Planen Sie Pipeline-Jobs für maschinelles Lernen

GILT FÜR:Azure CLI ML-Erweiterung v2 (aktuell)Python SDK azure-ai-ml v2 (aktuell)

In diesem Artikel erfahren Sie, wie Sie Machine Learning-Pipelines für die Ausführung in Azure planen. Sie können Routineaufgaben wie das erneute Trainieren von Modellen planen oder Batchvorhersagen basierend auf verstrichener Zeit regelmäßig aktualisieren.

In diesem Artikel erfahren Sie, wie Sie Zeitpläne mithilfe der Azure Machine Learning CLI, des Azure Machine Learning SDK v2 für Python oder der Benutzeroberfläche von Azure Machine Learning Studio erstellen, abrufen, aktualisieren und deaktivieren.

Tipp

Wenn Sie Aufträge über einen externen Orchestrator wie Azure Data Factory oder Microsoft Fabric planen möchten, sollten Sie Ihre Pipelineaufträge ggf. unter einem Batchendpunkt bereitstellen. Weitere Informationen finden Sie unter Bereitstellen vorhandener Pipelineaufträge für Batchendpunkte und Ausführen von Azure Machine Learning-Modellen in Fabric mithilfe von Batchendpunkten (Vorschau).

Voraussetzungen

• Ein Azure-Abonnement. Falls Sie kein Abonnement besitzen, können Sie ein kostenloses Konto erstellen, bevor Sie beginnen.
• Ein Azure Machine Learning-Arbeitsbereich. Informationen zum Erstellen eines Arbeitsbereichs finden Sie unter Schnellstart: So erstellen Sie Arbeitsbereichsressourcen, die Sie für die ersten Schritte mit Azure Machine Learning benötigen.
• Grundlegendes zu Azure Machine Learning-Pipelines. Weitere Informationen finden Sie unter Beschreibung von Azure Machine Learning-Pipelines.

Azure-Befehlszeilenschnittstelle

• Die Azure CLI und ml-Erweiterung, die anhand der Anweisungen unter Installieren und Einrichten der CLI (v2) installiert wurden
• Kenntnisse im Erstellen von YAML-Pipelines in Azure Machine Learning. Weitere Informationen finden Sie unter Erstellen und Ausführen von Machine Learning-Pipelines mit Komponenten und der Azure Machine Learning CLI.

Python SDK

• Installiertes Azure Machine Learning SDK v2 für Python
• Kenntnisse im Erstellen von Python-Pipelines für Azure Machine Learning. Weitere Informationen finden Sie unter Erstellen und Ausführen von Machine Learning-Pipelines mit Komponenten und dem Azure Machine Learning SDK v2.

Studio-Benutzeroberfläche

• Kenntnisse im Erstellen von Pipelines in Azure Machine Learning Studio. Weitere Informationen finden Sie unter Erstellen und Ausführen von Machine Learning-Pipelines mit Komponenten und Azure Machine Learning Studio.

Begrenzungen

• Azure Machine Learning v2-Zeitpläne unterstützen keine ereignisbasierten Auslöser.
• CLI- und SDK v2-Zeitpläne unterstützen die Angabe komplexer Serienmuster, die mehrere Auslöserzeitstempel enthalten. Die Studio-Benutzeroberfläche zeigt das komplexe Muster an, unterstützt jedoch keine Bearbeitung.
• Die Studio-Benutzeroberfläche unterstützt nur v2-Zeitpläne und kann keine v1-Zeitpläne auflisten oder darauf zugreifen, die auf veröffentlichten Pipelines oder Pipelineendpunkten basieren. Sie können einen Zeitplan für eine nicht veröffentlichte Pipeline erstellen.
• Wenn die Serie als 31. oder 30. Tag jedes Monats festgelegt ist, löst der Zeitplan keine Aufträge in Monaten aus, die weniger Tage haben.
• DAYS- und MONTHS-Werte werden in Cron-Zeitplanausdrücken nicht unterstützt. Für diese Parameter angegebene Werte werden ignoriert und als * behandelt.

