Sdílet prostřednictvím

Správa webové služby pomocí portálu Webových služeb Machine Learning Studio (Classic)

  • Článek

PLATÍ PRO:Platí pro. Machine Learning Studio (classic) se nevztahuje na.Azure Machine Learning

Důležité

Podpora studia Machine Learning (Classic) skončí 31. srpna 2024. Doporučujeme do tohoto data přejít na službu Azure Machine Learning.

Od 1. prosince 2021 nebude možné vytvářet nové prostředky studia Machine Learning (Classic). Do 31. srpna 2024 můžete pokračovat v používání stávajících prostředků studia Machine Learning (Classic).

Dokumentace ke studiu ML (Classic) se vyřazuje z provozu a v budoucnu se nemusí aktualizovat.

Webové služby Machine Learning Studio (classic) můžete spravovat pomocí portálu Machine Learning Web Services.

Na portálu služby Machine Learning Web Services můžete:

  • Sledujte, jak se webová služba používá.
  • Nakonfigurujte popis, aktualizujte klíče pro webovou službu (pouze nové), aktualizujte klíč účtu úložiště (pouze nový), povolte protokolování a povolte nebo zakažte ukázková data.
  • Odstraňte webovou službu.
  • Vytváření, odstraňování nebo aktualizace fakturačních plánů: Pouze Azure Machine Learning
  • Přidání a odstranění koncových bodů: POUZE ML Studio (classic)

Poznámka

Můžete také spravovat klasické webové služby v nástroji Machine Learning Studio (classic) na kartě Webové služby .

Oprávnění ke správě webových služeb založených na Novém Resource Manageru

Nové webové služby se nasazují jako prostředky Azure. Proto musíte mít správná oprávnění k nasazení a správě nových webových služeb. Pokud chcete nasadit nebo spravovat nové webové služby, musíte mít přiřazenou roli přispěvatele nebo správce předplatného, ke kterému je webová služba nasazená. Pokud do pracovního prostoru strojového učení pozvete jiného uživatele, musíte ho před nasazením nebo správou webových služeb přiřadit k roli přispěvatele nebo správce předplatného.

Pokud uživatel nemá správná oprávnění pro přístup k prostředkům na portálu služby Machine Learning Web Services, při pokusu o nasazení webové služby se zobrazí následující chyba:

Nasazení webové služby se nezdařilo. Tento účet nemá dostatečný přístup k předplatnému Azure, které obsahuje tento pracovní prostor. Aby bylo možné nasadit webovou službu do Azure, musí být stejný účet pozván do pracovního prostoru a musí mít přístup k předplatnému Azure, které tento pracovní prostor obsahuje.

Další informace o vytvoření pracovního prostoru najdete v tématu Vytvoření a sdílení pracovního prostoru Machine Learning Studio (classic).

Další informace o nastavení přístupových oprávnění najdete v tématu Přiřazení rolí Azure pomocí Azure-Portal.

Správa nových webových služeb

Správa nových webových služeb:

  1. Přihlaste se k portálu Machine Learning Web Services pomocí svého účtu Microsoft Azure – použijte účet přidružený k předplatnému Azure.
  2. V nabídce klikněte na Webové služby.

Zobrazí se seznam nasazených webových služeb pro vaše předplatné.

Chcete-li spravovat webovou službu, klepněte na tlačítko Webové služby. Na stránce Webové služby můžete:

  • Kliknutím na webovou službu ji můžete spravovat.
  • Kliknutím na fakturační plán webové služby ji aktualizujte.
  • Odstraňte webovou službu.
  • Zkopírujte webovou službu a nasaďte ji do jiné oblasti.

Když kliknete na webovou službu, otevře se stránka Rychlý start webové služby. Stránka Rychlý start webové služby obsahuje dvě možnosti nabídky, které umožňují spravovat webovou službu:

  • ŘÍDICÍ PANEL – Umožňuje zobrazit využití webové služby.
  • CONFIGURE – Umožňuje přidat popisný text, aktualizovat klíč účtu úložiště přidruženého k webové službě a povolit nebo zakázat ukázková data.

Monitorování způsobu použití webové služby

Klikněte na kartu ŘÍDICÍ PANEL .

Na řídicím panelu můžete zobrazit celkové využití webové služby v určitém časovém období. Období, které chcete zobrazit, můžete vybrat z rozevírací nabídky Období v pravém horním rohu grafů využití. Řídicí panel zobrazuje následující informace:

  • Požadavky v průběhu času zobrazují graf kroku počtu požadavků za vybrané časové období. Může vám pomoct zjistit, jestli dochází ke špičkám využití.
  • Žádosti o odpověď požadavku zobrazí celkový počet volání Request-Response, která služba přijala za vybrané časové období a kolik z nich selhalo.
  • Average Request-Response Compute Time zobrazuje průměr času potřebného ke spuštění přijatých požadavků.
  • Dávkové požadavky zobrazují celkový počet požadavků služby Batch, které služba přijala během vybraného časového období a kolik z nich selhalo.
  • Průměrná latence úlohy zobrazuje průměrnou dobu potřebnou ke spuštění přijatých požadavků.
  • Chyby zobrazují agregovaný počet chyb, ke kterým došlo při volání webové služby.
  • Náklady na služby zobrazují poplatky za fakturační plán přidružený ke službě.

Konfigurace webové služby

Klikněte na možnost NABÍDKY KONFIGUROVAT .

