Sdílet prostřednictvím


DataOperations Třída

DataOperations.

Neměli byste vytvořit instanci této třídy přímo. Místo toho byste měli vytvořit instanci MLClient, která vytvoří instanci za vás a připojí ji jako atribut.

Dědičnost
azure.ai.ml._scope_dependent_operations._ScopeDependentOperations
DataOperations

Konstruktor

DataOperations(operation_scope: OperationScope, operation_config: OperationConfig, service_client: AzureMachineLearningWorkspaces | AzureMachineLearningWorkspaces, datastore_operations: DatastoreOperations, **kwargs: Dict)

Parametry

operation_scope
<xref:azure.ai.ml._scope_dependent_operations.OperationScope>
Vyžadováno

Proměnné oboru pro třídy operací objektu MLClient.

operation_config
<xref:azure.ai.ml._scope_dependent_operations.OperationConfig>
Vyžadováno

Běžná konfigurace pro třídy operací objektu MLClient.

service_client
Union[ <xref:azure.ai.ml._restclient.v2023_04_01_preview._azure_machine_learning_workspaces.AzureMachineLearningWorkspaces>, <xref:azure.ai.ml._restclient.v2021_10_01_dataplanepreview._azure_machine_learning_workspaces. AzureMachineLearningWorkspaces>]
Vyžadováno

Klient služby umožňuje koncovým uživatelům pracovat s prostředky pracovního prostoru Azure Machine Learning (ServiceClient042023Preview nebo ServiceClient102021Dataplane).

datastore_operations
DatastoreOperations
Vyžadováno

Představuje klienta pro provádění operací v úložištích dat.

Metody

archive

Archivace datového assetu

create_or_update

Vrátí vytvořený nebo aktualizovaný datový asset.

Pokud ještě není v úložišti, prostředek se nahraje do úložiště objektů blob pracovního prostoru.

get

Získejte zadaný datový prostředek.

import_data

Poznámka

Jedná se o experimentální metodu, která se může kdykoli změnit. Další informace najdete tady: https://aka.ms/azuremlexperimental.

Vrátí úlohu importu dat, která vytváří datový asset.

list

Zobrazí seznam datových prostředků pracovního prostoru.

list_materialization_status

Poznámka

Jedná se o experimentální metodu, která se může kdykoli změnit. Další informace najdete tady: https://aka.ms/azuremlexperimental.

Vypíše úlohy materializace prostředku.

restore

Obnovení archivovaného datového prostředku

share

Poznámka

Jedná se o experimentální metodu, která se může kdykoli změnit. Další informace najdete tady: https://aka.ms/azuremlexperimental.

Sdílení datového assetu z pracovního prostoru do registru

archive

Archivace datového assetu

archive(name: str, version: str | None = None, label: str | None = None, **kwargs) -> None

Parametry

name
str
Vyžadováno

Název datového prostředku.

version
str
Vyžadováno

Verze datového assetu.

label
str
Vyžadováno

Popisek datového prostředku. (vzájemně se vylučují s verzí)

Návraty

Žádné

Příklady

Příklad archivu datového assetu


   ml_client.data.archive("data-asset-name")

create_or_update

Vrátí vytvořený nebo aktualizovaný datový asset.

Pokud ještě není v úložišti, prostředek se nahraje do úložiště objektů blob pracovního prostoru.

create_or_update(data: Data) -> Data

Parametry

data
Data
Vyžadováno

Objekt datového assetu.

Návraty

Objekt datového assetu.

Návratový typ

Výjimky

Vyvolána, když už je cesta k artefaktu dat propojená s jiným assetem.

Vyvolána, pokud data nelze úspěšně ověřit. Podrobnosti budou uvedeny v chybové zprávě.

Vyvoláno, pokud zadaná místní cesta odkazuje na prázdný adresář.

Příklady

Příklad vytvoření datových prostředků


   from azure.ai.ml.entities import Data

   data_asset_example = Data(name=data_asset_name, version="2.0", path="./sdk/ml/azure-ai-ml/samples/src")
   ml_client.data.create_or_update(data_asset_example)

get

Získejte zadaný datový prostředek.

get(name: str, version: str | None = None, label: str | None = None) -> Data

Parametry

name
str
Vyžadováno

Název datového prostředku.

version
str
Vyžadováno

Verze datového assetu.

label
str
Vyžadováno

Popisek datového prostředku. (vzájemně se vylučují s verzí)

Návraty

Objekt datového assetu.