Erstellen eines Zeitplans

Wenn Sie über einen Pipelineauftrag mit zufriedenstellender Leistung und zufriedenstellenden Ausgaben verfügen, können Sie einen Zeitplan einrichten, um den Auftrag regelmäßig automatisch auszulösen. Dazu müssen Sie einen Zeitplan erstellen, der den Auftrag einem Auslöser zuordnet. Der Auslöser kann entweder ein recurrence-Muster oder ein cron-Ausdruck sein, das bzw. der das Intervall und die Häufigkeit angibt, mit dem der Auftrag ausgeführt werden soll.

In beiden Fällen müssen Sie zuerst einen Pipelineauftrag definieren, entweder inline oder durch Angabe eines vorhandenen Pipelineauftrags. Sie können Pipelines in YAML definieren und über die CLI ausführen, Pipelines inline in Python erstellen oder Pipelines in Azure Machine Learning Studio erstellen. Sie können Pipelineaufträge lokal oder aus vorhandenen Aufträgen im Arbeitsbereich erstellen.

Sie können v2-Zeitpläne für v2- oder v1-Pipelineaufträge mithilfe der Studio-Benutzeroberfläche, des SDK v2 oder der CLI v2 erstellen. Sie müssen vorhandene Pipelines nicht zuerst veröffentlichen, um Zeitpläne für Pipelineaufträge einzurichten.

Azure-Befehlszeilenschnittstelle

Die Codebeispiele in diesem Artikel stammen aus Arbeiten mit Zeitplänen in Azure Machine Learning CLI 2.0.

Python SDK

Bei den Codebeispiele in diesem Artikel handelt es sich um Auszüge aus dem Azure Machine Learning-Notebook Arbeiten mit Zeitplänen. Führen Sie das Notebook aus, um die Zeitpläne wie beschrieben zu erstellen und zu verwalten.

Studio-Benutzeroberfläche

Um einen Zeitplan für einen Azure Machine Learning-Pipelineauftrag auf der Studio-Benutzeroberfläche zu erstellen, öffnen Sie die Detailseite des Pipelineauftrags.

Definieren eines zeitbasierten Zeitplans mit einem Serienmuster

Azure-Befehlszeilenschnittstelle

Der folgende YAML-Code definiert eine Zeitplanserie für einen Pipelineauftrag. Der erforderliche type-Parameter gibt an, dass es sich beim trigger-Typ um recurrence handelt.

$schema: https://azuremlschemas.azureedge.net/latest/schedule.schema.json
name: simple_recurrence_job_schedule
display_name: Simple recurrence job schedule
description: a simple hourly recurrence job schedule

trigger:
  type: recurrence
  frequency: day #can be minute, hour, day, week, month
  interval: 1 #every day
  schedule:
    hours: [4,5,10,11,12]
    minutes: [0,30]
  start_time: "2022-07-10T10:00:00" # optional - default will be schedule creation time
  time_zone: "Pacific Standard Time" # optional - default will be UTC

create_job: ./simple-pipeline-job.yml
# create_job: azureml:simple-pipeline-job

Geben Sie die folgenden Zeitplanparameter an:

Python SDK

Der folgende Code verwendet RecurrenceTrigger, um eine bessere Codierung zu ermöglichen.

schedule_name = "simple_sdk_create_schedule_recurrence"

schedule_start_time = datetime.utcnow()
recurrence_trigger = RecurrenceTrigger(
    frequency="day",
    interval=1,
    schedule=RecurrencePattern(hours=10, minutes=[0, 1]),
    start_time=schedule_start_time,
    time_zone=TimeZone.UTC,
)

job_schedule = JobSchedule(
    name=schedule_name, trigger=recurrence_trigger, create_job=pipeline_job
)

Geben Sie die folgenden Zeitplanparameter an:

Studio-Benutzeroberfläche

Zum Öffnen des Zeitplanerstellungs-Assistenten wählen Sie oben auf der Seite Zeitplan>Neuen Zeitplan erstellen aus.

