共用方式為

databricks_step 模組

  • 參考

包含在 DBFS 上建立 Azure ML 管線步驟以執行 Databricks 筆記本或 Python 腳本的功能。

類別

DatabricksStep

建立 Azure ML 管線步驟，以將 DataBricks 筆記本、Python 腳本或 JAR 新增為節點。

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

建立 Azure ML 管線步驟，以將 DataBricks 筆記本、Python 腳本或 JAR 新增為節點。

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

:p aram python_script_name：[必要] 相對於 的 Python 腳本 source_directory 名稱。 如果腳本接受輸入和輸出，這些會以參數的形式傳遞至腳本。 如果 python_script_name 已指定 ，則 source_directory 也必須指定 。

指定 、、 python_script_name 或 main_class_name 的 notebook_pathpython_script_path 其中一個 。

如果您將 DataReference 物件指定為 輸入，且具有 data_reference_name=input1 和 PipelineData 物件做為輸出 名稱=output1，則輸入和輸出會以參數的形式傳遞至腳本。 這是它們的外觀，您必須剖析腳本中的引數，以存取每個輸入和輸出的路徑： 「-input1」、「wasbs:///test」，「-output1」、「wasbs:// test@storagename.blob.core.windows.nettest@storagename.blob.core.windows.net /b3e26de1-87a4-494d-a20f-1988d2b81a2/output1」

此外，腳本中也會提供下列參數：

  • AZUREML_RUN_TOKEN：使用 Azure Machine Learning 進行驗證的 AML 權杖。
  • AZUREML_RUN_TOKEN_EXPIRY：AML 權杖到期時間。
  • AZUREML_RUN_ID：此回合的 Azure Machine Learning 執行識別碼。
  • AZUREML_ARM_SUBSCRIPTION：AML 工作區的 Azure 訂用帳戶。
  • AZUREML_ARM_RESOURCEGROUP：適用于 Azure Machine Learning 工作區的 Azure 資源群組。
  • AZUREML_ARM_WORKSPACE_NAME：Azure Machine Learning 工作區的名稱。
  • AZUREML_ARM_PROJECT_NAME：Azure Machine Learning 實驗的名稱。
  • AZUREML_SERVICE_ENDPOINT：AML 服務的端點 URL。
  • AZUREML_WORKSPACE_ID：Azure Machine Learning 工作區的識別碼。
  • AZUREML_EXPERIMENT_ID：Azure Machine Learning 實驗的識別碼。
  • AZUREML_SCRIPT_DIRECTORY_NAME：已複製source_directory之 DBFS 中的目錄路徑。
  (This parameter is only populated when `python_script_name` is used.  See more details below.)

當您使用 DatabricksStep 參數 source_directory 從 python_script_name Databricks 上的本機電腦上執行 Python 腳本時，您的source_directory會複製到 DBFS，而 DBFS 上的目錄路徑會在腳本開始執行時當做參數傳遞至腳本。 此參數會標示為 –AZUREML_SCRIPT_DIRECTORY_NAME。 您必須以字串 「dbfs：/」 作為前置詞或 「/dbfs/」 可存取 DBFS 中的目錄。