Planen von Datenimportaufträgen (Vorschau)

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

In diesem Artikel erfahren Sie, wie Sie programmgesteuert Datenimporte planen und die Zeitplan-Benutzeroberfläche dazu verwenden. Sie können einen Zeitplan basierend auf der verstrichenen Zeit erstellen. Zeitbasierte Zeitpläne können verwendet werden, um Routineaufgaben zu erledigen, wie z. B. das regelmäßige Importieren von Daten, um sie auf dem neuesten Stand zu halten. Nachdem Sie gelernt haben, Zeitpläne zu erstellen, erfahren Sie, wie Sie sie über die CLI, das SDK und die Studio-Benutzeroberfläche abrufen, aktualisieren und deaktivieren.

Voraussetzungen

• Für die Verwendung von Azure Machine Learning ist ein Azure-Abonnement erforderlich. Wenn Sie nicht über ein Azure-Abonnement verfügen, können Sie ein kostenloses Konto erstellen, bevor Sie beginnen. Probieren Sie die kostenlose oder kostenpflichtige Version von Azure Machine Learning noch heute aus.

Azure-Befehlszeilenschnittstelle

• Installieren Sie die Azure CLI und die Erweiterung ml. Befolgen Sie die Installationsschritte unter Installieren, Einrichten und Verwenden der CLI (v2).

• Erstellen Sie einen Azure Machine Learning-Arbeitsbereich, sofern Sie noch keinen besitzen. Weitere Informationen zur Erstellung eines Arbeitsbereichs finden Sie unter Installieren, Einrichten und Verwenden der CLI (v2).

Python SDK

• Erstellen Sie einen Azure Machine Learning-Arbeitsbereich, sofern Sie noch keinen besitzen.
• Das Azure Machine Learning SDK v2 für Python.

Studio

• Ein Azure Machine Learning-Arbeitsbereich. Siehe Erstellen von Arbeitsbereichsressourcen.
• Grundlegendes zu Azure Machine Learning-Pipelines. Erfahren Sie, was Machine Learning-Pipelines sind und wie Sie einen Pipelineauftrag in der CLI v2 oder im SDK v2 erstellen.

Planen des Datenimports

Um Daten auf wiederkehrender Basis zu importieren, müssen Sie einen Zeitplan erstellen. Ein Schedule ordnet eine Datenimportaktion und einen Auslöser zu. Der Trigger kann entweder cron einen Cron-Ausdruck verwenden, um die Wartezeit zwischen den Ausführungen zu beschreiben, oder recurrence angeben, mit welcher Häufigkeit der Job ausgelöst werden soll. In jedem Fall müssen Sie zunächst eine Importdatendefinition erstellen. Ein vorhandener Datenimport oder ein Datenimport, der inline definiert ist, funktioniert dafür. Weitere Informationen finden Sie unter Erstellen eines Datenimports mittels CLI, SDK und Benutzeroberfläche.

Erstellen eines Zeitplans

Erstellen Sie einen zeitbasierten Zeitplan mit Wiederholungsmuster

Azure-Befehlszeilenschnittstelle

GILT FÜRAzure CLI ML-Erweiterung v2 (aktuell)

YAML: Planen eines Datenimports mit Serienmuster

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

import_data: ./my-snowflake-import-data.yaml

YAML: Planen der Inline-Datenimportdefinition mit Serienmuster im verwalteten Datenspeicher

$schema: https://azuremlschemas.azureedge.net/latest/schedule.schema.json
name: inline_recurrence_import_schedule
display_name: Inline recurrence import schedule
description: an inline hourly recurrence import 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

import_data:
  type: mltable
  name: my_snowflake_ds
  path: azureml://datastores/workspacemanagedstore
  source:
    type: database
    query: select * from TPCH_SF1.REGION
    connection: azureml:my_snowflake_connection

trigger enthält die folgenden Eigenschaften:

• (Erforderlich)type gibt den Typ des Zeitplans an, entweder recurrence oder cron. Im folgenden Abschnitt finden Sie weitere Details.

