Tárolók leválasztott (offline) környezetekben
A tárolók támogatása jelenleg az összes modell dokumentumintelligencia-verziójával 2022-08-31 (GA)
, valamint 2023-07-31 (GA)
az olvasási, elrendezési, számla-, nyugta- és azonosítódokumentum-modellek esetében érhető el:
- REST API
2022-08-31 (GA)
- REST API
2023-07-31 (GA)
- SDK-k célzása
REST API 2022-08-31 (GA)
- SDK-k célzása
REST API 2023-07-31 (GA)
✔️ A támogatott tárolódokumentációért tekintse meg a Document Intelligence v3.0-tárolókat leválasztott környezetekben .
Ez a tartalom a következőre vonatkozik: v3.0 (GA) v3.1 (GA)
Mik azok a leválasztott tárolók?
Az Azure AI-tárolók rugalmasan futtathatnak néhány Document Intelligence-szolgáltatást helyileg a tárolókban. A csatlakoztatott tárolók helyileg futnak a környezetben, és használati adatokat küldenek a felhőbe számlázás céljából. A leválasztott tárolók olyan helyzetekre szolgálnak, amikor nincs szükség a felhővel való kapcsolatra a tárolók futtatásához.
Az Azure AI Document Intelligence-tárolók lehetővé teszik a Dokumentumintelligencia API-k használatát a tárolók használatának előnyeivel. A leválasztott tárolók a használatalapú fizetéshez képest kedvezményes díjszabással kínált kötelezettségvállalási szint díjszabásán keresztül érhetők el. A kötelezettségvállalási szint díjszabásával a dokumentumintelligencia-funkciók fix díj ellenében, kiszámítható teljes költség mellett, a számítási feladat igényeinek megfelelően használható.
Első lépések
Mielőtt megpróbálna docker-tárolót futtatni offline környezetben, győződjön meg arról, hogy ismeri a következő követelményeket a tároló sikeres letöltéséhez és használatához:
- A gazdagépre vonatkozó követelmények és javaslatok.
- A Tároló letöltéséhez a Docker
pull
parancs. - Tároló futásának ellenőrzése.
- Lekérdezések küldése a tároló végpontjára a futtatás után.
Hozzáférés kérése a tárolók leválasztott környezetekben való használatához
Ahhoz, hogy a Dokumentumintelligencia-tárolókat leválasztott környezetekben használhassa, először ki kell töltenie és be kell küldenie egy kéreleműrlapot , és meg kell vásárolnia egy kötelezettségvállalási csomagot.
Új erőforrás létrehozása az Azure Portalon
Első lépésként egy új erőforrást épít ki a portálon.
Győződjön meg arról, hogy a
Commitment tier disconnected containers DC0
Tarifacsomag beállítását választjaVálassza ki a megfelelő tarifacsomagot legalább egy egyéni, olvasási vagy előre összeállított kötelezettségvállalási szint közül
Tároló | Minimum | Ajánlott | Kötelezettségvállalási terv |
---|---|---|---|
Read |
8 magok, 10 GB memória |
8 magok, 24 GB memória |
OCR (olvasás) |
Layout |
8 magok, 16 GB memória |
8 magok, 24 GB memória |
Előre összeállított |
Business Card |
8 magok, 16 GB memória |
8 magok, 24 GB memória |
Előre összeállított |
General Document |
8 magok, 12 GB memória |
8 magok, 24 GB memória |
Előre összeállított |
ID Document |
8 magok, 8 GB memória |
8 magok, 24 GB memória |
Előre összeállított |
Invoice |
8 magok, 16 GB memória |
8 magok, 24 GB memória |
Előre összeállított |
Receipt |
8 magok, 11 GB memória |
8 magok, 24 GB memória |
Előre összeállított |
Custom Template |
8 magok, 16 GB memória |
8 magok, 24 GB memória |
Egyéni API |
A szükséges paraméterek összegyűjtése
Az Azure AI-szolgáltatások tárolóihoz három paraméter szükséges:
- A végfelhasználói licencszerződésnek (EULA) elfogadható értékkel kell rendelkeznie.
