Datastore Classe

  • Référence

Représente une abstraction de stockage sur un compte de stockage Azure Machine Learning.

Les magasins de données sont joints à des espaces de travail et sont utilisés pour stocker les informations de connexion aux services de stockage Azure afin que vous puissiez y faire référence par leur nom et qu’il ne soit pas nécessaire de mémoriser les informations de connexion et le secret utilisés pour la connexion aux services de stockage.

Voici des exemples de services de stockage Azure pris en charge qui peuvent être enregistrés en tant que magasins de données :

  • Conteneur d’objets blob Azure

  • Partage de fichiers Azure

  • Azure Data Lake

  • Azure Data Lake Gen2

  • Azure SQL Database

  • Azure Database pour PostgreSQL

  • Système de fichiers Databricks

  • Azure Database pour MySQL

Utilisez cette classe pour effectuer des opérations de gestion, notamment pour inscrire, répertorier, récupérer et supprimer des magasins de données. Les magasins de données de chaque service sont créés avec les méthodes register* de cette classe. Quand vous utilisez un magasin de données pour accéder aux données, vous devez avoir l’autorisation d’accéder à ces données. Cela dépend des informations d’identification inscrites auprès du magasin de données.

Pour plus d’informations sur les magasins de données et sur la façon dont ils peuvent être utilisés pour le Machine Learning, consultez les articles suivants :

Obtient un magasin de données par nom. Cet appel fera une demande au service de magasin de données.

Héritage
builtins.object
Datastore

Constructeur

Datastore(workspace, name=None)

Paramètres

workspace
Workspace
Obligatoire

Espace de travail.

name
str, <xref:optional>
valeur par défaut: None

Nom du magasin de données. La valeur par défaut est None, qui obtient le magasin de données par défaut.

Remarques

Pour interagir avec les données de vos magasins de données pour les tâches de Machine Learning, comme l’apprentissage, créez un jeu de données Azure Machine Learning. Les jeux de données fournissent des fonctions qui chargent des données tabulaires dans un dataframe Pandas ou Spark. Ils offrent également la possibilité de télécharger ou monter des fichiers de n’importe quel format à partir des stockages suivants : Stockage Blob Azure, Azure Files, Azure Data Lake Storage Gen1, Azure Data Lake Storage Gen2, Azure SQL Database et Azure Database pour PostgreSQL. Découvrez-en plus sur l’entraînement avec des jeux de données.

L’exemple suivant montre comment créer un magasin de stockage connecté à un conteneur d’objets blob Azure.


   from azureml.exceptions import UserErrorException

   blob_datastore_name='MyBlobDatastore'
   account_name=os.getenv("BLOB_ACCOUNTNAME_62", "<my-account-name>") # Storage account name
   container_name=os.getenv("BLOB_CONTAINER_62", "<my-container-name>") # Name of Azure blob container
   account_key=os.getenv("BLOB_ACCOUNT_KEY_62", "<my-account-key>") # Storage account key

   try:
       blob_datastore = Datastore.get(ws, blob_datastore_name)
       print("Found Blob Datastore with name: %s" % blob_datastore_name)
   except UserErrorException:
       blob_datastore = Datastore.register_azure_blob_container(
           workspace=ws,
           datastore_name=blob_datastore_name,
           account_name=account_name, # Storage account name
           container_name=container_name, # Name of Azure blob container
           account_key=account_key) # Storage account key
       print("Registered blob datastore with name: %s" % blob_datastore_name)

   blob_data_ref = DataReference(
       datastore=blob_datastore,
       data_reference_name="blob_test_data",
       path_on_datastore="testdata")

Un exemple complet est disponible sur https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-data-transfer.ipynb

Méthodes

get

Obtient un magasin de données par nom. Cela revient à appeler le constructeur.
get_default

Obtient le magasin de données par défaut pour l’espace de travail.
register_azure_blob_container

Inscrit un conteneur d’objets blob Azure auprès du magasin de données.

L’accès aux données basé sur les informations d’identification (GA) et sur l’identité (préversion) est pris en charge. Vous pouvez choisir d’utiliser un jeton SAS ou une clé de compte de stockage. En l’absence d’informations d’identification enregistrées dans le magasin de données, le jeton AAD des utilisateurs est utilisé dans le notebook ou dans le programme python local s’il appelle directement l’une des fonctions suivantes : FileDataset.mount FileDataset.download FileDataset.to_path TabularDataset.to_pandas_dataframe TabularDataset.to_dask_dataframe TabularDataset.to_spark_dataframe TabularDataset.to_parquet_files TabularDataset.to_csv_files. L’identité de la cible de calcul sera utilisée dans les travaux soumis par Experiment.submit pour l’authentification de l’accès aux données. En savoir plus ici.
register_azure_data_lake

Initialise un nouveau magasin de données Azure Data Lake.

