AdlaCompute Classe
Gere um destino de computação do Azure Data Lake Analytics no Azure Machine Learning.
O Azure Data Lake Analytics é uma plataforma de análise de macrodados na cloud do Azure. Pode ser utilizado como um destino de computação com pipelines do Azure Machine Learning. Para obter mais informações, veja O que são os destinos de computação no Azure Machine Learning?
Construtor Class ComputeTarget.
Obtenha uma representação na cloud de um objeto de Computação associado à área de trabalho fornecida. Devolve uma instância de uma classe subordinada correspondente ao tipo específico do objeto de Computação obtido.
- Herança
-
AdlaCompute
Construtor
AdlaCompute(workspace, name)
Parâmetros
- workspace
- Workspace
O objeto da área de trabalho que contém o objeto AdlaCompute a obter.
Observações
Crie uma conta do Azure Data Lake Analytics antes de o utilizar. Para criar uma, veja Introdução ao Azure Data Lake Analytics.
O exemplo seguinte mostra como anexar uma conta do ADLA a uma área de trabalho com o attach_configuration método .
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))
O exemplo completo está disponível a partir de 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
Métodos
attach |
PRETERIDO. Em alternativa, utilize o Associe um recurso de computação do Azure Data Lake Analytics existente à área de trabalho fornecida. |
attach_configuration |
Crie um objeto de configuração para anexar um destino de computação do Azure Data Lake Analytics. |
delete |
Remova o objeto AdlaCompute da área de trabalho associada. Se este objeto tiver sido criado através do Azure Machine Learning, os objetos baseados na cloud correspondentes também serão eliminados. Se este objeto tiver sido criado externamente e apenas anexado à área de trabalho, gera um ComputeTargetException e nada é alterado. |
deserialize |
Converta um objeto JSON num objeto AdlaCompute. |
detach |
Desanexe o objeto AdlaCompute da área de trabalho associada. Os objetos de cloud subjacentes não são eliminados, apenas a associação é removida. |
refresh_state |
Efetue uma atualização no local das propriedades do objeto. Este método atualiza as propriedades com base no estado atual do objeto de cloud correspondente. Isto é utilizado principalmente para consultas manuais do estado de computação. |
serialize |
Converta este objeto AdlaCompute num dicionário serializado JSON. |
attach
PRETERIDO. Em alternativa, utilize o attach_configuration
método .
Associe um recurso de computação do Azure Data Lake Analytics existente à área de trabalho fornecida.
static attach(workspace, name, resource_id)
Parâmetros
- workspace
- Workspace
O objeto da área de trabalho ao qual associar o recurso de computação.
- name
- str
O nome a associar ao recurso de computação dentro da área de trabalho fornecida. Não tem de corresponder ao nome do recurso de computação a anexar.
- resource_id
- str
O ID de recurso do Azure para o recurso de computação que está a ser anexado.
Devoluções
Uma representação de objeto AdlaCompute do objeto de computação.
Tipo de retorno
Exceções
attach_configuration
Crie um objeto de configuração para anexar um destino de computação do Azure Data Lake Analytics.
static attach_configuration(resource_group=None, account_name=None, resource_id=None)
Parâmetros
- resource_group
- str
O nome do grupo de recursos no qual a conta Data Lake Analytics está localizada.
- resource_id
- str
O ID de recurso do Azure para o recurso de computação que está a ser anexado.
Devoluções
Um objeto de configuração a ser utilizado ao anexar um objeto de computação.
Tipo de retorno
Exceções
delete
Remova o objeto AdlaCompute da área de trabalho associada.
Se este objeto tiver sido criado através do Azure Machine Learning, os objetos baseados na cloud correspondentes também serão eliminados. Se este objeto tiver sido criado externamente e apenas anexado à área de trabalho, gera um ComputeTargetException e nada é alterado.
delete()
Exceções
deserialize
Converta um objeto JSON num objeto AdlaCompute.
static deserialize(workspace, object_dict)
Parâmetros
- workspace
- Workspace
O objeto da área de trabalho ao que o objeto AdlaCompute está associado.
Devoluções
A representação AdlaCompute do objeto JSON fornecido.
Tipo de retorno
Exceções
Observações
Gera um ComputeTargetException se a área de trabalho fornecida não for a área de trabalho à que a Computação está associada.
detach
Desanexe o objeto AdlaCompute da área de trabalho associada.
Os objetos de cloud subjacentes não são eliminados, apenas a associação é removida.
detach()
Exceções
refresh_state
Efetue uma atualização no local das propriedades do objeto.
Este método atualiza as propriedades com base no estado atual do objeto de cloud correspondente. Isto é utilizado principalmente para consultas manuais do estado de computação.
refresh_state()
Exceções
serialize
Converta este objeto AdlaCompute num dicionário serializado JSON.
serialize()
Devoluções
A representação JSON deste objeto AdlaCompute.
Tipo de retorno
Exceções
Comentários
https://aka.ms/ContentUserFeedback.
Brevemente: Ao longo de 2024, vamos descontinuar progressivamente o GitHub Issues como mecanismo de feedback para conteúdos e substituí-lo por um novo sistema de feedback. Para obter mais informações, veja:Submeter e ver comentários