- Az erőforrás végponti URL-címe az Azure Portalról.
- Az erőforrás API-kulcsa az Azure Portalról.
A végpont URL-címére és az API-kulcsra is szükség van, amikor először futtatja a tárolót a leválasztott használat konfigurálásához. A kulcsot és a végpontot az erőforrás kulcs- és végpontoldalán találja az Azure Portalon:
Fontos
A tárolót csak a kulcs és a végpont használatával konfigurálhatja úgy, hogy leválasztott környezetben fusson. A tároló konfigurálása után nem lesz szüksége a kulcs- és végpontértékekre az API-kérések küldéséhez. Biztonságosan tárolhatja őket, például az Azure Key Vault használatával. Ehhez a folyamathoz csak egy kulcs szükséges.
Docker-tároló letöltése docker pull
Töltse le a leválasztott környezetben való futtatásra jóváhagyott Docker-tárolót. Példa:
Docker lekéréses parancs | Érték | Formátum |
---|---|---|
● ● ● docker pull [image] docker pull [image]latest |
A legújabb tárolórendszerkép. | ● ● ● mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout-3.0:latest mcr.microsoft.com/azure-cognitive-services/form-recognizer/invoice-3.0:latest |
Példa a Docker lekéréses parancsára
docker pull mcr.microsoft.com/azure-cognitive-services/form-recognizer/invoice:latest
A tároló konfigurálása leválasztott környezetben való futtatásra
A leválasztott tárolólemezképek megegyeznek a csatlakoztatott tárolókkal. A fő különbség az, hogy a leválasztott tárolókhoz licencfájl szükséges. Ezt a licencfájlt úgy tölti le a rendszer, hogy a tárolót csatlakoztatott módban indítja el, és a downloadLicense paraméter értéke igaz.
A tároló letöltése után végre kell hajtania a docker run
parancsot a következő paraméterrel:
DownloadLicense=True
. Ez a paraméter letölt egy licencfájlt, amely lehetővé teszi a Docker-tároló futtatását, ha nincs internetkapcsolata. Emellett egy lejárati dátumot is tartalmaz, amely után a licencfájl érvénytelen a tároló futtatásához. A licencfájlt csak a megfelelő jóváhagyott tárolóban használhatja.
Fontos
A docker run
parancs létrehoz egy sablont, amellyel futtathatja a tárolót. A sablon olyan paramétereket tartalmaz, amelyekre szüksége lesz a letöltött modellekhez és konfigurációs fájlhoz. Győződjön meg arról, hogy menti ezt a sablont.
Az alábbi példa a parancs helyőrző értékekkel való formázását docker run
mutatja be. Cserélje le ezeket a helyőrző értékeket a saját értékeire.
Helyőrző | Érték | Formátum vagy példa |
---|---|---|
{IMAGE} |
A használni kívánt tárolórendszerkép. | mcr.microsoft.com/azure-cognitive-services/form-recognizer/invoice |
{LICENSE_MOUNT} |
A licenc letöltési és csatlakoztatási útvonala. | /host/license:/path/to/license/directory |
{ENDPOINT_URI} |
A szolgáltatáskérés hitelesítésének végpontja. Az erőforrás kulcs- és végpontoldalán , az Azure Portalon található. | https://<your-custom-subdomain>.cognitiveservices.azure.com |
{API_KEY} |
A dokumentumintelligencia-erőforrás kulcsa. Az erőforrás kulcs- és végpontoldalán , az Azure Portalon található. | {string} |
{CONTAINER_LICENSE_DIRECTORY} |
A licencmappa helye a tároló helyi fájlrendszerében. | /path/to/license/directory |
Példaparancs docker run
docker run --rm -it -p 5000:5050 \
-v {LICENSE_MOUNT} \
{IMAGE} \
eula=accept \
billing={ENDPOINT_URI} \
apikey={API_KEY} \
DownloadLicense=True \
Mounts:License={CONTAINER_LICENSE_DIRECTORY}
Az alábbi parancsban cserélje le a mappa elérési útjának, számlázási végpontjának és API-kulcsának helyőrzőit az elrendezéstároló licencfájljának letöltéséhez.