L’accès aux données basé sur les informations d’identification (GA) et sur l’identité (préversion) est pris en charge. Vous pouvez inscrire un magasin de données auprès du principal du service pour un accès aux données basé sur les informations d’identification. En l’absence d’informations d’identification enregistrées dans le magasin de données, le jeton AAD des utilisateurs est utilisé dans le notebook ou dans le programme python local s’il appelle directement l’une des fonctions suivantes : FileDataset.mount FileDataset.download FileDataset.to_path TabularDataset.to_pandas_dataframe TabularDataset.to_dask_dataframe TabularDataset.to_spark_dataframe TabularDataset.to_parquet_files TabularDataset.to_csv_files. L’identité de la cible de calcul sera utilisée dans les travaux soumis par Experiment.submit pour l’authentification de l’accès aux données. En savoir plus ici.

Vous trouverez ci-dessous un exemple d’inscription d’un système de fichiers Azure Data Lake Gen1 en tant que magasin de données.


   adlsgen1_datastore_name='adlsgen1datastore'

   store_name=os.getenv("ADL_STORENAME", "<my_datastore_name>") # the ADLS name
   subscription_id=os.getenv("ADL_SUBSCRIPTION", "<my_subscription_id>") # subscription id of the ADLS
   resource_group=os.getenv("ADL_RESOURCE_GROUP", "<my_resource_group>") # resource group of ADLS
   tenant_id=os.getenv("ADL_TENANT", "<my_tenant_id>") # tenant id of service principal
   client_id=os.getenv("ADL_CLIENTID", "<my_client_id>") # client id of service principal
   client_secret=os.getenv("ADL_CLIENT_SECRET", "<my_client_secret>") # the secret of service principal

   adls_datastore = Datastore.register_azure_data_lake(
       workspace=ws,
       datastore_name=aslsgen1_datastore_name,
       subscription_id=subscription_id, # subscription id of ADLS account
       resource_group=resource_group, # resource group of ADLS account
       store_name=store_name, # ADLS account name
       tenant_id=tenant_id, # tenant id of service principal
       client_id=client_id, # client id of service principal
       client_secret=client_secret) # the secret of service principal
register_azure_data_lake_gen2

Initialise un nouveau magasin de données Azure Data Lake Gen2.

L’accès aux données basé sur les informations d’identification (GA) et sur l’identité (préversion) est pris en charge. Vous pouvez inscrire un magasin de données auprès du principal du service pour un accès aux données basé sur les informations d’identification. En l’absence d’informations d’identification enregistrées dans le magasin de données, le jeton AAD des utilisateurs est utilisé dans le notebook ou dans le programme python local s’il appelle directement l’une des fonctions suivantes : FileDataset.mount FileDataset.download FileDataset.to_path TabularDataset.to_pandas_dataframe TabularDataset.to_dask_dataframe TabularDataset.to_spark_dataframe TabularDataset.to_parquet_files TabularDataset.to_csv_files. L’identité de la cible de calcul sera utilisée dans les travaux soumis par Experiment.submit pour l’authentification de l’accès aux données. En savoir plus ici.
register_azure_file_share

Inscrit un partage de fichiers Azure au magasin de données.

Vous pouvez choisir d’utiliser un jeton SAS ou une clé de compte de stockage
register_azure_my_sql

Initialise un nouveau magasin de données Azure MySQL.

Le magasin de données MySQL ne peut être utilisé que pour créer l’objet DataReference en tant qu’entrée et sortie vers DataTransferStep dans les pipelines Azure Machine Learning. Pour plus d’informations, cliquez ici.

Pour obtenir un exemple d’inscription d’une base de données Azure MySQL en tant que magasin de données, voir ci-dessous.
register_azure_postgre_sql

Initialise nouveau magasin de données Azure PostgreSQL.

Pour obtenir un exemple d’inscription d’une base de données Azure PostgreSQL en tant que magasin de données, voir ci-dessous.
register_azure_sql_database

Initialise un nouveau magasin de données de base de données Azure SQL.

L’accès aux données basé sur les informations d’identification (GA) et sur l’identité (préversion) est pris en charge. Vous pouvez choisir d’utiliser le principal de service ou le nom d’utilisateur et le mot de passe. En l’absence d’informations d’identification enregistrées dans le magasin de données, le jeton AAD des utilisateurs est utilisé dans le notebook ou dans le programme python local s’il appelle directement l’une des fonctions suivantes : FileDataset.mount FileDataset.download FileDataset.to_path TabularDataset.to_pandas_dataframe TabularDataset.to_dask_dataframe TabularDataset.to_spark_dataframe TabularDataset.to_parquet_files TabularDataset.to_csv_files. L’identité de la cible de calcul sera utilisée dans les travaux soumis par Experiment.submit pour l’authentification de l’accès aux données. En savoir plus ici.

Vous trouverez ci-dessous un exemple d’inscription d’une base de données Azure SQL en tant que magasin de données.
register_dbfs

Initialisez un nouveau magasin de données de système de fichiers Databricks (DBFS).

Le magasin de données DBFS peut être utilisé uniquement pour créer DataReference en tant qu’entrée et PipelineData en tant que sortie vers DatabricksStep dans les pipelines Azure Machine Learning. Vous trouverez plus d’informations ici.
register_hdfs

Notes

Il s’agit d’une méthode expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.