Azure CLI/Python SDK

Parameter

• frequency (erforderlich) ist die Zeiteinheit, auf deren Grundlage die Zeitpläne ausgelöst werden. Mögliche Werte: minutes, hours, days, weeks oder months.
• interval (erforderlich) ist die Anzahl der Zeiteinheiten zwischen Zeitplanserien.
• schedule (optional) definiert das Serienmuster, das hours, minutes und weekdays enthalten kann. Wird kein Wert angegeben, werden Aufträge gemäß der Logik von start_time, frequency und interval ausgelöst.
  • Handelt es sich bei frequency um day, kann das Muster hours und minutes angeben.
  • Handelt es sich bei frequency um week oder month, kann das Muster hours, minutes und weekdays angeben.
    • hours ist eine ganze Zahl oder eine Liste von 0 bis 23.
    • minutes ist eine ganze Zahl oder eine Liste von 0 bis 59.
    • weekdays ist eine Zeichenfolge oder eine Liste von monday bis sunday.
• start_time (optional) ist das Startdatum und die Uhrzeit mit Zeitzone. Wird kein Wert angegeben, entspricht der Standard der Zeitplanerstellungszeit. Wenn die Startzeit in der Vergangenheit liegt, wird der erste Job zur nächsten berechneten Laufzeit ausgeführt.
• end_time (optional) ist das Enddatum und die Uhrzeit mit Zeitzone. Wird kein Wert angegeben, bleibt der Zeitplan bis zur manuellen Deaktivierung aktiv.
• time_zone (optional) gibt die Zeitzone des Serienzeitplans an. Wird kein Wert angegeben, wird standardmäßig koordinierte Weltzeit (UTC) verwendet. Weitere Informationen zu Zeitzonenwerten finden Sie im Anhang zu Zeitzonenwerten.

Studio-Benutzeroberfläche

Zum Definieren eines serienbasierten Zeitplans definieren Sie auf dem Bildschirm Basiseinstellungen die folgenden Eigenschaften. Nur die Eigenschaft Name erfordert die Eingabe eines Werts. Wenn Sie keine Werte für die anderen Eigenschaften angeben, entspricht der Standardzeitplan einem Serienmuster, das bei der Zeitplanerstellung beginnt und jeden Montag bis Freitag um 16:00 Uhr UTC ausgeführt wird.

• Name: Eindeutiger Bezeichner des Zeitplans im Arbeitsbereich
• Beschreibung: Beschreibung des Zeitplans
• Auslöser: Serienmuster des Zeitplans, einschließlich der folgenden Eigenschaften:
  • Zeitzone: Zeitzone, die für die Auslösezeit verwendet werden soll (Standardeinstellung: UTC)
  • Wählen Sie Serie aus, und geben Sie ein Serienmuster in Minuten, Stunden, Tagen, Wochen oder Monaten an.
  • Start: Datum, an dem der Zeitplan aktiv wird, standardmäßig am Erstellungsdatum
  • Ende: Datum, an dem der Zeitplan inaktiv wird. Der Standardwert ist „none“, und der Zeitplan bleibt bis zur manuellen Deaktivierung aktiv.
  • Tags: Tags im Zeitplan

Azure-Befehlszeilenschnittstelle

Nachdem Sie den Zeitplan-YAML-Code erstellt haben, erstellen Sie mit folgendem Befehl einen Zeitplan über die CLI:

# This action creates related resources for a schedule. It takes dozens of seconds to complete.
az ml schedule create --file simple-pipeline-job.yml --no-wait

Python SDK

Der folgende Python-Code erstellt den von Ihnen definierten Zeitplan:

job_schedule = ml_client.schedules.begin_create_or_update(
    schedule=job_schedule
).result()
print(job_schedule)

Studio-Benutzeroberfläche

Nachdem Sie die Grundeinstellungen konfiguriert haben, wählen Sie Überprüfen und erstellen aus, überprüfen Sie die Einstellungen, und wählen Sie dann erneut Überprüfen und erstellen aus, um den Zeitplan zu erstellen.