Führen Sie als nächstes diesen Befehl in der CLI aus:

> az ml schedule create -f <file-name>.yml

Python SDK

GILT FÜR: Python SDK azure-ai-ml v2 (aktuell)

from azure.ai.ml.data_transfer import Database
from azure.ai.ml.constants import TimeZone
from azure.ai.ml.entities import (
    ImportDataSchedule,
    RecurrenceTrigger,
    RecurrencePattern,
)
from datetime import datetime

source = Database(connection="azureml:my_sf_connection", query="select * from my_table")

path = "azureml://datastores/workspaceblobstore/paths/snowflake/schedule/${{name}}"


my_data = DataImport(
    type="mltable", source=source, path=path, name="my_schedule_sfds_test"
)

schedule_name = "my_simple_sdk_create_schedule_recurrence"

schedule_start_time = datetime.utcnow()

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

import_schedule = ImportDataSchedule(
    name=schedule_name, trigger=recurrence_trigger, import_data=my_data
)

ml_client.schedules.begin_create_or_update(import_schedule).result()

RecurrenceTrigger enthält folgende Eigenschaften:

• (Erforderlich) Um ein besseres Codierungserlebnis zu bieten, verwenden wir RecurrenceTrigger einen Wiederholungszeitplan.

Studio

Wenn Sie über einen Datenimport mit zufriedenstellender Leistung und zufriedenstellenden Ausgaben verfügen, können Sie einen Zeitplan einrichten, um diesen Import automatisch auszulösen.

1. Navigieren Sie zu Azure Machine Learning Studio.

2. Wählen Sie unter Ressourcen im linken Navigationsbereich die Option Daten aus. Wählen Sie auf der Registerkarte Datenimport die importierte Datenressource aus, an die Sie einen Zeitplan anfügen möchten. Die Seite Importauftragsverlauf sollte angezeigt werden, wie in diesem Screenshot gezeigt:

   

3. Wählen Sie auf der Seite Importauftragsverlauf den neuesten Link Importauftragsname aus, um die Seite mit den Auftragsdetails für Pipelines zu öffnen, wie in diesem Screenshot gezeigt:

   

4. Wählen Sie auf der Seite mit den Details des Pipelineauftrags eines beliebigen Datenimports die Option Zeitplan –>Neuen Zeitplan erstellen aus, um den Assistenten zum Erstellen eines Zeitplans zu öffnen, wie in diesem Screenshot gezeigt:

   

5. Die Basiseinstellungen des Assistenten zum Erstellen von Zeitplänen enthalten die Eigenschaften, die in diesem Screenshot angezeigt werden:

   

• Name: Der eindeutige Bezeichner des Zeitplans im Arbeitsbereich

• Beschreibung: die Beschreibung des Zeitplans.

• Auslöser: das Wiederholungsmuster des Zeitplans mit den folgenden Eigenschaften.

  • Zeitzone: Die Berechnung der Auslösezeit basiert auf dieser Zeitzone; standardmäßig koordinierte Weltzeit (Coordinated Universal Time, UTC).
  • Wiederholung oder Cron-Ausdruck: Wählen Sie „Wiederholung“ aus, um das Wiederholungsmuster anzugeben. Unter Serie können Sie die Wiederholungshäufigkeit in Minuten, Stunden, Tagen, Wochen oder Monaten angeben.
  • Start: Der Zeitplan wird an diesem Datum erstmals aktiv. Standardmäßig das Erstellungsdatum dieses Zeitplans.
  • Ende: Der Zeitplan wird nach diesem Datum inaktiv. Standardmäßig ist KEINES festgelegt. Das bedeutet, dass der Zeitplan aktiv bleibt, bis Sie ihn manuell deaktivieren.
  • Tags: die ausgewählten Zeitplantags.

  Nachdem Sie die Basiseinstellungen konfiguriert haben, können Sie Überprüfen + Erstellen auswählen, und der Zeitplan wird den Datenimport automatisch basierend auf von Ihnen angegebenen Wiederholungsmuster übermitteln. Sie können auch Weiter auswählen und durch den Assistenten navigieren, um die Datenimportparameter auszuwählen oder zu aktualisieren.

Hinweis

Diese Eigenschaften gelten für CLI und SDK:

• (Erforderlich)frequency gibt die Zeiteinheit an, die beschreibt, wie oft der Zeitplan ausgelöst wird. Kann Werte wie minute, hour, day, week oder month aufweisen.

• (Erforderlich)interval gibt an, wie oft der Zeitplan basierend auf der Häufigkeit ausgelöst wird, d. h. die Anzahl der Zeiteinheiten, die gewartet werden soll, bis der Zeitplan erneut ausgelöst wird.

• (Optional) schedule definiert das Wiederholungsmuster, das hours, minutes, und enthält weekdays.