Initialisez un nouveau magasin de données HDFS.
set_as_default

Définit le magasin de données par défaut.
unregister

Annule l’inscription du magasin de données. Le service de stockage sous-jacent n’est pas supprimé.

get

Obtient un magasin de données par nom. Cela revient à appeler le constructeur.

static get(workspace, datastore_name)

Paramètres

workspace
Workspace
Obligatoire

Espace de travail.

datastore_name
str, <xref:optional>
Obligatoire

Nom du magasin de données. La valeur par défaut est None, qui obtient le magasin de données par défaut.

Retours

Magasin de données correspondant à ce nom.

Type de retour

AzureFileDatastore,
AzureBlobDatastore,
AzureDataLakeDatastore,
AzureDataLakeGen2Datastore,
AzureSqlDatabaseDatastore,
AzurePostgreSqlDatastore,
AzureMySqlDatastore,
DBFSDatastore

get_default

Obtient le magasin de données par défaut pour l’espace de travail.

static get_default(workspace)

Paramètres

workspace
Workspace
Obligatoire

Espace de travail.

Retours

Magasin de données par défaut pour l’espace de travail

Type de retour

AzureFileDatastore,
AzureBlobDatastore

register_azure_blob_container

Inscrit un conteneur d’objets blob Azure auprès du magasin de données.

L’accès aux données basé sur les informations d’identification (GA) et sur l’identité (préversion) est pris en charge. Vous pouvez choisir d’utiliser un jeton SAS ou une clé de compte de stockage. En l’absence d’informations d’identification enregistrées dans le magasin de données, le jeton AAD des utilisateurs est utilisé dans le notebook ou dans le programme python local s’il appelle directement l’une des fonctions suivantes : FileDataset.mount FileDataset.download FileDataset.to_path TabularDataset.to_pandas_dataframe TabularDataset.to_dask_dataframe TabularDataset.to_spark_dataframe TabularDataset.to_parquet_files TabularDataset.to_csv_files. L’identité de la cible de calcul sera utilisée dans les travaux soumis par Experiment.submit pour l’authentification de l’accès aux données. En savoir plus ici.

static register_azure_blob_container(workspace, datastore_name, container_name, account_name, sas_token=None, account_key=None, protocol=None, endpoint=None, overwrite=False, create_if_not_exists=False, skip_validation=False, blob_cache_timeout=None, grant_workspace_access=False, subscription_id=None, resource_group=None)

Paramètres

workspace
Workspace
Obligatoire

Espace de travail.

datastore_name
str
Obligatoire

Nom du magasin de données, ne respecte pas la casse, doit contenir uniquement des caractères alphanumériques et _.

container_name
str
Obligatoire

Nom du conteneur d’objets blob Azure.

account_name
str
Obligatoire

nom du compte de stockage.

sas_token
str, <xref:optional>
valeur par défaut: None

Jeton SAS du compte. La valeur par défaut est None. Pour la lecture des données, nous avons besoin d’un minimum d’autorisations List & Read pour les conteneurs & Objects, et pour l’écriture de données, nous avons également besoin d’autorisations Écrire & Ajouter.

account_key
str, <xref:optional>
valeur par défaut: None

Clés d’accès de votre compte de stockage. La valeur par défaut est None.

protocol
str, <xref:optional>
valeur par défaut: None

Protocole à utiliser pour la connexion au conteneur d’objets blob. Si None est défini, la valeur par défaut est https.

endpoint
str, <xref:optional>
valeur par défaut: None

Point de terminaison du compte de stockage. Si None est défini, la valeur par défaut est core.windows.net.

overwrite
bool, <xref:optional>
valeur par défaut: False

Remplace un magasin de données existant. Si le magasin de données n’existe pas, il est créé. La valeur par défaut est False

create_if_not_exists
bool, <xref:optional>
valeur par défaut: False

Crée le conteneur d’objets BLOB s’il n’existe pas. La valeur par défaut est False

skip_validation
bool, <xref:optional>
valeur par défaut: False

Ignore la validation des clés de stockage. La valeur par défaut est False

blob_cache_timeout
int, <xref:optional>
valeur par défaut: None

Quand cet objet blob est monté, définit le délai d’expiration du cache sur ce nombre de secondes. Si None est défini, la valeur par défaut est aucun délai d’expiration (c’est-à-dire que les objets BLOB sont mis en cache pour la durée du travail lors de la lecture).

grant_workspace_access
bool, <xref:optional>
valeur par défaut: False

Valeur par défaut False. Définissez-la sur True pour accéder à des données situées derrière un réseau virtuel à partir de Machine Learning Studio. Ainsi, lors de l’accès aux données à partir de Machine Learning Studio, l’identité managée de l’espace de travail est utilisée pour l’authentification, et celle-ci est ajoutée en tant que Lecteur du stockage. Vous devez être Propriétaire ou Administrateur de l’accès utilisateur du stockage pour configurer cette option. Si vous ne disposez pas de l’autorisation requise, demandez à votre administrateur de la configurer pour vous. Pour en savoir plus, consultez « https://docs.microsoft.com/azure/machine-learning/how-to-enable-studio-virtual-network »

subscription_id
str, <xref:optional>
valeur par défaut: None

ID d’abonnement du compte de stockage. La valeur par défaut est None.

resource_group
str, <xref:optional>
valeur par défaut: None

Groupe de ressources du compte de stockage. La valeur par défaut est False.