Definieren eines zeitbasierten Zeitplans mit Cron-Ausdruck

Mit einem Cron-Ausdruck kann ein flexibleres und angepasstes Serienmuster angegeben werden. Ein standardmäßiger Crontab-Ausdruck besteht aus den durch Leerzeichen getrennten Feldern MINUTES HOURS DAYS MONTHS DAYS-OF-WEEK. Der Platzhalter * steht für alle Werte für ein Feld.

In einem Cron-Ausdruck im Azure Machine Language-Zeitplan:

• MINUTES ist eine ganze Zahl oder eine Liste von 0 bis 59.
• HOURS ist eine ganze Zahl oder eine Liste von 0 bis 23.
• DAYS-Werte werden nicht unterstützt und immer als * behandelt. Der Wert * für DAYS bedeutet also alle Tage eines Monats, was je nach Monat und Jahr variiert.
• MONTHS-Werte werden nicht unterstützt und immer als * behandelt.
• DAYS-OF-WEEK ist eine ganze Zahl oder eine Liste von 0 bis 6. Dabei steht 0 für Sonntag. Namen von Tagen werden ebenfalls akzeptiert.

Beispielsweise steht der Ausdruck 15 16 * * 1 für jeden Montag, 16:15 Uhr UTC. Weitere Informationen zur Verwendung von Crontab-Ausdrücken finden Sie im Wiki für Crontab-Ausdrücke auf GitHub.

Azure-Befehlszeilenschnittstelle

Der folgende YAML-Code definiert eine Zeitplanserie für einen Pipelineauftrag. Der erforderliche type-Parameter gibt an, dass es sich beim trigger-Typ um cron handelt.

$schema: https://azuremlschemas.azureedge.net/latest/schedule.schema.json
name: simple_cron_job_schedule
display_name: Simple cron job schedule
description: a simple hourly cron job schedule

trigger:
  type: cron
  expression: "0 * * * *"
  start_time: "2022-07-10T10:00:00" # optional - default will be schedule creation time
  time_zone: "Pacific Standard Time" # optional - default will be UTC

# create_job: azureml:simple-pipeline-job
create_job: ./simple-pipeline-job.yml

Geben Sie die folgenden Zeitplanparameter an:

Python SDK

Der folgende Code verwendet CronTrigger, um eine bessere Codierung zu ermöglichen.

schedule_name = "simple_sdk_create_schedule_cron"

schedule_start_time = datetime.utcnow()
cron_trigger = CronTrigger(
    expression="15 10 * * *",
    start_time=schedule_start_time,  # start time
    time_zone="Eastern Standard Time",  # time zone of expression
)

job_schedule = JobSchedule(
    name=schedule_name, trigger=cron_trigger, create_job=pipeline_job
)

Geben Sie die folgenden Zeitplanparameter an:

Studio-Benutzeroberfläche

Um einen cron-basierten Zeitplan zu definieren, wählen Sie auf dem Bildschirm Basiseinstellungen für den Zeitplan die Option Cron-Ausdruck anstelle von Serienmuster aus.

Azure CLI/Python SDK

Parameter

• expression (erforderlich) ist ein standardmäßiger Crontab-Ausdruck, der einen Serienzeitplan ausdrückt.
• start_time (optional) ist das Startdatum und die Uhrzeit mit Zeitzone des Zeitplans. Beispielsweise bedeutet start_time: "2022-05-10T10:15:00-04:00", dass der Zeitplan am 10. Mai 2022 um 10:15:00 Uhr in der Zeitzone UTC-4 beginnt. Wird kein Wert angegeben, entspricht der Standard der Zeitplanerstellungszeit. Wenn die Startzeit in der Vergangenheit liegt, wird der erste Job zur nächsten berechneten Laufzeit ausgeführt.
• end_time (optional) ist das Enddatum und die Uhrzeit mit Zeitzone. Wird kein Wert angegeben, bleibt der Zeitplan bis zur manuellen Deaktivierung aktiv.
• time_zone (optional) gibt die Zeitzone des Serienzeitplans an. Wenn dieser Wert nicht angegeben wird, wird standardmäßig UTC verwendet.

