DataOperations Klasse

DataOperations.

Sie sollten diese Klasse nicht direkt instanziieren. Stattdessen sollten Sie eine MLClient-instance erstellen, die ihn für Sie instanziiert und als Attribut anfügen.

Vererbung

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)

Parameter

operation_scope

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

Erforderlich

Bereichsvariablen für die Vorgangsklassen eines MLClient-Objekts.

operation_config

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

Erforderlich

Allgemeine Konfiguration für Betriebsklassen eines MLClient-Objekts.

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>]

Erforderlich

Dienstclient, damit Endbenutzer mit Azure Machine Learning-Arbeitsbereichsressourcen arbeiten können (ServiceClient042023Preview oder ServiceClient102021Dataplane).

datastore_operations

DatastoreOperations

Erforderlich

Stellt einen Client zum Ausführen von Vorgängen für Datenspeicher dar.

Methoden

archive	Archivieren sie ein Datenobjekt.
create_or_update	Gibt erstellte oder aktualisierte Datenressource zurück. Falls noch nicht im Speicher gespeichert, wird das Medienobjekt in den Blobspeicher des Arbeitsbereichs hochgeladen.
get	Rufen Sie das angegebene Datenobjekt ab.
import_data	Hinweis Dies ist eine experimentelle Methode, die sich jederzeit ändern kann. Unter https://aka.ms/azuremlexperimental finden Sie weitere Informationen. Gibt den Datenimportauftrag zurück, der das Datenobjekt erstellt.
list	Listen Sie die Datenressourcen des Arbeitsbereichs auf.
list_materialization_status	Hinweis Dies ist eine experimentelle Methode, die sich jederzeit ändern kann. Unter https://aka.ms/azuremlexperimental finden Sie weitere Informationen. Auflisten von Materialisierungsaufträgen des Medienobjekts.
restore	Stellen Sie ein archiviertes Datenobjekt wieder her.
share	Hinweis Dies ist eine experimentelle Methode, die sich jederzeit ändern kann. Unter https://aka.ms/azuremlexperimental finden Sie weitere Informationen. Freigeben eines Datenressources vom Arbeitsbereich für die Registrierung.

archive

Archivieren sie ein Datenobjekt.

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

Parameter

name

str

Erforderlich

Name des Datenobjekts.

version

str

Erforderlich

Version des Datenobjekts.

label

str

Erforderlich

Bezeichnung des Datenobjekts. (sich gegenseitig mit Version ausschließen)

Gibt zurück

Keine

Beispiele

Beispiel für Archivdatenobjekt.

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

create_or_update

Gibt erstellte oder aktualisierte Datenressource zurück.

Falls noch nicht im Speicher gespeichert, wird das Medienobjekt in den Blobspeicher des Arbeitsbereichs hochgeladen.

create_or_update(data: Data) -> Data

Parameter

data

Data

Erforderlich

Datenobjektobjekt.

Gibt zurück

Datenobjektobjekt.

Rückgabetyp

Data

Ausnahmen

AssetPathException

Wird ausgelöst, wenn der Datenartefaktpfad bereits mit einem anderen Medienobjekt verknüpft ist.

ValidationException

Wird ausgelöst, wenn Daten nicht erfolgreich überprüft werden können. Details werden in der Fehlermeldung angegeben.

EmptyDirectoryError

Wird ausgelöst, wenn der angegebene lokale Pfad auf ein leeres Verzeichnis verweist.

Beispiele

Beispiel zum Erstellen von Datenressourcen.

   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

Rufen Sie das angegebene Datenobjekt ab.

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

Parameter

name

str

Erforderlich

Name des Datenobjekts.

version

str

Erforderlich

Version des Datenobjekts.

label

str

Erforderlich

Bezeichnung des Datenobjekts. (sich gegenseitig mit Version ausschließen)

Gibt zurück

Datenobjektobjekt.

Rückgabetyp

Data

Ausnahmen

ValidationException

Wird ausgelöst, wenn Daten nicht erfolgreich identifiziert und abgerufen werden können. Details werden in der Fehlermeldung angegeben.

Beispiele

Beispiel zum Abrufen von Datenressourcen.

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

import_data

Hinweis

Dies ist eine experimentelle Methode, die sich jederzeit ändern kann. Unter https://aka.ms/azuremlexperimental finden Sie weitere Informationen.

Gibt den Datenimportauftrag zurück, der das Datenobjekt erstellt.

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

Parameter

data_import

DataImport

Erforderlich

DataImport-Objekt.

Gibt zurück

Datenimportauftragsobjekt.

Rückgabetyp

PipelineJob

Beispiele

Beispiel zum Importieren von Datenressourcen.

   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

Listen Sie die Datenressourcen des Arbeitsbereichs auf.

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

Parameter

name

Optional[str]

Erforderlich

Name eines bestimmten Datenobjekts, optional.

list_view_type

Ansichtstyp zum Einschließen/Ausschließen (z. B.) archivierter Datenressourcen. Standard: ACTIVE_ONLY.

Gibt zurück

Ein Iterator wie instance von Data-Objekten

Rückgabetyp

ItemPaged[Data]

Beispiele

Beispiel für Auflisten von Datenressourcen.

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

list_materialization_status

Hinweis

Dies ist eine experimentelle Methode, die sich jederzeit ändern kann. Unter https://aka.ms/azuremlexperimental finden Sie weitere Informationen.

Auflisten von Materialisierungsaufträgen des Medienobjekts.

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

Parameter

name

str

Erforderlich

Name des Medienobjekts, das von den Materialisierungsaufträgen erstellt wird.

list_view_type

Optional[<xref:ListViewType>]

Ansichtstyp für ein-/ausschließende (z. B.) archivierte Aufträge. Standard: ACTIVE_ONLY.

Gibt zurück

Ein Iterator wie instance von Job-Objekten.

Rückgabetyp

ItemPaged[PipelineJob]

Beispiele

Beispiel für Auflisten von Materialisierungsaufträgen.

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

restore

Stellen Sie ein archiviertes Datenobjekt wieder her.

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

Parameter

name

str

Erforderlich

Name des Datenobjekts.

version

str

Erforderlich

Version des Datenobjekts.

label

str

Erforderlich

Bezeichnung des Datenobjekts. (sich gegenseitig mit Version ausschließen)

Gibt zurück

Keine

Beispiele

Beispiel für die Wiederherstellung eines Datenobjekts.

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

share

Hinweis

Dies ist eine experimentelle Methode, die sich jederzeit ändern kann. Unter https://aka.ms/azuremlexperimental finden Sie weitere Informationen.

Freigeben eines Datenressources vom Arbeitsbereich für die Registrierung.

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

Parameter

name

str

Erforderlich

Name des Datenobjekts.

version

str

Erforderlich

Version des Datenobjekts.

share_with_name

str

Name des Datenobjekts, mit dem freigegeben werden soll.

share_with_version

str

Version des Datenobjekts, mit dem freigegeben werden soll.

registry_name

str

Name der Zielregistrierung.

Gibt zurück

Datenobjektobjekt.

Rückgabetyp

Data

Beispiele

Beispiel zum Freigeben von Datenobjekten.

       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",
       )