Retours

Magasin de données d’objets blob.

Type de retour

AzureBlobDatastore

Remarques

Si vous joignez le stockage d’une autre région que celle de l’espace de travail, vous risquez d’avoir une latence plus élevée et des coûts supplémentaires d’utilisation du réseau.

register_azure_data_lake

Initialise un nouveau magasin de données Azure Data Lake.

L’accès aux données basé sur les informations d’identification (GA) et sur l’identité (préversion) est pris en charge. Vous pouvez inscrire un magasin de données auprès du principal du service pour un accès aux données basé sur les informations d’identification. En l’absence d’informations d’identification enregistrées dans le magasin de données, le jeton AAD des utilisateurs est utilisé dans le notebook ou dans le programme python local s’il appelle directement l’une des fonctions suivantes : FileDataset.mount FileDataset.download FileDataset.to_path TabularDataset.to_pandas_dataframe TabularDataset.to_dask_dataframe TabularDataset.to_spark_dataframe TabularDataset.to_parquet_files TabularDataset.to_csv_files. L’identité de la cible de calcul sera utilisée dans les travaux soumis par Experiment.submit pour l’authentification de l’accès aux données. En savoir plus ici.

Vous trouverez ci-dessous un exemple d’inscription d’un système de fichiers Azure Data Lake Gen1 en tant que magasin de données.


   adlsgen1_datastore_name='adlsgen1datastore'

   store_name=os.getenv("ADL_STORENAME", "<my_datastore_name>") # the ADLS name
   subscription_id=os.getenv("ADL_SUBSCRIPTION", "<my_subscription_id>") # subscription id of the ADLS
   resource_group=os.getenv("ADL_RESOURCE_GROUP", "<my_resource_group>") # resource group of ADLS
   tenant_id=os.getenv("ADL_TENANT", "<my_tenant_id>") # tenant id of service principal
   client_id=os.getenv("ADL_CLIENTID", "<my_client_id>") # client id of service principal
   client_secret=os.getenv("ADL_CLIENT_SECRET", "<my_client_secret>") # the secret of service principal

   adls_datastore = Datastore.register_azure_data_lake(
       workspace=ws,
       datastore_name=aslsgen1_datastore_name,
       subscription_id=subscription_id, # subscription id of ADLS account
       resource_group=resource_group, # resource group of ADLS account
       store_name=store_name, # ADLS account name
       tenant_id=tenant_id, # tenant id of service principal
       client_id=client_id, # client id of service principal
       client_secret=client_secret) # the secret of service principal

static register_azure_data_lake(workspace, datastore_name, store_name, tenant_id=None, client_id=None, client_secret=None, resource_url=None, authority_url=None, subscription_id=None, resource_group=None, overwrite=False, grant_workspace_access=False)

Paramètres

workspace
Workspace
Obligatoire

Espace de travail auquel ce magasin de données appartient.

datastore_name
str
Obligatoire

Nom du magasin de données.

store_name
str
Obligatoire

Nom du magasin ADLS.

tenant_id
str, <xref:optional>
valeur par défaut: None

ID de répertoire/ID de locataire du principal de service utilisé pour accéder aux données.

client_id
str, <xref:optional>
valeur par défaut: None

ID de client/ID d’application du principal de service utilisé pour accéder aux données.

client_secret
str, <xref:optional>
valeur par défaut: None

Clé secrète client principal de service utilisé pour accéder aux données.

resource_url
str, <xref:optional>
valeur par défaut: None

URL de ressource, qui détermine les opérations qui sont exécutées sur le Data Lake Store. Si None est défini, la valeur par défaut est https://datalake.azure.net/, qui permet d’effectuer des opérations du système de fichiers.

authority_url
str, <xref:optional>
valeur par défaut: None

URL de l’autorité utilisée pour authentifier l’utilisateur. La valeur par défaut est https://login.microsoftonline.com.

subscription_id
str, <xref:optional>
valeur par défaut: None

ID de l’abonnement auquel le magasin ADLS appartient.

resource_group
str, <xref:optional>
valeur par défaut: None

Groupe de ressources auquel appartient le magasin ADLS.

overwrite
bool, <xref:optional>
valeur par défaut: False

Indique si un magasin de données existant doit être remplacé. Si le magasin de données n’existe pas, il est créé. La valeur par défaut est False.

grant_workspace_access
bool, <xref:optional>
valeur par défaut: False

Valeur par défaut False. Définissez-la sur True pour accéder à des données situées derrière un réseau virtuel à partir de Machine Learning Studio. Ainsi, lors de l’accès aux données à partir de Machine Learning Studio, l’identité managée de l’espace de travail est utilisée pour l’authentification, et celle-ci est ajoutée en tant que Lecteur du stockage. Vous devez être Propriétaire ou Administrateur de l’accès utilisateur du stockage pour configurer cette option. Si vous ne disposez pas de l’autorisation requise, demandez à votre administrateur de la configurer pour vous. Pour en savoir plus, consultez « https://docs.microsoft.com/azure/machine-learning/how-to-enable-studio-virtual-network »

Retours

Retourne le magasin de données Azure Data Lake.

