Teilen über

Azure Machine Learning als Event Grid-Quelle

In diesem Artikel werden die Eigenschaften und das Schema für Machine Learning-Arbeitsbereichsereignisse beschrieben. Eine Einführung in Ereignisschemas finden Sie unter Azure Event Grid-Ereignisschema.

Verfügbare Ereignistypen

Azure Machine Learning gibt die folgenden Ereignistypen aus:

Ereignistyp BESCHREIBUNG
Microsoft.MachineLearningServices.ModelRegistered Wird ausgelöst, wenn ein neues Modell oder eine neue Modellversion erfolgreich registriert wurde.
Microsoft.MachineLearningServices.ModelDeployed Wird ausgelöst, wenn Modelle erfolgreich auf einem Endpunkt bereitgestellt wurden.
Microsoft.MachineLearningServices.RunCompleted Wird ausgelöst, wenn eine Ausführung erfolgreich abgeschlossen wurde.
Microsoft.MachineLearningServices.DatasetDriftDetected Wird ausgelöst, wenn ein Datasetdriftmonitor eine Abweichung erkennt.
Microsoft.MachineLearningServices.RunStatusChanged Wird ausgelöst, wenn sich ein Ausführungsstatus ändert.

Beispielereignisse

Wenn ein Ereignis ausgelöst wird, sendet der Event Grid-Dienst Daten zum Ereignis an den Endpunkt, der über ein entsprechendes Abonnement verfügt. In diesem Abschnitt wird anhand eines Beispiels gezeigt, wie diese Daten für jedes Ereignis aussehen.

Microsoft.MachineLearningServices.ModelRegistered event

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "models/sklearn_regression_model:20",
  "type": "Microsoft.MachineLearningServices.ModelRegistered",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "ModelName": "sklearn_regression_model",
    "ModelVersion": 20,
    "ModelTags": {
        "area": "diabetes",
        "type": "regression"
    },
    "ModelProperties": {
        "type": "test"
    }
  },
  "specversion": "1.0"
}]

Microsoft.MachineLearningServices.ModelDeployed event

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "endpoints/my-sklearn-service",
  "type": "Microsoft.MachineLearningServices.ModelDeployed",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "ServiceName": "my-sklearn-service",
    "ServiceComputeType": "ACI",
    "ModelIds": "sklearn_regression_model:1,sklearn_regression_model:2",
    "ServiceTags": {
        "area": "diabetes",
        "type": "regression"
    },
    "ServiceProperties": {
        "type": "test"
    }
  },
  "specversion": "1.0"
}]

Microsoft.MachineLearningServices.RunCompleted event

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "experiments/0fa9dfaa-cba3-4fa7-b590-23e48548f5c1/runs/AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
  "type": "Microsoft.MachineLearningServices.RunCompleted",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "experimentId": "0fa9dfaa-cba3-4fa7-b590-23e48548f5c1",
    "experimentName": "automl-local-regression",
    "runId": "AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
    "runType": null,
    "runTags": {},
    "runProperties": {
        "runTemplate": "automl_child",
        "pipeline_id": "5adc0a4fe02504a586f09a4fcbb241f9a4012062",
        "pipeline_spec": "{\"objects\": [{\"class_name\": \"StandardScaler\", \"module\": \"sklearn.preprocessing\", \"param_args\": [], \"param_kwargs\": {\"with_mean\": true, \"with_std\": false}, \"prepared_kwargs\": {}, \"spec_class\": \"preproc\"}, {\"class_name\": \"LassoLars\", \"module\": \"sklearn.linear_model\", \"param_args\": [], \"param_kwargs\": {\"alpha\": 0.001, \"normalize\": true}, \"prepared_kwargs\": {}, \"spec_class\": \"sklearn\"}], \"pipeline_id\": \"5adc0a4fe02504a586f09a4fcbb241f9a4012062\"}",
        "training_percent": "100",
        "predicted_cost": "0.062226144097381045",
        "iteration": "5",
        "run_template": "automl_child",
        "run_preprocessor": "StandardScalerWrapper",
        "run_algorithm": "LassoLars",
        "conda_env_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/conda_env_v_1_0_0.yml",
        "model_name": "AutoMLad912b2d65",
        "scoring_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/scoring_file_v_1_0_0.py",
        "model_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/model.pkl"
    }
  },
  "specversion": "1.0"
}]

