Calls de 200 permite-lhe ligar para a API 4000 vezes por segundo, assumindo uma latência de 50 ms.