Studio-Benutzeroberfläche

Nur die Eigenschaft Name erfordert die Eingabe eines Werts. Wenn Sie keinen Cron-Ausdruck angeben, erstellt der standardmäßige Cron-Ausdruck einen Zeitplan, der täglich um 16:00 Uhr UTC ausgeführt wird.

• Name: Eindeutiger Bezeichner des Zeitplans im Arbeitsbereich
• Beschreibung: Beschreibung des Zeitplans
• Auslöser: Serienmuster des Zeitplans, einschließlich der folgenden Eigenschaften:
  • Zeitzone: Zeitzone (UTC), die standardmäßig für die Auslösezeit verwendet werden soll.
  • Wählen Sie Cron-Ausdruck aus, und geben Sie einen standardmäßigen Crontab-Ausdruck an, der einen Serienzeitplan ausdrückt.
  • Start: Datum, an dem der Zeitplan aktiv wird, standardmäßig am Erstellungsdatum
  • Ende: Datum, an dem der Zeitplan inaktiv wird. Der Standardwert ist „none“, und der Zeitplan bleibt bis zur manuellen Deaktivierung aktiv.
  • Tags: Tags im Zeitplan

Azure-Befehlszeilenschnittstelle

Nachdem Sie den Zeitplan-YAML-Code erstellt haben, erstellen Sie mit folgendem Befehl einen Zeitplan über die CLI:

# This action creates related resources for a schedule. It takes dozens of seconds to complete.
az ml schedule create --file simple-pipeline-job.yml --no-wait

Python SDK

Der folgende Python-Code erstellt den von Ihnen definierten Zeitplan:

job_schedule = ml_client.schedules.begin_create_or_update(
    schedule=job_schedule
).result()
print(job_schedule)

Studio-Benutzeroberfläche

Nachdem Sie die Grundeinstellungen konfiguriert haben, wählen Sie Überprüfen und erstellen aus, überprüfen Sie die Einstellungen, und wählen Sie dann erneut Überprüfen und erstellen aus, um den Zeitplan zu erstellen.

Ändern von Auftragseinstellungen beim Definieren von Zeitplänen

Manchmal sollen die durch Zeitpläne ausgelösten Aufträge andere Konfigurationen als die Testaufträge haben. Wenn Sie einen Zeitplan mit einem vorhandenen Auftrag definieren, können Sie die Auftragseinstellungen ändern. Mit diesem Ansatz können Sie mehrere Zeitpläne definieren, für die derselbe Auftrag mit unterschiedlichen Eingaben verwendet wird.

Azure-Befehlszeilenschnittstelle

Wenn Sie einen Zeitplan definieren, können Sie settings, inputs oder outputs ändern, die beim Ausführen des Pipelineauftrags verwendet werden sollen. Sie können auch experiment_name des ausgelösten Auftrags ändern.

Durch die folgende Zeitplandefinition werden die Einstellungen eines vorhandenen Auftrags geändert.