Type de retour

AzureDataLakeDatastore

Remarques

Si vous joignez le stockage d’une autre région que celle de l’espace de travail, vous risquez d’avoir une latence plus élevée et des coûts supplémentaires d’utilisation du réseau.

Notes

Le magasin de données Azure Data Lake prend en charge le transfert de données et l’exécution de travaux U-Sql à l’aide des pipelines Azure Machine Learning.

Vous pouvez également l’utiliser comme source de données pour le jeu de données Azure Machine Learning qui peut être téléchargé ou monté sur tout calcul pris en charge.

register_azure_data_lake_gen2

Initialise un nouveau magasin de données Azure Data Lake Gen2.

L’accès aux données basé sur les informations d’identification (GA) et sur l’identité (préversion) est pris en charge. Vous pouvez inscrire un magasin de données auprès du principal du service pour un accès aux données basé sur les informations d’identification. En l’absence d’informations d’identification enregistrées dans le magasin de données, le jeton AAD des utilisateurs est utilisé dans le notebook ou dans le programme python local s’il appelle directement l’une des fonctions suivantes : FileDataset.mount FileDataset.download FileDataset.to_path TabularDataset.to_pandas_dataframe TabularDataset.to_dask_dataframe TabularDataset.to_spark_dataframe TabularDataset.to_parquet_files TabularDataset.to_csv_files. L’identité de la cible de calcul sera utilisée dans les travaux soumis par Experiment.submit pour l’authentification de l’accès aux données. En savoir plus ici.

static register_azure_data_lake_gen2(workspace, datastore_name, filesystem, account_name, tenant_id=None, client_id=None, client_secret=None, resource_url=None, authority_url=None, protocol=None, endpoint=None, overwrite=False, subscription_id=None, resource_group=None, grant_workspace_access=False)

Paramètres

workspace
Workspace
Obligatoire

Espace de travail auquel ce magasin de données appartient.

datastore_name
str
Obligatoire

Nom du magasin de données.

filesystem
str
Obligatoire

Nom du système de fichiers Data Lake Gen2.

account_name
str
Obligatoire

nom du compte de stockage.

tenant_id
str, <xref:optional>
valeur par défaut: None

ID de répertoire/ID de locataire du principal de service.

client_id
str, <xref:optional>
valeur par défaut: None

ID de client/ID d’application du principal de service.

client_secret
str, <xref:optional>
valeur par défaut: None

Secret du principal de service.

resource_url
str, <xref:optional>
valeur par défaut: None

URL de ressource, qui détermine les opérations qui sont exécutées sur le Data Lake Store. La valeur par défaut est https://storage.azure.com/, qui permet d’effectuer des opérations du système de fichiers.

authority_url
str, <xref:optional>
valeur par défaut: None

URL de l’autorité utilisée pour authentifier l’utilisateur. La valeur par défaut est https://login.microsoftonline.com.

protocol
str, <xref:optional>
valeur par défaut: None

Protocole à utiliser pour la connexion au conteneur d’objets blob. Si None est défini, la valeur par défaut est https.

endpoint
str, <xref:optional>
valeur par défaut: None

Point de terminaison du compte de stockage. Si None est défini, la valeur par défaut est core.windows.net.

overwrite
bool, <xref:optional>
valeur par défaut: False

Indique si un magasin de données existant doit être remplacé. Si le magasin de données n’existe pas, il est créé. La valeur par défaut est False.

subscription_id
str, <xref:optional>
valeur par défaut: None

ID de l’abonnement auquel le magasin ADLS appartient.

resource_group
str, <xref:optional>
valeur par défaut: None

Groupe de ressources auquel appartient le magasin ADLS.

grant_workspace_access
bool, <xref:optional>
valeur par défaut: False

Valeur par défaut False. Définissez-la sur True pour accéder à des données situées derrière un réseau virtuel à partir de Machine Learning Studio. Ainsi, lors de l’accès aux données à partir de Machine Learning Studio, l’identité managée de l’espace de travail est utilisée pour l’authentification, et celle-ci est ajoutée en tant que Lecteur du stockage. Vous devez être Propriétaire ou Administrateur de l’accès utilisateur du stockage pour configurer cette option. Si vous ne disposez pas de l’autorisation requise, demandez à votre administrateur de la configurer pour vous. Pour en savoir plus, consultez « https://docs.microsoft.com/azure/machine-learning/how-to-enable-studio-virtual-network »

Retours

Retourne le magasin de données Azure Data Lake Gen2.

Type de retour

AzureDataLakeGen2Datastore

Remarques

Si vous joignez le stockage d’une autre région que celle de l’espace de travail, vous risquez d’avoir une latence plus élevée et des coûts supplémentaires d’utilisation du réseau.

register_azure_file_share

Inscrit un partage de fichiers Azure au magasin de données.