Microsoft.MachineLearningServices.DatasetDriftDetected event

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "datadrifts/{}/runs/{}",
  "type": "Microsoft.MachineLearningServices.DatasetDriftDetected",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "DataDriftId": "01d29aa4-e6a4-470a-9ef3-66660d21f8ef",
    "DataDriftName": "myDriftMonitor",
    "RunId": "01d29aa4-e6a4-470a-9ef3-66660d21f8ef_1571590300380",
    "BaseDatasetId": "3c56d136-0f64-4657-a0e8-5162089a88a3",
    "TargetDatasetId": "d7e74d2e-c972-4266-b5fb-6c9c182d2a74",
    "DriftCoefficient": 0.83503490684792081,
    "StartTime": "2019-07-04T00:00:00+00:00",
    "EndTime": "2019-07-05T00:00:00+00:00"
  },
  "specversion": "1.0"
}]

Ereignis „Microsoft.MachineLearningServices.RunStatusChanged“

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "experiments/0fa9dfaa-cba3-4fa7-b590-23e48548f5c1/runs/AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
  "type": "Microsoft.MachineLearningServices.RunStatusChanged",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "experimentId": "0fa9dfaa-cba3-4fa7-b590-23e48548f5c1",
    "experimentName": "automl-local-regression",
    "runId": "AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
    "runType": null,
    "runTags": {},
    "runProperties": {
        "runTemplate": "automl_child",
        "pipeline_id": "5adc0a4fe02504a586f09a4fcbb241f9a4012062",
        "pipeline_spec": "{\"objects\": [{\"class_name\": \"StandardScaler\", \"module\": \"sklearn.preprocessing\", \"param_args\": [], \"param_kwargs\": {\"with_mean\": true, \"with_std\": false}, \"prepared_kwargs\": {}, \"spec_class\": \"preproc\"}, {\"class_name\": \"LassoLars\", \"module\": \"sklearn.linear_model\", \"param_args\": [], \"param_kwargs\": {\"alpha\": 0.001, \"normalize\": true}, \"prepared_kwargs\": {}, \"spec_class\": \"sklearn\"}], \"pipeline_id\": \"5adc0a4fe02504a586f09a4fcbb241f9a4012062\"}",
        "training_percent": "100",
        "predicted_cost": "0.062226144097381045",
        "iteration": "5",
        "run_template": "automl_child",
        "run_preprocessor": "StandardScalerWrapper",
        "run_algorithm": "LassoLars",
        "conda_env_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/conda_env_v_1_0_0.yml",
        "model_name": "AutoMLad912b2d65",
        "scoring_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/scoring_file_v_1_0_0.py",
        "model_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/model.pkl"
    },
   "runStatus": "failed"
   },
  "specversion": "1.0"
}]

Ereigniseigenschaften

Ein Ereignis weist die folgenden Daten auf oberster Ebene aus:

Eigenschaft Typ Beschreibung
source Zeichenfolge Vollständiger Ressourcenpfaf zur Ereignisquelle. Dieses Feld ist nicht beschreibbar. Dieser Wert wird von Event Grid bereitgestellt.
subject Zeichenfolge Vom Herausgeber definierter Pfad zum Ereignisbetreff
type Zeichenfolge Einer der registrierten Ereignistypen für die Ereignisquelle.
time Zeichenfolge Die Zeit, in der das Ereignis generiert wird, basierend auf der UTC-Zeit des Anbieters.
id Zeichenfolge Eindeutiger Bezeichner für das Ereignis.
data Objekt (object) Ereignisdaten für Blob Storage.
specversion Zeichenfolge Version der CloudEvents-Schemaspezifikation.