  • Wenn frequency gleich day ist, kann ein Muster hours und minutes angeben.
  • Wenn frequency gleich week und month ist, kann ein Muster hours, minutes und weekdays angeben.
  • hours sollte eine ganze Zahl sein oder eine Liste zwischen 0 und 23.
  • minutes sollte eine ganze Zahl sein oder eine Liste zwischen 0 und 59.
  • weekdays sollte eine Zeichenfolge sein oder eine Liste von monday bis sunday.
  • Wenn schedule weggelassen wird, wird der Auftrag/werden die Aufträge gemäß der Logik von start_time, frequency und interval ausgelöst.

• (Optional) start_time beschreibt das Startdatum und die Startzeit mit Zeitzone. Wenn start_time weggelassen wird, entspricht start_time der Erstellungszeit des Auftrags. Wenn die Startzeit in der Vergangenheit liegt, wird der erste Job zur nächsten berechneten Laufzeit ausgeführt.

• (Optional) end_time beschreibt das Enddatum und die Endzeit mit Zeitzone. Wenn end_time weggelassen wird, löst der Zeitplan weiterhin Jobs aus, bis der Zeitplan manuell deaktiviert wird.

• (Optional) time_zone gibt die Zeitzone der Wiederholung an. Wenn weggelassen, ist die Standardzeitzone UTC. Um mehr über Zeitzonenwerte zu erfahren, siehe Anhang für Zeitzonenwerte.

Erstellen Sie einen zeitbasierten Zeitplan mit Cron-Ausdruck

Azure-Befehlszeilenschnittstelle

YAML: Planen des Datenimports mit cron-Ausdruck

GILT FÜRAzure CLI-ML-Erweiterung v2 (aktuell)

YAML: Planen des Datenimports mit cron-Ausdruck (Vorschau)

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

import_data: ./my-snowflake-import-data.yaml

YAML: Planen der Inline-Datenimportdefinition mit cron-Ausdruck (Vorschau)

$schema: https://azuremlschemas.azureedge.net/latest/schedule.schema.json
name: inline_cron_import_schedule
display_name: Inline cron import schedule
description: an inline hourly cron import 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

import_data:
  type: mltable
  name: my_snowflake_ds
  path: azureml://datastores/workspaceblobstore/paths/snowflake/${{name}}
  source:
    type: database
    query: select * from TPCH_SF1.REGION
    connection: azureml:my_snowflake_connection

Der trigger Abschnitt definiert die Zeitplandetails und enthält folgende Eigenschaften:

• (Erforderlich)type gibt an, dass der Zeitplantyp cron.

> az ml schedule create -f <file-name>.yml

Die Liste wird hier fortgesetzt:

Python SDK

GILT FÜR: Python SDK azure-ai-ml v2 (aktuell)

from azure.ai.ml.data_transfer import Database
from azure.ai.ml.constants import TimeZone
from azure.ai.ml.entities import CronTrigger, ImportDataSchedule

source = Database(connection="azureml:my_sf_connection", query="select * from my_table")

path = "azureml://datastores/workspaceblobstore/paths/snowflake/schedule/${{name}}"


my_data = DataImport(
    type="mltable", source=source, path=path, name="my_schedule_sfds_test"
)

schedule_name = "my_simple_sdk_create_schedule_cron"

cron_trigger = CronTrigger(
    expression="15 10 * * 1",
    start_time=datetime.utcnow(),
    end_time="2023-12-03T18:40:00",
)
import_schedule = ImportDataSchedule(
    name=schedule_name, trigger=cron_trigger, import_data=my_data
)
ml_client.schedules.begin_create_or_update(import_schedule).result()

Der CronTrigger Abschnitt definiert die Zeitplandetails und enthält folgende Eigenschaften:

• (Erforderlich) Um ein besseres Codierungserlebnis zu bieten, verwenden CronTrigger wir einen Wiederholungszeitplan.

Die Liste wird hier fortgesetzt:

Studio

Wenn Sie über einen Datenimport mit zufriedenstellender Leistung und zufriedenstellenden Ausgaben verfügen, können Sie einen Zeitplan einrichten, um diesen Import automatisch auszulösen.

