Exportera datakomponent

  • Artikel

I den här artikeln beskrivs en komponent i Azure Machine Learning-designern.

Använd den här komponenten för att spara resultat, mellanliggande data och arbetsdata från dina pipelines till molnlagringsmål.

Den här komponenten stöder export av data till följande molndatatjänster:

  • Azure Blob-container
  • Azure-filresurs
  • Azure Data Lake Storage Gen1
  • Azure Data Lake Storage Gen2
  • Azure SQL-databas

Innan du exporterar dina data måste du först registrera ett datalager på din Azure Machine Learning-arbetsyta. Mer information finns i Åtkomst till data i Azure Storage-tjänster.

Så här konfigurerar du exportera data

  1. Lägg till komponenten Exportera data i pipelinen i designern. Du hittar den här komponenten i kategorin Indata och Utdata .

  2. Anslut Exportera data till komponenten som innehåller de data som du vill exportera.

  3. Välj Exportera data för att öppna fönstret Egenskaper .

  4. För Datalager väljer du ett befintligt datalager i listrutan. Du kan också skapa ett nytt datalager. Kontrollera hur du gör det genom att gå till Access-data i Azure Storage-tjänster.

    Anteckning

    Det går inte att exportera data av en viss datatyp till en SQL-databaskolumn som angetts som en annan datatyp. Måltabellen behöver inte finnas först.

  5. Kryssrutan Regenerate output (Återskapa utdata) avgör om komponenten ska köras för att återskapa utdata vid körning.

    Den är som standard omarkerad, vilket innebär att om komponenten har körts med samma parametrar tidigare återanvänder systemet utdata från den senaste körningen för att minska körningstiden.

    Om den är markerad kör systemet komponenten igen för att återskapa utdata.

  6. Definiera sökvägen i det datalager där data finns. Sökvägen är en relativ sökväg. Ta data/testoutput som exempel, vilket innebär att indata för Exportera data exporteras till data/testoutput i det datalager som du anger i komponentens utdatainställningar .

    Anteckning

    Tomma sökvägar eller URL-sökvägar tillåts inte.

  7. För Filformat väljer du i vilket format data ska lagras.

  8. Skicka pipelinen.

Begränsningar

På grund av åtkomstbegränsningen för datstore tas den bort automatiskt när den distribueras till realtidsslutpunkten om din slutsatsdragningspipeline innehåller komponenten Exportera data .

Nästa steg

Se den uppsättning komponenter som är tillgängliga för Azure Machine Learning.