$schema: https://azuremlschemas.azureedge.net/latest/schedule.schema.json
name: cron_with_settings_job_schedule
display_name: Simple cron job schedule
description: a simple hourly cron job schedule

trigger:
  type: cron
  expression: "0 * * * *"
  start_time: "2022-07-10T10:00:00" # optional - default will be schedule creation time
  time_zone: "Pacific Standard Time" # optional - default will be UTC

create_job: 
  type: pipeline
  job: ./simple-pipeline-job.yml
  # job: azureml:simple-pipeline-job
  # runtime settings
  settings:
    #default_compute: azureml:cpu-cluster
    continue_on_step_failure: true
  inputs:
    hello_string_top_level_input: ${{name}} 
  tags: 
    schedule: cron_with_settings_schedule

Python SDK

Wenn Sie einen Zeitplan definieren, können Sie settings, inputs oder outputs ändern, die beim Ausführen des Pipelineauftrags verwendet werden sollen. Sie können auch experiment_name des ausgelösten Auftrags ändern.

Durch die folgende Zeitplandefinition werden die Einstellungen einer Pipeline pro Auftrag geändert.

# set run time settings
pipeline_job = pipeline_with_components_from_yaml(
    training_input=Input(type="uri_folder", path=parent_dir + "/data/"),
    test_input=Input(type="uri_folder", path=parent_dir + "/data/"),
    training_max_epochs=20,
    training_learning_rate=1.8,
    learning_rate_schedule="time-based",
)

# set pipeline level compute
pipeline_job.settings.default_compute = "cpu-cluster"

Studio-Benutzeroberfläche

Auf der Studio-Benutzeroberfläche können Sie unter Erweiterte Einstellungen im Assistenten zur Zeitplanerstellung inputs, outputs und settings für die Laufzeit eines Pipelineauftrags ändern. Sie können experiment_name auf der Studio-Benutzeroberfläche nicht ändern.

1. Unter Auftragseingaben und -ausgaben können Sie Eingaben und Ausgaben für zukünftige Aufträge ändern, die durch den Zeitplan ausgelöst werden. Sie können Makroausdrücke für die Eingabe- und Ausgabepfade verwenden.

   

2. Unter Laufzeiteinstellungen für Aufträge können Sie Compute- und andere Laufzeiteinstellungen für Aufträge ändern, die vom Zeitplan ausgelöst werden.

   

3. Wählen Sie Überprüfen und erstellen aus, um die konfigurierten Zeitplaneinstellungen zu überprüfen, und wählen Sie dann erneut Überprüfen und erstellen aus, um den Zeitplan zu erstellen.

   

Verwenden von Ausdrücken, die in Zeitplänen unterstützt werden

Beim Definieren eines Zeitplans können Sie die folgenden Makroausdrücke verwenden, um dynamische Parameterwerte zu definieren, die während der Auftragslaufzeit in tatsächliche Werte aufgelöst werden.

Ausdruck	BESCHREIBUNG	Unterstützte Eigenschaften
${{name}}	Name des Auftrags	outputs-Pfad des Pipelineauftrags
${{creation_context.trigger_time}}	Auslösezeit des Auftrags	Zeichenfolgentyp inputs des Pipelineauftrags

Zeitplan verwalten

Sie können Zeitpläne in einem Arbeitsbereich auflisten, detailliert anzeigen, aktualisieren, deaktivieren, aktivieren und löschen.

Auflisten von Zeitplänen

Azure-Befehlszeilenschnittstelle

az ml schedule list

Python SDK

schedules = ml_client.schedules.list()
[s.name for s in schedules]

Studio-Benutzeroberfläche

Wählen Sie in Studio unter Aufträge die Registerkarte Alle Zeitpläne aus, um eine Liste aller Zeitpläne mit v2-Aufträgen anzuzeigen, die vom SDK, von der CLI oder von der Studio-Benutzeroberfläche in diesem Arbeitsbereich erstellt wurden.

Anzeigen von Zeitplandetails

Azure-Befehlszeilenschnittstelle

az ml schedule show -n simple_cron_job_schedule

Python SDK

created_schedule = ml_client.schedules.get(name=schedule_name)
[created_schedule.name]

Studio-Benutzeroberfläche

Wählen Sie einen Zeitplannamen aus, um die Detailseite des Zeitplans anzuzeigen. Diese enthält folgende Registerkarten:

• Übersicht enthält grundlegende Informationen zum Zeitplan.