1. Navigieren Sie zu Azure Machine Learning Studio.

2. Wählen Sie unter Ressourcen im linken Navigationsbereich die Option Daten aus. Wählen Sie auf der Registerkarte Datenimport die importierte Datenressource aus, an die Sie einen Zeitplan anfügen möchten. Die Seite Importauftragsverlauf sollte angezeigt werden, wie in diesem Screenshot gezeigt:

   

3. Wählen Sie auf der Seite Importauftragsverlauf den neuesten Link Importauftragsname aus, um die Seite mit den Auftragsdetails für Pipelines zu öffnen, wie in diesem Screenshot gezeigt:

   

4. Wählen Sie auf der Seite mit den Details des Pipelineauftrags eines beliebigen Datenimports die Option Zeitplan –>Neuen Zeitplan erstellen aus, um den Assistenten zum Erstellen eines Zeitplans zu öffnen, wie in diesem Screenshot gezeigt:

   

5. Die Basiseinstellungen des Assistenten zum Erstellen von Zeitplänen enthalten die Eigenschaften, die in diesem Screenshot angezeigt werden:

   

• Name: Der eindeutige Bezeichner des Zeitplans im Arbeitsbereich

• Beschreibung: die Beschreibung des Zeitplans.

• Auslöser: das Wiederholungsmuster des Zeitplans mit den folgenden Eigenschaften.

  • Zeitzone: Die Berechnung der Auslösezeit basiert auf dieser Zeitzone; standardmäßig koordinierte Weltzeit (Coordinated Universal Time, UTC).
  • Wiederholung oder Cron-Ausdruck: Wählen Sie „Wiederholung“ aus, um das Wiederholungsmuster anzugeben. Mit Cron-Ausdruck können Sie flexiblere und angepasste Wiederholungsmuster angeben.
  • Start: Der Zeitplan wird an diesem Datum erstmals aktiv. Standardmäßig das Erstellungsdatum dieses Zeitplans.
  • Ende: Der Zeitplan wird nach diesem Datum inaktiv. Standardmäßig ist KEINES festgelegt. Das bedeutet, dass der Zeitplan aktiv bleibt, bis Sie ihn manuell deaktivieren.
  • Tags: die ausgewählten Zeitplantags.

  Nachdem Sie die Basiseinstellungen konfiguriert haben, können Sie Überprüfen + Erstellen auswählen, und der Zeitplan wird den Datenimport automatisch basierend auf von Ihnen angegebenen Wiederholungsmuster übermitteln. Sie können auch Weiter auswählen und durch den Assistenten navigieren, um die Datenimportparameter auszuwählen oder zu aktualisieren.

• (Erforderlich)expression verwendet einen standardmäßigen Crontab-Ausdruck, um einen wiederkehrenden Zeitplan auszudrücken. Ein einzelner Ausdruck besteht aus fünf durch Leerzeichen getrennten Feldern:

  MINUTES HOURS DAYS MONTHS DAYS-OF-WEEK

  • Ein einzelner Platzhalter (*), der alle Werte für das Feld abdeckt. Ein * für „Tage“ bedeutet also alle Tage eines Monats (was je nach Monat und Jahr variiert).

  • Das expression: "15 16 * * 1" im obigen Beispiel bedeutet 16:15 Uhr an jedem Montag.

  • Die nächste Tabelle listet die gültigen Werte für jedes Feld auf:

    Feld	Bereich	Comment
    MINUTES	0-59	-
    HOURS	0-23	-
    DAYS	-	Wird nicht unterstützt. Der Wert wird ignoriert und als * behandelt.
    MONTHS	-	Wird nicht unterstützt. Der Wert wird ignoriert und als * behandelt.
    DAYS-OF-WEEK	0 - 6	Null (0) bedeutet Sonntag. Namen von Tagen werden ebenfalls akzeptiert.

  • Weitere Informationen zur Verwendung von Crontab-Ausdrücken finden Sie im Wiki für Crontab-Ausdrücke auf GitHub .

  Wichtig

  DAYS und MONTH werden nicht unterstützt. Wenn Sie einen dieser Werte übergeben, wird er ignoriert und als * behandelt.

• (Optional) start_time gibt das Startdatum und die Startzeit mit der Zeitzone des Zeitplans an. Beispielsweise bedeutet start_time: "2022-05-10T10:15:00-04:00", dass der Zeitplan am 10.05.2022 um 10:15:00 Uhr in der Zeitzone UTC-4 beginnt. Wenn start_time weggelassen wird, entspricht die start_time der Erstellungszeit des Zeitplans. Wenn die Startzeit in der Vergangenheit liegt, wird der erste Job zur nächsten berechneten Laufzeit ausgeführt.

• (Optional) end_time beschreibt das Enddatum und die Endzeit mit einer Zeitzone. Wenn end_time weggelassen wird, löst der Zeitplan weiterhin Jobs aus, bis der Zeitplan manuell deaktiviert wird.

