Kopieren Sie eine OneLake-Lakehouse-Tabelle über die Benutzeroberfläche in Azure Machine Learning

In diesem Artikel wird gezeigt, wie Sie Microsoft Fabric OneLake-Tabellentypdaten (/Tables) in Azure Machine Learning verfügbar machen, indem Sie sie in ein AZURE DATA LAKE STORAGE-Konto (ADLS) kopieren und einen Datenspeicher über die Kopie erstellen. Sie führen die gesamte Aufgabe in der Studio-Benutzeroberfläche aus.

Azure Machine Learning können eine direkte Verbindung mit OneLake-Dateitypdaten (/Files) über einen OneLake-Datenspeicher ohne Kopie herstellen. Dieser Datenspeicher ohne Kopie unterstützt keine Lakehouse-Tabellen, wie im folgenden Screenshot dargestellt, sodass in diesem Artikel eine UI-basierte Problemumgehung für Tabellendaten behandelt wird.

Screenshot einer Tabelle in Microsoft Fabric.

Note

Dieses Verfahren kopiert Daten in Azure Data Lake Storage. Die kopierten Daten sind eine Point-in-Time-Momentaufnahme, keine Liveverknüpfung, sodass Sie die Kopie erneut ausführen, wenn sich die Quelltabelle ändert. Wenn Sie keinen Workflow nur über die Benutzeroberfläche benötigen, sollten Sie zunächst die Optionen ohne Kopie in Betracht ziehen: einen OneLake-Datenspeicher (Microsoft Fabric) für /FilesDaten oder direkten Zugriff aus Compute. Eine Übersicht über alle OneLake-Integrationsoptionen finden Sie unter Integrieren von OneLake in Azure Machine Learning.

Wann sollte dieser Ansatz verwendet werden?

Verwenden Sie die kopierbasierte Methode in diesem Artikel, wenn beide Bedingungen erfüllt sind:

  • Ihre Daten sind OneLake-Tabellentypdaten (/Tables), auf die ein OneLake-Datenspeicher nicht direkt verweisen kann.
  • Sie möchten die Verbindung vollständig in Azure Machine Learning Studio erstellen, ohne die CLI oder das SDK.

Wenn Sie live, keinen Kopierzugriff benötigen oder sich Ihre Daten im Lakehouse-Abschnitt /Files befinden, verwenden Sie stattdessen einen OneLake-Datenspeicher .

Voraussetzungen

Funktionsweise des Kopierworkflows

Diese Problemumgehung besteht aus drei Teilen:

  1. Erstellen und Einrichten eines Data Lake Storage Kontos im Azure-Portal.
  2. Verwenden Sie eine Fabric Datenpipeline, um die Tabellendaten aus OneLake in Azure Data Lake Storage zu kopieren.
  3. Erstellen Sie einen Azure Machine Learning Datenspeicher über den container Azure Data Lake Storage.

Das folgende Diagramm zeigt den Gesamtfluss:

Screenshot des Gesamtflusses der Lösung.

Important

Da dieser Ansatz Daten kopiert, enthält der Azure Machine Learning-Datenspeicher eine Momentaufnahme zu einem bestimmten Zeitpunkt. Führen Sie den Kopiervorgang erneut aus, wenn sich die Quell-Lakehouse-Tabelle ändert. Die Kopie führt außerdem zu doppelter Speicherung, was die Kosten erhöht, und OneLake-Governance oder Datenherkunft werden nicht beibehalten.

Einrichten des Data Lake-Speicherkontos im Azure-Portal

Weisen Sie der Benutzeridentität oder dem Serviceprinzipal die Rollen "Storage Blob Data Contributor" und "Storage File Data Privileged Contributor" zu, um Zugriff auf die Datenebene und die Berechtigung zum Erstellen von Containern zu gewähren. Der Kontoschlüsselzugriff wird separat durch die Zugriffseinstellung "Speicherkonto-Schlüsselzugriff zulassen " gesteuert, die Sie in einem späteren Schritt aktivieren. Um der Benutzeridentität die Rollen zuzuweisen:

  1. Öffnen Sie das Microsoft Azure-Portal.