Vous pouvez choisir d’utiliser un jeton SAS ou une clé de compte de stockage

static register_azure_file_share(workspace, datastore_name, file_share_name, account_name, sas_token=None, account_key=None, protocol=None, endpoint=None, overwrite=False, create_if_not_exists=False, skip_validation=False)

Paramètres

workspace
Workspace
Obligatoire

Espace de travail auquel ce magasin de données appartient.

datastore_name
str
Obligatoire

Nom du magasin de données, ne respecte pas la casse, doit contenir uniquement des caractères alphanumériques et _.

file_share_name
str
Obligatoire

Nom du conteneur de fichiers Azure.

account_name
str
Obligatoire

nom du compte de stockage.

sas_token
str, <xref:optional>
valeur par défaut: None

Jeton SAS du compte. La valeur par défaut est None. Pour la lecture des données, nous avons besoin d’un minimum d’autorisations List & Read pour les conteneurs & Objects, et pour l’écriture de données, nous avons également besoin d’autorisations Écrire & Ajouter.

account_key
str, <xref:optional>
valeur par défaut: None

Clés d’accès de votre compte de stockage. La valeur par défaut est None.

protocol
str, <xref:optional>
valeur par défaut: None

Protocole à utiliser pour se connecter au partage de fichiers. Si None est défini, la valeur par défaut est https.

endpoint
str, <xref:optional>
valeur par défaut: None

Point de terminaison du partage de fichiers. Si None est défini, la valeur par défaut est core.windows.net.

overwrite
bool, <xref:optional>
valeur par défaut: False

Indique si un magasin de données existant doit être remplacé. Si le magasin de données n’existe pas, il est créé. La valeur par défaut est False.

create_if_not_exists
bool, <xref:optional>
valeur par défaut: False

Indique si le partage de fichiers doit être créé s’il n’existe pas. La valeur par défaut est False.

skip_validation
bool, <xref:optional>
valeur par défaut: False

Indique s’il faut ignorer la validation des clés de stockage. La valeur par défaut est False.

Retours

Magasin de données de fichiers.

Type de retour

AzureFileDatastore

Remarques

Si vous joignez le stockage d’une autre région que celle de l’espace de travail, vous risquez d’avoir une latence plus élevée et des coûts supplémentaires d’utilisation du réseau.

register_azure_my_sql

Initialise un nouveau magasin de données Azure MySQL.

Le magasin de données MySQL ne peut être utilisé que pour créer l’objet DataReference en tant qu’entrée et sortie vers DataTransferStep dans les pipelines Azure Machine Learning. Pour plus d’informations, cliquez ici.

Pour obtenir un exemple d’inscription d’une base de données Azure MySQL en tant que magasin de données, voir ci-dessous.

static register_azure_my_sql(workspace, datastore_name, server_name, database_name, user_id, user_password, port_number=None, endpoint=None, overwrite=False, **kwargs)

Paramètres

workspace
Workspace
Obligatoire

Espace de travail auquel ce magasin de données appartient.

datastore_name
str
Obligatoire

Nom du magasin de données.

server_name
str
Obligatoire

Nom du serveur MySQL.

database_name
str
Obligatoire

Nom de la base de données MySQL.

user_id
str
Obligatoire

ID d’utilisateur du serveur MySQL.

user_password
str
Obligatoire

Mot de passe utilisateur du serveur MySQL.

port_number
str
valeur par défaut: None

Numéro de port du serveur MySQL.

endpoint
str, <xref:optional>
valeur par défaut: None

Point de terminaison du serveur MySQL. Si None est défini, la valeur par défaut est mysql.database.azure.com.

overwrite
bool, <xref:optional>
valeur par défaut: False

Indique si un magasin de données existant doit être remplacé. Si le magasin de données n’existe pas, il est créé. La valeur par défaut est False.

Retours

Retourne le magasin de données de la base de données MySQL.

Type de retour

AzureMySqlDatastore

Remarques

Si vous joignez le stockage d’une autre région que celle de l’espace de travail, vous risquez d’avoir une latence plus élevée et des coûts supplémentaires d’utilisation du réseau.


   mysql_datastore_name="mysqldatastore"
   server_name=os.getenv("MYSQL_SERVERNAME", "<my_server_name>") # FQDN name of the MySQL server
   database_name=os.getenv("MYSQL_DATBASENAME", "<my_database_name>") # Name of the MySQL database
   user_id=os.getenv("MYSQL_USERID", "<my_user_id>") # The User ID of the MySQL server
   user_password=os.getenv("MYSQL_USERPW", "<my_user_password>") # The user password of the MySQL server.

   mysql_datastore = Datastore.register_azure_my_sql(
       workspace=ws,
       datastore_name=mysql_datastore_name,
       server_name=server_name,
       database_name=database_name,
       user_id=user_id,
       user_password=user_password)

register_azure_postgre_sql

Initialise nouveau magasin de données Azure PostgreSQL.

