Aktivera loggning för Machine Learning Studio-webbtjänster (klassiska)

  • Artikel

GÄLLER FÖR:Gäller för. Machine Learning Studio (klassisk) Gäller inte för.Azure Machine Learning

Viktigt

Stödet för Machine Learning Studio (klassisk) upphör den 31 augusti 2024. Vi rekommenderar att du byter till Azure Machine Learning innan dess.

Från och med den 1 december 2021 kan du inte längre skapa nya Machine Learning Studio-resurser (klassisk). Du kan fortsätta att använda befintliga Machine Learning Studio-resurser (klassisk) till och med den 31 augusti 2024.

Dokumentationen om ML Studio (klassisk) håller på att dras tillbaka och kanske inte uppdateras i framtiden.

Det här dokumentet innehåller information om loggningsfunktionen för Machine Learning Studio-webbtjänster (klassiska). Loggning ger ytterligare information, utöver bara ett felnummer och ett meddelande, som kan hjälpa dig att felsöka dina anrop till Machine Learning Studio(klassiska) API:er.

Aktivera loggning för en webbtjänst

Du aktiverar loggning från Machine Learning Studio-portalen (klassiska) Web Services .

  1. Logga in på Machine Learning Studio(klassisk) Web Services-portalen på https://services.azureml.net. För en klassisk webbtjänst kan du också komma till portalen genom att klicka på Ny webbtjänstupplevelse på sidan Machine Learning Studio (klassiska) webbtjänster i Studio (klassisk).

    Ny webbtjänstupplevelselänk

  2. Klicka på Webbtjänster för en ny webbtjänst på den översta menyraden eller klicka på Klassiska webbtjänster för en klassisk webbtjänst.

    Välj Nya eller klassiska webbtjänster

  3. Klicka på webbtjänstnamnet för en ny webbtjänst. För en klassisk webbtjänst klickar du på webbtjänstnamnet och klickar sedan på lämplig slutpunkt på nästa sida.

  4. Klicka på Konfigurera på den översta menyraden.

  5. Ange alternativet Aktivera loggning till Fel (om du bara vill logga fel) eller Alla (för fullständig loggning).

    Välj loggningsnivå

  6. Klicka på Spara.

  7. Skapa containern ml-diagnostics för klassiska webbtjänster.

    Alla webbtjänstloggar sparas i en blobcontainer med namnet ml-diagnostics i det lagringskonto som är associerat med webbtjänsten. För Nya webbtjänster skapas den här containern första gången du kommer åt webbtjänsten. För klassiska webbtjänster måste du skapa containern om den inte redan finns.

    1. I Azure Portal går du till det lagringskonto som är associerat med webbtjänsten.

    2. Under Blob Service klickar du på Containrar.

    3. Om containern ml-diagnostics inte finns klickar du på +Container, ger containern namnet "ml-diagnostics" och väljer Åtkomsttyp som "Blob". Klicka på OK.

      Skapa en ny container för att lagra dina diagnostikloggar

Tips

För en klassisk webbtjänst har instrumentpanelen för webbtjänster i Machine Learning Studio (klassisk) också en växel för att aktivera loggning. Men eftersom loggning nu hanteras via webbtjänstportalen måste du aktivera loggning via portalen enligt beskrivningen i den här artikeln. Om du redan har aktiverat loggning i Studio (klassisk) inaktiverar du loggning och aktiverar den igen i Webbtjänstportalen.

Effekterna av att aktivera loggning

När loggning är aktiverat loggas diagnostiken och felen från webbtjänstslutpunkten i blobcontainern ml-diagnostics i Azure Storage-kontot som är länkat till användarens arbetsyta. Den här containern innehåller all diagnostikinformation för alla webbtjänstslutpunkter för alla arbetsytor som är associerade med det här lagringskontot.

Loggarna kan visas med något av de flera verktyg som är tillgängliga för att utforska ett Azure Storage-konto. Det enklaste kan vara att navigera till lagringskontot i Azure Portal, klicka på Containrar och sedan klicka på containern ml-diagnostics.

Information om loggblobinformation

Varje blob i containern innehåller diagnostikinformationen för exakt en av följande åtgärder:

  • En körning av metoden Batch-Execution
  • En körning av metoden Request-Response
  • Initiering av en Request-Response container

Namnet på varje blob har ett prefix för följande formulär:

{Workspace Id}-{Web service Id}-{Endpoint Id}/{Log type}

Där loggtyp är ett av följande värden:

  • batch
  • poäng/begäranden
  • poäng/init