Das Datenobjekt weist für jeden Ereignistyp die folgenden Eigenschaften auf:

Microsoft.MachineLearningServices.ModelRegistered

Eigenschaft Typ Beschreibung
ModelName Zeichenfolge Der Name des Modells, das registriert wurde.
ModelVersion Zeichenfolge Die Version des Modells, das registriert wurde.
ModelTags Objekt (object) Die Tags des Modells, das registriert wurde.
ModelProperties Objekt (object) Die Eigenschaften des Modells, das registriert wurde.

Microsoft.MachineLearningServices.ModelDeployed

Eigenschaft Typ Beschreibung
ServiceName Zeichenfolge Der Name des bereitgestellten Diensts.
ServiceComputeType Zeichenfolge Der Computetyp (z. B. ACI, AKS) des bereitgestellten Diensts.
ModelIds Zeichenfolge Eine durch Trennzeichen getrennte Liste der Modell-IDs. Die IDs der Modell, die im Dienst bereitgestellt werden.
ServiceTags Objekt (object) Die Tags des bereitgestellten Diensts.
ServiceProperties Objekt (object) Die Eigenschaften des bereitgestellten Diensts.

Microsoft.MachineLearningServices.RunCompleted

Eigenschaft Typ Beschreibung
experimentId Zeichenfolge Die ID des Experiments, zu der die Ausführung gehört.
experimentName Zeichenfolge Der Name des Experiments, zu der die Ausführung gehört.
runId Zeichenfolge Die ID der Ausführung, die abgeschlossen wurde.
runType Zeichenfolge Der Ausführungstyp der abgeschlossenen Ausführung.
runTags Objekt (object) Die Tags der abgeschlossenen Ausführung.
runProperties Objekt (object) Die Eigenschaften der abgeschlossenen Ausführung.

Microsoft.MachineLearningServices.DatasetDriftDetected

Eigenschaft Typ Beschreibung
DataDriftId Zeichenfolge Die ID des Datendriftmonitors, der das Ereignis ausgelöst hat.
DataDriftName Zeichenfolge Der Name des Datendriftmonitors, der das Ereignis ausgelöst hat.
RunId Zeichenfolge Die ID der Ausführung, mit der die Datenabweichung erkannt wurde.
BaseDatasetId Zeichenfolge Die ID des Basisdatasets, mit der die Abweichung erkannt wurde.
TargetDatasetId Zeichenfolge Die ID des Zieldatasets, mit der die Abweichung erkannt wurde.
DriftCoefficient double Das Koeffizientenergebnis, das das Ereignis ausgelöst hat.
StartTime datetime Die Startzeit der Zieldataset-Zeitreihe, die zur Abweichungserkennung geführt hat.
EndTime datetime Die Endzeit der Zieldataset-Zeitreihe, die zur Abweichungserkennung geführt hat.

Microsoft.MachineLearningServices.RunStatusChanged

Eigenschaft Typ Beschreibung
experimentId Zeichenfolge Die ID des Experiments, zu der die Ausführung gehört.
experimentName Zeichenfolge Der Name des Experiments, zu der die Ausführung gehört.
runId Zeichenfolge Die ID der Ausführung, die abgeschlossen wurde.
runType Zeichenfolge Der Ausführungstyp der abgeschlossenen Ausführung.
runTags Objekt (object) Die Tags der abgeschlossenen Ausführung.
runProperties Objekt (object) Die Eigenschaften der abgeschlossenen Ausführung.
runStatus Zeichenfolge Der Status der Ausführung

Tutorials und Anleitungen

Titel BESCHREIBUNG
Nutzen von Azure Machine Learning-Ereignissen Übersicht über die Integration von Azure Machine Learning in Event Grid.

Nächste Schritte

  • Last updated on