Pour obtenir un exemple d’inscription d’une base de données Azure PostgreSQL en tant que magasin de données, voir ci-dessous.

static register_azure_postgre_sql(workspace, datastore_name, server_name, database_name, user_id, user_password, port_number=None, endpoint=None, overwrite=False, enforce_ssl=True, **kwargs)

Paramètres

workspace
Workspace
Obligatoire

Espace de travail auquel ce magasin de données appartient.

datastore_name
str
Obligatoire

Nom du magasin de données.

server_name
str
Obligatoire

Nom du serveur PostgreSQL.

database_name
str
Obligatoire

Nom de la base de données PostgreSQL.

user_id
str
Obligatoire

ID d’utilisateur du serveur PostgreSQL.

user_password
str
Obligatoire

Mot de passe utilisateur du serveur PostgreSQL.

port_number
str
valeur par défaut: None

Numéro de port du serveur PostgreSQL

endpoint
str, <xref:optional>
valeur par défaut: None

ID d’utilisateur du serveur PostgreSQL. Si None est défini, la valeur par défaut est postgres.database.azure.com.

overwrite
bool, <xref:optional>
valeur par défaut: False

Indique si un magasin de données existant doit être remplacé. Si le magasin de données n’existe pas, il est créé. La valeur par défaut est False.

enforce_ssl
bool
valeur par défaut: True

Indique la configuration SSL requise pour le serveur PostgreSQL. La valeur par défaut est True.

Retours

Retourne le magasin de données de la base de données PostgreSQL.

Type de retour

AzurePostgreSqlDatastore

Remarques

Si vous joignez le stockage d’une autre région que celle de l’espace de travail, vous risquez d’avoir une latence plus élevée et des coûts supplémentaires d’utilisation du réseau.


   psql_datastore_name="postgresqldatastore"
   server_name=os.getenv("PSQL_SERVERNAME", "<my_server_name>") # FQDN name of the PostgreSQL server
   database_name=os.getenv("PSQL_DATBASENAME", "<my_database_name>") # Name of the PostgreSQL database
   user_id=os.getenv("PSQL_USERID", "<my_user_id>") # The database user id
   user_password=os.getenv("PSQL_USERPW", "<my_user_password>") # The database user password

   psql_datastore = Datastore.register_azure_postgre_sql(
       workspace=ws,
       datastore_name=psql_datastore_name,
       server_name=server_name,
       database_name=database_name,
       user_id=user_id,
       user_password=user_password)

register_azure_sql_database

Initialise un nouveau magasin de données de base de données Azure SQL.

L’accès aux données basé sur les informations d’identification (GA) et sur l’identité (préversion) est pris en charge. Vous pouvez choisir d’utiliser le principal de service ou le nom d’utilisateur et le mot de passe. En l’absence d’informations d’identification enregistrées dans le magasin de données, le jeton AAD des utilisateurs est utilisé dans le notebook ou dans le programme python local s’il appelle directement l’une des fonctions suivantes : FileDataset.mount FileDataset.download FileDataset.to_path TabularDataset.to_pandas_dataframe TabularDataset.to_dask_dataframe TabularDataset.to_spark_dataframe TabularDataset.to_parquet_files TabularDataset.to_csv_files. L’identité de la cible de calcul sera utilisée dans les travaux soumis par Experiment.submit pour l’authentification de l’accès aux données. En savoir plus ici.

Vous trouverez ci-dessous un exemple d’inscription d’une base de données Azure SQL en tant que magasin de données.

static register_azure_sql_database(workspace, datastore_name, server_name, database_name, tenant_id=None, client_id=None, client_secret=None, resource_url=None, authority_url=None, endpoint=None, overwrite=False, username=None, password=None, subscription_id=None, resource_group=None, grant_workspace_access=False, **kwargs)

Paramètres

workspace
Workspace
Obligatoire

Espace de travail auquel ce magasin de données appartient.

datastore_name
str
Obligatoire

Nom du magasin de données.

server_name
str
Obligatoire

Nom du serveur SQL Server. Pour un nom de domaine complet comme « sample.database.windows.net », la valeur de server_name doit être « sample » et la valeur de point de terminaison doit être « database.windows.net ».

database_name
str
Obligatoire

Nom de la base de données SQL.

tenant_id
str
valeur par défaut: None

ID de répertoire/ID de locataire du principal de service.

client_id
str
valeur par défaut: None

ID de client/ID d’application du principal de service.

client_secret
str
valeur par défaut: None

Secret du principal de service.

resource_url
str, <xref:optional>
valeur par défaut: None

URL de la ressource, qui détermine les opérations qui sont exécutées sur le magasin de base de données SQL. Si None est défini, la valeur par défaut est https://database.windows.net/.

authority_url
str, <xref:optional>
valeur par défaut: None

URL de l’autorité utilisée pour authentifier l’utilisateur. La valeur par défaut est https://login.microsoftonline.com.

endpoint
str, <xref:optional>
valeur par défaut: None

Point de terminaison du serveur SQL. Si la valeur est None, la valeur par défaut est database.windows.net.

overwrite
bool, <xref:optional>
valeur par défaut: False

Indique si un magasin de données existant doit être remplacé. Si le magasin de données n’existe pas, il est créé. La valeur par défaut est False.

username
str
valeur par défaut: None

Nom d’utilisateur de l’utilisateur de base de données pour accéder à la base de données.

password
str
valeur par défaut: None

Mot de passe de l’utilisateur de base de données pour accéder à la base de données.

skip_validation
bool, <xref:optional>
Obligatoire

Indique s’il faut ignorer la validation de la connexion à la base de données SQL. Valeur par défaut False.