Můžete aktualizovat následující vlastnosti:

  • Popis umožňuje zadat popis webové služby.
  • Název umožňuje zadat název webové služby.
  • Klíče umožňují otočit primární a sekundární klíče rozhraní API.
  • Klíč účtu úložiště umožňuje aktualizovat klíč účtu úložiště přidruženého ke změnám webové služby.
  • Povolení ukázkových dat umožňuje poskytovat ukázková data, která můžete použít k otestování služby Request-Response. Pokud jste vytvořili webovou službu v nástroji Machine Learning Studio (Classic), ukázková data se odvozuje z dat použitých k trénování modelu. Pokud jste službu vytvořili programově, data pocházejí z ukázkových dat, která jste zadali jako součást balíčku JSON.

Správa fakturačních plánů

Na stránce Rychlý start webových služeb klikněte na možnost Nabídky Plány . Můžete také kliknout na plán přidružený ke konkrétní webové službě a tento plán spravovat.

  • Nové umožňuje vytvořit nový plán.
  • Instance přidat nebo odebrat plán umožňuje "vertikálně navýšit kapacitu" existujícího plánu.
  • Upgrade/DownGrade umožňuje vertikálně navýšit kapacitu existujícího plánu.
  • Odstranění umožňuje odstranit plán.

Kliknutím na plán zobrazíte jeho řídicí panel. Řídicí panel poskytuje využití snímků nebo plánů za vybrané časové období. Pokud chcete vybrat časové období, které chcete zobrazit, klikněte na rozevírací seznam Období v pravém horním rohu řídicího panelu.

Řídicí panel plánu obsahuje následující informace:

  • Popis plánu zobrazuje informace o nákladech a kapacitě přidružené k plánu.
  • Využití plánu zobrazuje počet transakcí a výpočetních hodin účtovaných podle plánu.
  • Webové služby zobrazují počet webových služeb, které tento plán používají.
  • První webová služba podle volání zobrazuje prvních čtyři webové služby, které se účtují podle plánu.
  • Top Web Services by Compute Hrs zobrazí prvních čtyři webové služby, které používají výpočetní prostředky, které se účtují podle plánu.

Správa klasických webových služeb

Poznámka

Postupy v této části jsou relevantní pro správu klasických webových služeb prostřednictvím portálu služby Machine Learning Web Services. Informace o správě klasických webových služeb prostřednictvím nástroje Machine Learning Studio (classic) a Azure-Portal najdete v tématu Správa pracovního prostoru Machine Learning Studio (classic).

Správa klasických webových služeb:

  1. Přihlaste se k portálu Machine Learning Web Services pomocí svého účtu Microsoft Azure – použijte účet přidružený k předplatnému Azure.
  2. V nabídce klikněte na klasické webové služby.

Chcete-li spravovat klasickou webovou službu, klikněte na klasické webové služby. Na stránce Klasické webové služby můžete:

  • Kliknutím na webovou službu zobrazíte přidružené koncové body.
  • Odstraňte webovou službu.

Při správě klasické webové služby spravujete jednotlivé koncové body samostatně. Když kliknete na webovou službu na stránce Webové služby, otevře se seznam koncových bodů přidružených ke službě.

Na stránce koncového bodu webové služby Classic můžete přidávat a odstraňovat koncové body ve službě. Další informace o přidávání koncových bodů najdete v tématu Vytváření koncových bodů.

Kliknutím na jeden z koncových bodů otevřete stránku Pro rychlý start webové služby. Na stránce Rychlý start existují dvě možnosti nabídky, které umožňují spravovat webovou službu:

  • ŘÍDICÍ PANEL – Umožňuje zobrazit využití webové služby.
  • CONFIGURE – Umožňuje přidat popisný text, zapnout a vypnout protokolování chyb, aktualizovat klíč účtu úložiště přidruženého k webové službě a povolit a zakázat ukázková data.

Monitorování způsobu použití webové služby

Klikněte na kartu ŘÍDICÍ PANEL .

Na řídicím panelu můžete zobrazit celkové využití webové služby v určitém časovém období. Období, které chcete zobrazit, můžete vybrat z rozevírací nabídky Období v pravém horním rohu grafů využití. Řídicí panel zobrazuje následující informace:

  • Požadavky v průběhu času zobrazují graf kroku počtu požadavků za vybrané časové období. Může vám pomoct zjistit, jestli dochází ke špičkám využití.
  • Žádosti o odpověď požadavku zobrazí celkový počet volání Request-Response, která služba přijala za vybrané časové období a kolik z nich selhalo.
  • Average Request-Response Compute Time zobrazuje průměr času potřebného ke spuštění přijatých požadavků.
  • Dávkové požadavky zobrazují celkový počet požadavků služby Batch, které služba přijala během vybraného časového období a kolik z nich selhalo.
  • Průměrná latence úlohy zobrazuje průměrnou dobu potřebnou ke spuštění přijatých požadavků.
  • Chyby zobrazují agregovaný počet chyb, ke kterým došlo při volání webové služby.
  • Náklady na služby zobrazují poplatky za fakturační plán přidružený ke službě.

Konfigurace webové služby

Klikněte na možnost NABÍDKY KONFIGUROVAT .

Můžete aktualizovat následující vlastnosti:

  • Popis umožňuje zadat popis webové služby. Popis je povinné pole.
  • Protokolování umožňuje povolit nebo zakázat protokolování chyb v koncovém bodu. Další informace o protokolování najdete v tématu Povolení protokolování pro webové služby Machine Learning.
  • Povolení ukázkových dat umožňuje poskytovat ukázková data, která můžete použít k otestování služby Request-Response. Pokud jste vytvořili webovou službu v nástroji Machine Learning Studio (Classic), ukázková data se odvozuje z dat použitých k trénování modelu. Pokud jste službu vytvořili programově, data pocházejí z ukázkových dat, která jste zadali jako součást balíčku JSON.