• (Optional) time_zonegibt die Zeitzone des Ausdrucks an. Wenn weggelassen, ist die Zeitzone standardmäßig UTC. Siehe Anhang für Zeitzonenwerte.

Einschränkungen:

• Der Azure Machine Learning v2-Zeitplanung unterstützt derzeit keine ereignisbasierten Auslöser.
• Verwenden Sie das Azure Machine Learning v2-SDK/die CLI, um ein komplexes Wiederholungsmuster anzugeben, das mehrere Auslöserzeitstempel enthält. Die Benutzeroberfläche zeigt das komplexe Muster nur an und unterstützt keine Bearbeitung.
• Wenn Sie für die Wiederholung den 31. Tag jedes Monats festlegen, löst der Zeitplan in Monaten mit weniger als 31 Tagen keine Aufträge aus.

Zeitpläne in einem Arbeitsbereich auflisten

Azure-Befehlszeilenschnittstelle

GILT FÜRAzure CLI ML-Erweiterung v2 (aktuell)

az ml schedule list

Python SDK

GILT FÜR: Python SDK azure-ai-ml v2 (aktuell)

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

Studio

Wählen Sie im Studioportal unter der Erweiterung Aufträge die Registerkarte Alle Zeitpläne aus. Auf dieser Registerkarte werden alle Auftragspläne angezeigt, die von SDK/cli/UI in einer einzigen Liste erstellt wurden. In der Zeitplanliste haben Sie eine Übersicht über alle Zeitpläne in diesem Arbeitsbereich, wie in diesem Screenshot gezeigt:

Überprüfen Sie die Zeitplandetails

Azure-Befehlszeilenschnittstelle

GILT FÜRAzure CLI ML-Erweiterung v2 (aktuell)

az ml schedule show -n simple_cron_data_import_schedule

Python SDK

GILT FÜR: Python SDK azure-ai-ml v2 (aktuell)

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

Studio

Sie können einen Zeitplannamen auswählen, um die Detailseite des Zeitplans anzuzeigen. Die Seite mit den Zeitplandetails enthält die folgenden Registerkarten, wie in diesem Screenshot gezeigt:

• Übersicht: Grundlegende Informationen für den angegebenen Zeitplan.

  

• Auftragsdefinition: definiert den Auftrag, den der angegebene Zeitplan auslöst, wie in diesem Screenshot gezeigt:

  

Aktualisieren Sie einen Zeitplan

Azure-Befehlszeilenschnittstelle

GILT FÜRAzure CLI ML-Erweiterung v2 (aktuell)

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

Hinweis

Um mehr als nur Tags/Beschreibungen zu aktualisieren, empfiehlt sich die Verwendung von az ml schedule create --file update_schedule.yml

Python SDK

GILT FÜR: Python SDK azure-ai-ml v2 (aktuell)

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

Studio

Aktualisieren einer Datenimportdefinition auf einem vorhandenen Zeitplan

Um die Importhäufigkeit zu ändern oder eine neue Zuordnung für den Datenimportauftrag zu erstellen, können Sie die Importdefinition eines vorhandenen Zeitplans aktualisieren.

Hinweis

Um einen vorhandenen Zeitplan zu aktualisieren, wird die Zuordnung des Zeitplans mit der alten Importdefinition entfernt. Ein Zeitplan kann nur eine Importauftragsdefinition aufweisen. Mehrere Zeitpläne können jedoch eine einzelne Datenimportdefinition aufrufen.

1. Navigieren Sie zu Azure Machine Learning Studio.

2. Wählen Sie unter Ressourcen im linken Navigationsbereich die Option Daten aus. Wählen Sie auf der Registerkarte Datenimport die importierte Datenressource aus, an die Sie einen Zeitplan anfügen möchten. Dann öffnet sich die Seite Importauftragsverlauf, wie in diesem Screenshot gezeigt:

   

3. Wählen Sie auf der Seite Importauftragsverlauf den neuesten Link Importauftragsname aus, um die Seite mit den Auftragsdetails für Pipelines zu öffnen, wie in diesem Screenshot gezeigt:

   

4. Wählen Sie auf der Seite mit den Details des Pipelineauftrags eines beliebigen Datenimports die Option Zeitplan –>Vorhandenen Zeitplan aktualisieren aus, um den Assistenten zum Auswählen eines Zeitplans zu öffnen, wie in diesem Screenshot gezeigt:

   

5. Wählen Sie einen vorhandenen Zeitplan aus der Liste aus, wie in diesem Screenshot gezeigt:

   

   Wichtig

   Stellen Sie sicher, dass Sie den richtigen zu aktualisierenden Zeitplan auswählen. Sobald Sie die Aktualisierung abgeschlossen haben, löst der Zeitplan unterschiedliche Datenimporte aus.