subscription_id
str, <xref:optional>
valeur par défaut: None

ID de l’abonnement auquel le magasin ADLS appartient.

resource_group
str, <xref:optional>
valeur par défaut: None

Groupe de ressources auquel appartient le magasin ADLS.

grant_workspace_access
bool, <xref:optional>
valeur par défaut: False

Valeur par défaut False. Définissez-la sur True pour accéder à des données situées derrière un réseau virtuel à partir de Machine Learning Studio. Ainsi, lors de l’accès aux données à partir de Machine Learning Studio, l’identité managée de l’espace de travail est utilisée pour l’authentification, et celle-ci est ajoutée en tant que Lecteur du stockage. Vous devez être Propriétaire ou Administrateur de l’accès utilisateur du stockage pour configurer cette option. Si vous ne disposez pas de l’autorisation requise, demandez à votre administrateur de la configurer pour vous. Pour en savoir plus, consultez « https://docs.microsoft.com/azure/machine-learning/how-to-enable-studio-virtual-network »

Retours

Retourne le magasin de données de la base de données SQL.

Type de retour

AzureSqlDatabaseDatastore

Remarques

Si vous joignez le stockage d’une autre région que celle de l’espace de travail, vous risquez d’avoir une latence plus élevée et des coûts supplémentaires d’utilisation du réseau.


   sql_datastore_name="azuresqldatastore"
   server_name=os.getenv("SQL_SERVERNAME", "<my_server_name>") # Name of the Azure SQL server
   database_name=os.getenv("SQL_DATABASENAME", "<my_database_name>") # Name of the Azure SQL database
   username=os.getenv("SQL_USER_NAME", "<my_sql_user_name>") # The username of the database user.
   password=os.getenv("SQL_USER_PASSWORD", "<my_sql_user_password>") # The password of the database user.

   sql_datastore = Datastore.register_azure_sql_database(
       workspace=ws,
       datastore_name=sql_datastore_name,
       server_name=server_name,  # name should not contain fully qualified domain endpoint
       database_name=database_name,
       username=username,
       password=password,
       endpoint='database.windows.net')

register_dbfs

Initialisez un nouveau magasin de données de système de fichiers Databricks (DBFS).

Le magasin de données DBFS peut être utilisé uniquement pour créer DataReference en tant qu’entrée et PipelineData en tant que sortie vers DatabricksStep dans les pipelines Azure Machine Learning. Vous trouverez plus d’informations ici.

static register_dbfs(workspace, datastore_name)

Paramètres

workspace
Workspace
Obligatoire

Espace de travail auquel ce magasin de données appartient.

datastore_name
str
Obligatoire

Nom du magasin de données.

Retours

Retourne le magasin de données DBFS.

Type de retour

DBFSDatastore

Remarques

Si vous joignez le stockage d’une autre région que celle de l’espace de travail, vous risquez d’avoir une latence plus élevée et des coûts supplémentaires d’utilisation du réseau.

register_hdfs

Notes

Il s’agit d’une méthode expérimentale qui peut changer à tout moment. Pour plus d’informations, consultez https://aka.ms/azuremlexperimental.

Initialisez un nouveau magasin de données HDFS.

static register_hdfs(workspace, datastore_name, protocol, namenode_address, hdfs_server_certificate, kerberos_realm, kerberos_kdc_address, kerberos_principal, kerberos_keytab=None, kerberos_password=None, overwrite=False)

Paramètres

workspace
Workspace
Obligatoire

espace de travail auquel appartient ce magasin de données

datastore_name
str
Obligatoire

nom du magasin de données

protocol
str ou <xref:_restclient.models.enum>
Obligatoire

Protocole à utiliser lors de la communication avec le cluster HDFS. http ou https. Les valeurs possibles sont : « http », « https »

namenode_address
str
Obligatoire

L’adresse IP ou le nom d’hôte DNS du namenode HDFS. Peut inclure un port (facultatif).

hdfs_server_certificate
str, <xref:optional>
Obligatoire

Le chemin vers le certificat de signature TLS du namenode HDFS, si TLS est utilisé avec un certificat auto-signé.

kerberos_realm
str
Obligatoire

Domaine Kerberos.

kerberos_kdc_address
str
Obligatoire

Adresse IP ou nom d’hôte DNS du KDC Kerberos.

kerberos_principal
str
Obligatoire

Principal Kerberos à utiliser pour l’authentification et l’autorisation.

kerberos_keytab
str, <xref:optional>
Obligatoire

Chemin vers le fichier keytab contenant la ou les clés correspondant au principal Kerberos. Fournissez cette valeur ou un mot de passe.

kerberos_password
str, <xref:optional>
Obligatoire

Mot de passe correspondant au principal Kerberos. Fournissez cette valeur ou le chemin vers un fichier keytab.

overwrite
bool, <xref:optional>
Obligatoire

Remplace un magasin de données existant. Si le magasin de données n’existe pas, il est créé. Valeur par défaut False.

set_as_default

Définit le magasin de données par défaut.

set_as_default()

Paramètres

datastore_name
str
Obligatoire

Nom du magasin de données.

unregister

Annule l’inscription du magasin de données. Le service de stockage sous-jacent n’est pas supprimé.

unregister()