Návratový typ

Výjimky

Vyvolána, pokud data nelze úspěšně identifikovat a načíst. Podrobnosti budou uvedeny v chybové zprávě.

Příklady

Příklad získání datových prostředků


   ml_client.data.get(name="data-asset-name", version="2.0")

import_data

Poznámka

Jedná se o experimentální metodu, která se může kdykoli změnit. Další informace najdete tady: https://aka.ms/azuremlexperimental.

Vrátí úlohu importu dat, která vytváří datový asset.

import_data(data_import: DataImport, **kwargs) -> PipelineJob

Parametry

data_import
DataImport
Vyžadováno

Objekt DataImport.

Návraty

objekt úlohy importu dat.

Návratový typ

Příklady

Příklad importu datových prostředků


   from azure.ai.ml.entities._data_import.data_import import DataImport
   from azure.ai.ml.entities._inputs_outputs.external_data import Database

   database_example = Database(query="SELECT ID FROM DataTable", connection="azureml:my_azuresqldb_connection")
   data_import_example = DataImport(
       name="data-asset-name", path="azureml://datastores/workspaceblobstore/paths/", source=database_example
   )
   ml_client.data.import_data(data_import_example)

list

Zobrazí seznam datových prostředků pracovního prostoru.

list(name: str | None = None, *, list_view_type: ListViewType = ListViewType.ACTIVE_ONLY) -> ItemPaged[Data]

Parametry

name
Optional[str]
Vyžadováno

Název konkrétního datového prostředku, nepovinný.

list_view_type

Typ zobrazení pro zahrnutí nebo vyloučení (například) archivovaných datových prostředků Výchozí: ACTIVE_ONLY.

Návraty

Iterátor podobný instanci datových objektů

Návratový typ

Příklady

Příklad výpisu datových prostředků


   ml_client.data.list(name="data-asset-name")

list_materialization_status

Poznámka

Jedná se o experimentální metodu, která se může kdykoli změnit. Další informace najdete tady: https://aka.ms/azuremlexperimental.

Vypíše úlohy materializace prostředku.

list_materialization_status(name: str, *, list_view_type: ListViewType = ListViewType.ACTIVE_ONLY, **kwargs) -> Iterable[PipelineJob]

Parametry

name
str
Vyžadováno

název prostředku vytvořeného úlohami materializace.

list_view_type
Optional[<xref:ListViewType>]

Typ zobrazení pro zahrnutí nebo vyloučení (například) archivovaných úloh Výchozí: ACTIVE_ONLY.

Návraty

Iterátor, jako je instance objektů Úloh.

Návratový typ

Příklady

Příklad úloh materializace seznamu


   ml_client.data.list_materialization_status("data-asset-name")

restore

Obnovení archivovaného datového prostředku

restore(name: str, version: str | None = None, label: str | None = None, **kwargs) -> None

Parametry

name
str
Vyžadováno

Název datového prostředku.

version
str
Vyžadováno

Verze datového assetu.

label
str
Vyžadováno

Popisek datového prostředku. (vzájemně se vylučují s verzí)

Návraty

Žádné

Příklady

Příklad obnovení datového assetu


   ml_client.data.restore("data-asset-name")

share

Poznámka

Jedná se o experimentální metodu, která se může kdykoli změnit. Další informace najdete tady: https://aka.ms/azuremlexperimental.

Sdílení datového assetu z pracovního prostoru do registru

share(name, version, *, share_with_name, share_with_version, registry_name, **kwargs) -> Data

Parametry

name
str
Vyžadováno

Název datového prostředku.

version
str
Vyžadováno

Verze datového assetu.

share_with_name
str

Název datového prostředku, se kterým se má sdílet.

share_with_version
str

Verze datového assetu, se kterým se má sdílet.

registry_name
str

Název cílového registru.

Návraty

Objekt datového assetu.

Návratový typ

Příklady

Příklad sdílení datového assetu


       ml_client.data.share(
           name="data-asset-name",
           version="2.0",
           registry_name="my-registry",
           share_with_name="transformed-nyc-taxi-data-shared-from-ws",
           share_with_version="2.0",
       )