  

• Auftragsdefinition definiert den Auftrag, der durch den Zeitplan ausgelöst wird.

  

• Auftragsverlauf enthält eine Liste aller Aufträge, die durch den Zeitplan ausgelöst werden.

  

Aktualisieren Sie einen Zeitplan

Azure-Befehlszeilenschnittstelle

az ml schedule update -n simple_cron_job_schedule  --set description="new description" --no-wait

Hinweis

Wenn nicht nur Tags und Beschreibungen aktualisiert werden sollen, sollten Sie az ml schedule create --file update_schedule.yml verwenden.

Python SDK

# Update trigger expression
job_schedule.trigger.expression = "10 10 * * 1"
job_schedule = ml_client.schedules.begin_create_or_update(
    schedule=job_schedule
).result()
print(job_schedule)

Studio-Benutzeroberfläche

Auf der Detailseite des Zeitplans können Sie Einstellungen aktualisieren auswählen, um die Zeitplaneinstellungen, einschließlich Einstellungen für Auftragseingaben/-ausgaben und Laufzeiteinstellungen, zu aktualisieren.

Aktualisieren einer Pipeline der neuen Version auf einen vorhandenen Zeitplan

Nachdem Sie einen Zeitplan für die regelmäßige Durchführung von erneuten Trainings oder Batchrückschlüssen in der Produktion eingerichtet haben, können Sie das Modell weiter anpassen oder optimieren. Wenn Sie über einen Auftrag für eine Pipeline der neuen Version mit optimierter Leistung verfügen, können Sie die Pipeline der neuen Version so aktualisieren, dass sie nach einem vorhandenen Zeitplan ausgeführt wird.

1. Wählen Sie auf der Auftragsdetailseite für eine Pipeline der neuen Version Zeitplan>Aktualisieren auf vorhandenen Zeitplan aus.

   

2. Wählen Sie einen vorhandenen Zeitplan aus, um die Auftragsdefinition zu aktualisieren.

   

   Wichtig

   Stellen Sie sicher, dass Sie den richtigen zu aktualisierenden Zeitplan auswählen.

3. Sie können auch Weiter auswählen, um die Auftragseingaben und -ausgaben sowie die Laufzeiteinstellungen für die zukünftigen Aufträge zu ändern, die durch den Zeitplan ausgelöst werden.

4. Wählen Sie Überprüfen und aktualisieren aus, um die Zeitplaneinstellungen zu prüfen, und wählen Sie dann erneut Überprüfen und aktualisieren aus, um die Aktualisierung abzuschließen.

Nach Abschluss der Aktualisierung können Sie auf der Detailseite des Zeitplans die neue Auftragsdefinition anzeigen. Der Zeitplan löst jetzt den neuen Auftrag aus.

Deaktivieren eines Zeitplans

Azure-Befehlszeilenschnittstelle

az ml schedule disable -n simple_cron_job_schedule --no-wait

Python SDK

Der folgende Code gibt False zurück:

job_schedule = ml_client.schedules.begin_disable(name=schedule_name).result()
job_schedule.is_enabled

Studio-Benutzeroberfläche

Sie können Zeitpläne auf der Registerkarte Alle Zeitpläne deaktivieren oder den aktuellen Zeitplan auf der Detailseite des Zeitplans deaktivieren.

Aktivieren Sie einen Zeitplan

Azure-Befehlszeilenschnittstelle

az ml schedule enable -n simple_cron_job_schedule --no-wait

Python SDK

Der folgende Code gibt True zurück:

job_schedule = ml_client.schedules.begin_enable(name=schedule_name).result()
job_schedule.is_enabled

Studio-Benutzeroberfläche

Sie können Zeitpläne auf der Registerkarte Alle Zeitpläne aktivieren oder den aktuellen Zeitplan auf der Detailseite des Zeitplans aktivieren.