  2. Wählen Sie den Speicherkontendienst aus.

    Screenshot: Auswahl eines Speicherkontodiensts

  3. Wählen Sie auf der Seite "Speicherkonten " das Data Lake Storage-Konto aus, das Sie im erforderlichen Schritt erstellt haben. Eine Seite mit den Eigenschaften des Speicherkontos wird geöffnet.

    Screenshot der Eigenschaftenseite des Data Lake-Speicherkontos.

  4. Wählen Sie zugriffstasten aus dem linken Bereich aus, und notieren Sie den Schlüssel. Sie benötigen diesen Wert in einem späteren Schritt.

  5. Wählen Sie Speicherkontoschlüsselzugriff zulassen aus und aktivieren Sie ihn, wie im folgenden Screenshot gezeigt.

    Tipp

    Verwenden Sie für Produktionsworkloads die identitätsbasierte Authentifizierung (Microsoft Entra ID) anstelle von Kontoschlüsseln. Weitere Informationen finden Sie unter Erstellen von Datenspeichern.

    Screenshot: Aktivieren des Schlüsselzugriffs eines Data Lake Storage-Kontos im Azure-Portal

  6. Wählen Sie im linken Bereich Access Control (IAM) aus, und weisen Sie dem Dienstprinzipal die Rollen "Storage Blob Data Contributor" und "Storage File Data Privileged Contributor" zu.

    Screenshot, der zeigt, wie Sie Rollen des Datenspeicherkontos im Azure-Portal zuweisen.

  7. Erstellen eines Containers im Speicherkonto. Nennen Sie sie onelake-table.

    Screenshot der Erstellung eines Datenlake-Speicherkonto-Containers im Azure-Portal.

Verwenden einer Fabric-Datenpipeline zum Kopieren von Daten in ein Azure Data Lake Storage-Konto

Tipp

Sie können auch einen Fabric Copy-Auftrag verwenden, der ein einfacheres Erlebnis für Datenkopieszenarien bietet.

  1. Wählen Sie im Fabric-Portal die Datenpipeline auf der Seite "Neues Element" aus.

    Screenshot: Auswahl einer Datenpipeline auf der Fabric-Seite für neue Elemente

  2. Wählen Sie den Assistenten zum Kopieren von Daten aus.

    Screenshot, der die Auswahl des Assistenten zum Kopieren von Daten zeigt.

  3. Wählen Sie im Assistenten zum Kopieren von DatenAzure Blobs aus:

    Screenshot, der die Auswahl der Option 'Auswählen' von Azure-Blobs im Fabric Copy-Daten-Assistenten zeigt.

  4. Um eine Verbindung mit dem Azure Data Lake-Speicherkonto zu erstellen, wählen Sie Authentifizierungsart: Kontoschlüssel und dann Weiter:

    Screenshot, der zeigt, wie Eine Verbindung in einer Fabric-Datenpipeline erstellt wird.

    Tipp

    Um Kontoschlüssel zu vermeiden, wählen Sie eine identitätsbasierte Authentifizierungsart aus, z. B. das Organisationskonto, und erstellen Sie den Azure Machine Learning Datenspeicher mit identitätsbasiertem Zugriff. Bei diesem Ansatz werden die zuvor zugewiesenen Datenebenenrollen verwendet, und es ist keine Aktivierung des Kontoschlüsselzugriffs erforderlich.

  5. Wählen Sie das Datenziel und dann "Weiter" aus:

    Screenshot, der die Auswahl des Datenziels zeigt.

  6. Stellen Sie eine Verbindung mit dem Datenziel her, und wählen Sie "Weiter" aus:

    Screenshot, der die Verbindung mit dem Datenziel zeigt.