6. Sie können auch die Quelle ändern und den Zielpfad für zukünftige Datenimporte abfragen und ändern, die vom Zeitplan ausgelöst werden.

7. Wählen Sie Überprüfen und aktualisieren aus, um die Aktualisierung abzuschließen. Die abgeschlossene Aktualisierung sendet eine Benachrichtigung.

8. Sie können die neue Datenimportdefinition auf der Seite mit den Zeitplandetails anzeigen, wenn die Aktualisierung abgeschlossen ist.

Aktualisieren auf der Detailseite des Zeitplans

Auf der Seite mit den Zeitplandetails können Sie Einstellungen aktualisieren auswählen, um sowohl die Basiseinstellungen wie auch die erweiterten Einstellungen zu aktualisieren, einschließlich der Einstellungen für Auftragseingaben/-ausgaben und Laufzeiteinstellungen des Zeitplans, wie in diesem Screenshot gezeigt:

Deaktivieren eines Zeitplans

Azure-Befehlszeilenschnittstelle

GILT FÜRAzure CLI ML-Erweiterung v2 (aktuell)

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

Python SDK

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

Studio

Sie können den aktuellen Zeitplan auf der Seite mit den Zeitplandetails deaktivieren. Sie können Zeitpläne auch auf der Registerkarte Alle Zeitpläne deaktivieren.

Aktivieren Sie einen Zeitplan

Azure-Befehlszeilenschnittstelle

GILT FÜRAzure CLI ML-Erweiterung v2 (aktuell)

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

Python SDK

GILT FÜR: Python SDK azure-ai-ml v2 (aktuell)

# 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

Auf der Seite mit den Zeitplandetails können Sie den aktuellen Zeitplan aktivieren. Sie können Zeitpläne auch auf der Registerkarte Alle Zeitpläne aktivieren.

Löschen eines Zeitplans

Wichtig

Ein Zeitplan muss vor dem Löschen deaktiviert werden. Der Löschvorgang kann nicht rückgängig gemacht werden. Nachdem ein Zeitplan gelöscht wurde, können Sie nicht mehr darauf zugreifen oder ihn wiederherstellen.

Azure-Befehlszeilenschnittstelle

GILT FÜRAzure CLI ML-Erweiterung v2 (aktuell)

az ml schedule delete -n simple_cron_data_import_schedule

Python SDK

GILT FÜR: Python SDK azure-ai-ml v2 (aktuell)

# 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

Sie können einen Zeitplan auf der Seite mit den Zeitplandetails oder auf der Registerkarte „Alle Zeitpläne“ löschen.

Unterstützung für RBAC (rollenbasierte Zugriffssteuerung)

Zeitpläne werden in der Regel für die Produktion verwendet. Um Probleme zu vermeiden, wollen Arbeitsbereichsadministratoren möglicherweise die Berechtigungen für die Erstellung und Verwaltung von Zeitplänen innerhalb eines Arbeitsbereichs einschränken.

Derzeit gibt es drei Aktionsregeln für Zeitpläne, und Sie können diese im Azure-Portal konfigurieren. Lesen Sie Verwalten des Zugriffs auf einen Azure Machine Learning-Arbeitsbereich, um mehr zu erfahren.

Aktion	BESCHREIBUNG	Regel
Lesen	Abrufen und Auflisten von Zeitplänen im Machine Learning-Arbeitsbereich	Microsoft.MachineLearningServices/workspaces/schedules/read
Schreiben	Erstellen, Aktualisieren, Deaktivieren und Aktivieren von Zeitplänen im Machine Learning-Arbeitsbereich	Microsoft.MachineLearningServices/workspaces/schedules/write
Löschen	Löschen eines Zeitplans im Machine Learning-Arbeitsbereich	Microsoft.MachineLearningServices/workspaces/schedules/delete

Nächste Schritte

• Erfahren Sie mehr über das YAML-Schema für den CLI (v2)-Datenimportzeitplan.
• Erfahren Sie, wie Sie importierte Datenressourcen verwalten.