AzureMLTokenAuthentication Klass
Hanterar autentiserings- och åtkomsttoken i kontexten för skickade körningar.
Azure Machine Learning-token genereras när en körning skickas och är endast tillgänglig för koden som skickade körningen. Klassen AzureMLTokenAuthentication kan bara användas i kontexten för den skickade körningen. Den returnerade token kan inte användas mot azure Resource Manager-åtgärder (ARM) som etableringsberäkning. Azure Machine Learning-token är användbar vid fjärrkörning av ett program där det kan vara osäkert att använda en användares privata autentiseringsuppgifter.
Auktorisera användare med deras Azure ML-token.
Azure ML-token genereras när en körning skickas och är endast tillgänglig för den kod som skickas. Klassen kan bara användas i kontexten för den skickade körningen. Token kan inte användas mot arm-åtgärder som etableringsberäkning. Azure ML-token är användbar när du kör ett program via fjärranslutning där det kan vara osäkert att använda användarens privata autentiseringsuppgifter. Konsumenten av den här klassen ska anropa klassmetoden create som skapar ett nytt objekt eller returnerar en registrerad instans med samma run_scope (subscription_id, resource_group_name, workspace_name, experiment_name, run_id) som tillhandahålls.
- Arv
-
AzureMLTokenAuthentication
Konstruktor
AzureMLTokenAuthentication(azureml_access_token, expiry_time=None, host=None, subscription_id=None, resource_group_name=None, workspace_name=None, experiment_name=None, run_id=None, user_email=None, experiment_id=None, cloud='AzureCloud')
Parametrar
- azureml_access_token
- str
Azure ML-token genereras när en körning skickas och är endast tillgänglig för den kod som skickas.
- host
- str
- experiment_id
- str
Experiment-ID:t. Om den tillhandahålls ignoreras experiment_name
- cloud
- str
Namnet på målmolnet. Kan vara en av "AzureCloud", "AzureChinaCloud" eller "AzureUSGovernment". Om inget moln anges används "AzureCloud".
- azureml_access_token
- str
Azure ML-token genereras när en körning skickas och är endast tillgänglig för den kod som skickas.
- expiry_time
- <xref:datetime.Datetime>
Förfallotid för Azure ML-token.
- host
- str
- cloud
- str
Namnet på målmolnet. Kan vara en av "AzureCloud", "AzureChinaCloud" eller "AzureUSGovernment". Om inget moln anges används "AzureCloud".
Kommentarer
Användare av den här klassen ska anropa klassmetoden create, som skapar ett nytt objekt eller returnerar en registrerad instans med samma run_scope (subscription_id
, , resource_group_name
workspace_name
, experiment_name
, run_id
) som tillhandahålls.
Metoder
create |
Skapa ett AzureMLTokenAuthentication-objekt eller returnera en registrerad instans med samma run_scope. |
get_authentication_header |
Returnera HTTP-auktoriseringshuvudet. Auktoriseringshuvudet innehåller användaråtkomsttoken för åtkomstauktorisering mot tjänsten. |
set_token |
Uppdatera Azure ML-åtkomsttoken. |
create
Skapa ett AzureMLTokenAuthentication-objekt eller returnera en registrerad instans med samma run_scope.
create(azureml_access_token, expiry_time, host, subscription_id, resource_group_name, workspace_name, experiment_name, run_id, user_email=None, experiment_id=None)
Parametrar
- cls
Anger klassmetod.
- azureml_access_token
- str
Azure ML-token genereras när en körning skickas och är endast tillgänglig för den kod som skickas.
- host
- str
- experiment_id
- str
Experiment-ID:t. Om den tillhandahålls ignoreras experiment_name
get_authentication_header
Returnera HTTP-auktoriseringshuvudet.
Auktoriseringshuvudet innehåller användaråtkomsttoken för åtkomstauktorisering mot tjänsten.
get_authentication_header()
Returer
Returnerar HTTP-auktoriseringshuvudet.
Returtyp
set_token
Uppdatera Azure ML-åtkomsttoken.
set_token(token, expiry_time)
Parametrar
Attribut
expiry_time
token
EXPIRATION_THRESHOLD_IN_SECONDS
Sekunder före förfallodatum startar uppdateringsprocessen.
EXPIRATION_THRESHOLD_IN_SECONDS = 95
REFRESH_INTERVAL_IN_SECONDS
Sekunder innan ett återförsök överskrider tidsgränsen.
REFRESH_INTERVAL_IN_SECONDS = 30
Feedback
https://aka.ms/ContentUserFeedback.
Kommer snart: Under hela 2024 kommer vi att fasa ut GitHub-problem som feedbackmekanism för innehåll och ersätta det med ett nytt feedbacksystem. Mer information finns i:Skicka och visa feedback för