  7. Dieser Schritt startet automatisch den Datenkopieauftrag:

    Screenshot, der zeigt, dass die Kopieraktivität geplant ist.

    Dieser Schritt kann eine Weile dauern. Sie führt direkt zum nächsten Schritt.

  8. Überprüfen Sie, ob der Datenkopieauftrag erfolgreich abgeschlossen wurde:

    Screenshot, der zeigt, dass der Kopiervorgang erfolgreich war.

Erstellen eines Azure Machine Learning Datenspeichers über den Azure Data Lake Storage-Container

Nachdem Sich Ihre Daten in der Azure Data Lake-Speicherressource befindet, können Sie einen Azure Machine Learning-Datenspeicher erstellen.

  1. Im Azure-Speicherkonto enthält der Container , wie auf der linken Seite dargestellt, Daten, wie auf der rechten Seite dargestellt:

    Screenshot, der zeigt, wie Die Daten im Azure-Speicherkontocontainer überprüft werden.

  2. Erstellen Sie in Azure Machine Learning Studio eine Datenressource. Um den Typ zu bestimmen, öffnen Sie den Onelake-Table-Container , und überprüfen Sie, ob die Kopie eine einzelne Datei oder einen Ordner mit Dateien erstellt hat. Wählen Sie "Datei" (uri_file) für eine einzelne Datei oder einen Ordner (uri_folder) für einen Ordner mit Dateien aus, der üblich ist, wenn die Tabelle als mehrere Dateien exportiert wird:

    Screenshot mit der Auswahl des Typs des Datenbestands.

  3. Wählen Sie aus Azure Storage aus:

    Screenshot, der zeigt, wie Azure Storage ausgewählt wird.

  4. Erstellen Sie mithilfe des Kontoschlüsselwerts aus dem vorherigen Schritt " Erstellen einer Verbindung mit dem Azure Data Lake-Speicherkonto " einen neuen Datenspeicher:

    Screenshot, der zeigt, wie Sie in Azure Machine Learning einen neuen Datenspeicher erstellen.

  5. Sie können auch direkt einen Datenspeicher in Azure Machine Learning Studio erstellen:

    Screenshot, der zeigt, wie Sie einen Datenspeicher in Azure Machine Learning erstellen.

  6. Sie können die Details des von Ihnen erstellten Datenspeichers überprüfen:

    Screenshot mit Details des von Ihnen erstellten Datenspeichers.

  7. Überprüfen der Daten im Datenspeicher

    Screenshot, der zeigt, wie Sie auf einen Datenspeicher in Azure Machine Learning zugreifen.

Nachdem Sie den Datenspeicher in Azure Machine Learning erfolgreich erstellt haben, können Sie ihn in Machine Learning-Übungen verwenden.

Problembehandlung

  • Die Rollenzuweisung ist noch nicht wirksam: Azure Rollenzuweisungen können mehrere Minuten dauern, bis sie verteilt werden. Wenn die Erstellung des Kopierauftrags oder des Datenspeichers mit einem Autorisierungsfehler fehlschlägt, warten Sie einige Minuten, und wiederholen Sie den Vorgang.
  • Kontoschlüsselzugriff deaktiviert: Wenn Sie den Kontoschlüssel nicht abrufen oder verwenden können, vergewissern Sie sich, dass der Zugriff auf den Speicherkontoschlüssel für das Speicherkonto aktiviert ist.
  • Fabric Verbindung schlägt fehl: Überprüfen Sie den Namen und den Schlüssel des Speicherkontos, und bestätigen Sie, dass der Onelake-Table-Container vorhanden ist.
  • Snapshot ist veraltet: Die Kopie erstellt eine Momentaufnahme zu einem bestimmten Zeitpunkt. Um sie aktuell zu halten, planen Sie die Fabric Datenpipeline so, dass sie in regelmäßigen Abständen ausgeführt wird.

Verwandte Inhalte

Verweise

  • Zuletzt aktualisiert um