Löschen eines Zeitplans

Wichtig

Zum Löschen eines Zeitplans müssen Sie diesen zunächst deaktivieren. Die Löschung ist dauerhaft und kann nicht rückgängig gemacht werden.

Azure-Befehlszeilenschnittstelle

az ml schedule delete -n simple_cron_job_schedule

Python SDK

# Only disabled schedules can be deleted
ml_client.schedules.begin_disable(name=schedule_name).result()
ml_client.schedules.begin_delete(name=schedule_name).result()

Studio-Benutzeroberfläche

Sie können Zeitpläne auf der Registerkarte Alle Zeitpläne löschen oder den aktuellen Zeitplan auf der Detailseite des Zeitplans löschen.

Fragen Sie ausgelöste Jobs von einem Zeitplan ab

Aufträge, die von einem bestimmten Zeitplan ausgelöst werden, weisen den Anzeigenamen <schedule_name>-YYYYMMDDThhmmssZ auf. Wenn beispielsweise ein Zeitplan mit dem Namen named-schedule ab dem 1. Januar 2021 um 6 Uhr alle zwölf Stunden ausgeführt wird, lauten die Anzeigenamen der erstellten Aufträge wie folgt:

• benannter Zeitplan 20210101T060000Z
• benannter Zeitplan 20210101T180000Z
• benannter Zeitplan 20210102T060000Z
• named-schedule-20210102T180000Z und so weiter

Sie können auch die JMESPath-Abfrage der Azure CLI anwenden, um die durch einen Zeitplannamen ausgelösten Aufträge abzufragen.

# query triggered jobs from schedule, please replace the simple_cron_job_schedule to your schedule name
az ml job list --query "[?contains(display_name,'simple_cron_schedule')]"

Tipp

Auf der Registerkarte Auftragsverlauf auf der Detailseite des Zeitplans in Studio können Aufträge, die durch einen Zeitplan ausgelöst wurden, einfach gefunden werden.

---

Unterstützung für rollenbasierte Zugriffssteuerung (Role-Based Access Control, RBAC)

Da Zeitpläne für die Produktion verwendet werden, ist es wichtig, das Risiko und die Auswirkungen von Fehlfunktionen zu reduzieren. Arbeitsbereichsadministratoren können den Zugriff auf die Zeitplanerstellung und -verwaltung in einem Arbeitsbereich einschränken.

Administratoren können im Azure-Portal die folgenden Aktionsregeln für Zeitpläne konfigurieren. Weitere Informationen finden Sie unter Verwalten des Zugriffs auf Azure Machine Learning-Arbeitsbereiche.

Aktion	BESCHREIBUNG	Regel
Lesen Sie	Abrufen und Auflisten von Zeitplänen	Microsoft.MachineLearningServices/workspaces/schedules/read
Schreiben	Erstellen, Aktualisieren, Deaktivieren und Aktivieren von Zeitplänen	Microsoft.MachineLearningServices/workspaces/schedules/write
Löschen	Löschen von Zeitplänen	Microsoft.MachineLearningServices/workspaces/schedules/delete

Kostenaspekte

Zeitpläne werden basierend auf der Anzahl der Zeitpläne in Rechnung gestellt. Jeder Zeitplan erstellt eine Logik-App, die von Azure Machine Learning im Auftrag des Benutzers gehostet wird (Host On Behalf Of, HOBO).

Die Logik-App wird über das Azure-Abonnement des Benutzers abgerechnet. Die Kosten für HOBO-Ressourcen werden mit derselben Verbrauchseinheit abgerechnet, die vom ursprünglichen Ressourcenanbieter ausgegeben wird. Die Gebühren werden unter der Hostressource angezeigt. Hierbei handelt es sich um den Azure Machine Learning-Arbeitsbereich.

Zugehöriger Inhalt

• YAML-Schema des CLI (v2)-Auftragszeitplans
• CLI (v2)-YAML-Kernsyntax
• Beschreibung von Azure Machine Learning-Pipelines
• Was ist eine Azure Machine Learning-Komponente?