共用方式為

AdlaStep 類別

  • 參考

建立 Azure ML 管線步驟，以使用 Azure Data Lake Analytics執行 U-SQL 腳本。

如需使用此 AdlaStep 的範例，請參閱筆記本 https://aka.ms/pl-adla 。

建立 Azure ML 管線步驟，以使用 Azure Data Lake Analytics執行 U-SQL 腳本。

繼承
azureml.pipeline.core._adla_step_base._AdlaStepBase
AdlaStep

建構函式

AdlaStep(script_name, name=None, inputs=None, outputs=None, params=None, degree_of_parallelism=None, priority=None, runtime_version=None, compute_target=None, source_directory=None, allow_reuse=True, version=None, hash_paths=None)

參數

名稱 Description
script_name
必要
str

[必要]相對於 的 U-SQL 腳本 source_directory 名稱。
name
str

步驟的名稱。 如果未指定， script_name 則會使用 。

預設值: None
inputs
list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]]

輸入埠系結的清單。

預設值: None
outputs
list[Union[PipelineData, PipelineOutputAbstractDataset, OutputPortBinding]]

輸出埠系結的清單。

預設值: None
params
dict

名稱/值組的字典。

預設值: None
degree_of_parallelism
int

要用於此作業的平行處理原則程度。 這必須大於 0。 如果設定為小於 0，則預設為 1。

預設值: None
priority
int

要用於目前作業的優先順序值。 較低的數位優先順序較高。 根據預設，作業的優先順序為 1000。 您指定的值必須大於 0。

預設值: None
runtime_version
str

Data Lake Analytics 引擎的執行階段版本。

預設值: None
compute_target
AdlaCompute, str

[必要]要用於此作業的 ADLA 計算。

預設值: None
source_directory
str

包含腳本、元件等的資料夾。

預設值: None
allow_reuse
bool

指出當使用相同的設定重新執行時，步驟是否應該重複使用先前的結果。 預設會啟用重複使用。 如果步驟內容 (腳本/相依性) ，以及輸入和參數保持不變，則會重複使用此步驟上一次執行的輸出。 重複使用步驟時，不會提交要計算的作業，則會立即讓任何後續步驟使用上一次執行的結果。 如果您使用 Azure Machine Learning 資料集做為輸入，則重複使用取決於資料集的定義是否已變更，而非基礎資料是否已變更。

預設值: True
version
str

選擇性版本標籤，表示步驟的功能變更。

預設值: None
hash_paths
list

已淘汰：不再需要。

檢查步驟內容的變更時，雜湊的路徑清單。 如果沒有偵測到任何變更，管線將會重複使用先前執行的步驟內容。 根據預設，的內容 source_directory 會雜湊，但 .amlignore 或 .gitignore 中列出的檔案除外。

預設值: None
script_name
必要
str

[必要]相對於 的 U-SQL 腳本 source_directory 名稱。
name
必要
str

步驟的名稱。 如果未指定， script_name 則會使用 。
inputs
必要
list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]]

輸入埠系結的清單
outputs
必要
list[Union[PipelineData, <xref:azureml.pipeline.core.pipeline_output_dataset.PipelineAbstractOutputDataset>, OutputPortBinding]]

輸出埠系結的清單。
params
必要
dict

名稱/值組的字典。
degree_of_parallelism
必要
int

要用於此作業的平行處理原則程度。 這必須大於 0。 如果設定為小於 0，則預設為 1。
priority
必要
int

要用於目前作業的優先順序值。 較低的數位優先順序較高。 根據預設，作業的優先順序為 1000。 您指定的值必須大於 0。
runtime_version
必要
str

Data Lake Analytics 引擎的執行階段版本。
compute_target
必要
AdlaCompute, str

[必要]要用於此作業的 ADLA 計算。
source_directory
必要
str

包含腳本、元件等的資料夾。
allow_reuse
必要
bool

指出當使用相同的設定重新執行時，步驟是否應該重複使用先前的結果。 預設會啟用重複使用。 如果步驟內容 (腳本/相依性) ，以及輸入和參數保持不變，則會重複使用此步驟上一次執行的輸出。 重複使用步驟時，不會提交要計算的作業，則會立即讓任何後續步驟使用上一次執行的結果。 如果您使用 Azure Machine Learning 資料集做為輸入，則重複使用取決於資料集的定義是否已變更，而非基礎資料是否已變更。
version
必要
str

選擇性版本標籤，表示步驟的功能變更。
hash_paths
必要
list

已淘汰：不再需要。

檢查步驟內容的變更時，雜湊的路徑清單。 如果沒有偵測到任何變更，管線將會重複使用先前執行的步驟內容。 根據預設，的內容 source_directory 會雜湊，但 .amlignore 或 .gitignore 中列出的檔案除外。

備註

您可以在腳本中使用 @@name@@ 語法來參考輸入、輸出和參數。

  • 如果 name 是輸入或輸出埠系結的名稱，腳本中任何出現的 @@name@@ ，就會取代為對應埠系結的實際資料路徑。

  • 如果 name 符合 params 聽寫中的任何索引鍵，則任何出現的 @@name@@ 都會取代為聽寫中的對應值。

AdlaStep 僅適用于儲存在Data Lake Analytics帳戶之預設Data Lake Storage中的資料。 如果資料位於非預設儲存體中，請使用 DataTransferStep 將資料複製到預設儲存體。 您可以在Azure 入口網站中開啟您的Data Lake Analytics帳戶，然後流覽至左窗格中 [設定] 底下的 [資料來源] 專案，以尋找預設儲存體。

下列範例示範如何在 Azure Machine Learning 管線中使用 AdlaStep。


   adla_step = AdlaStep(
       name='extract_employee_names',
       script_name='sample_script.usql',
       source_directory=sample_folder,
       inputs=[sample_input],
       outputs=[sample_output],
       compute_target=adla_compute)

完整範例可從 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

方法

create_node

從 AdlaStep 步驟建立節點，並將它新增至指定的圖表。

這個方法不適合直接使用。 使用此步驟具現化管線時，Azure ML 會自動傳遞透過此方法所需的參數，以便將步驟新增至代表工作流程的管線圖形。

create_node

從 AdlaStep 步驟建立節點，並將它新增至指定的圖表。

這個方法不適合直接使用。 使用此步驟具現化管線時，Azure ML 會自動傳遞透過此方法所需的參數，以便將步驟新增至代表工作流程的管線圖形。

create_node(graph, default_datastore, context)

參數

名稱 Description
graph
必要
Graph

繪圖物件。
default_datastore
必要
Union[AbstractAzureStorageDatastore, AzureDataLakeDatastore]

預設資料存放區。
context
必要
<xref:azureml.pipeline.core._GraphContext>

圖形內容。

傳回

類型 Description
Node

節點物件。