docker run -v {folder path}:/license --env Mounts:License=/license --env DownloadLicense=True --env Eula=accept --env Billing={billing endpoint} --env ApiKey={api key} mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout-3.0:latest
A tároló konfigurálása után a következő szakaszban futtassa a tárolót a környezetben a licenccel, valamint a megfelelő memória- és PROCESSZORkiosztásokkal.
Dokumentumintelligencia-tárolómodellek és -konfiguráció
A tároló konfigurálása után a rendszer létrehozza és megjeleníti a letöltött Dokumentumintelligencia-modellek és tárolókonfiguráció értékeit a tároló kimenetében.
A tároló futtatása leválasztott környezetben
A licencfájl letöltése után a tárolót leválasztott környezetben futtathatja a licencével, a megfelelő memóriával és a megfelelő processzorlefoglalásokkal. Az alábbi példa a parancs helyőrző értékekkel való formázását docker run
mutatja be. Cserélje le ezeket a helyőrzőket a saját értékeire.
A tároló futtatásakor a licencfájlt csatlakoztatni kell a tárolóhoz, és meg kell adni Mounts:License=
a tároló helyi fájlrendszerében lévő licencmappa helyét. Emellett kimeneti csatlakoztatást is meg kell adni, hogy meg lehessen írni a számlázási használati rekordokat.
Helyőrző | Érték | Formátum vagy példa |
---|---|---|
{IMAGE} |
A használni kívánt tárolórendszerkép. | mcr.microsoft.com/azure-cognitive-services/form-recognizer/invoice |
{MEMORY_SIZE} |
A tárolóhoz lefoglalandó memória mérete. | 4g |
{NUMBER_CPUS} |
A tárolóhoz lefoglalandó cpu-k megfelelő száma. | 4 |
{LICENSE_MOUNT} |
Az elérési út, ahol a licenc található és csatlakoztatva van. | /host/license:/path/to/license/directory |
{OUTPUT_PATH} |
A használati rekordok naplózásának kimeneti elérési útja. | /host/output:/path/to/output/directory |
{CONTAINER_LICENSE_DIRECTORY} |
A licencmappa helye a tároló helyi fájlrendszerében. | /path/to/license/directory |
{CONTAINER_OUTPUT_DIRECTORY} |
A kimeneti mappa helye a tároló helyi fájlrendszerén. | /path/to/output/directory |
Példaparancs docker run
docker run --rm -it -p 5000:5050 --memory {MEMORY_SIZE} --cpus {NUMBER_CPUS} \
-v {LICENSE_MOUNT} \
-v {OUTPUT_PATH} \
{IMAGE} \
eula=accept \
Mounts:License={CONTAINER_LICENSE_DIRECTORY}
Mounts:Output={CONTAINER_OUTPUT_DIRECTORY}
A leválasztott tároló indítása hasonló a csatlakoztatott tároló indításához. A leválasztott tárolókhoz hozzáadott licencparaméter szükséges. Íme egy docker-compose.yml mintafájl az egyéni tároló leválasztott módban való elindításához. Adja hozzá a CUSTOM_LICENSE_MOUNT_PATH környezeti változót egy értékkészlettel a letöltött licencfájlt tartalmazó mappához, a OUTPUT_MOUNT_PATH
környezeti változót pedig a használati naplókat tartalmazó mappához.
version: '3.3'
services:
nginx:
image: nginx:alpine
container_name: reverseproxy
volumes:
- ${NGINX_CONF_FILE}:/etc/nginx/nginx.conf
ports:
- "5000:5050"
layout:
container_name: azure-cognitive-service-layout
image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/layout-3.0:latest
environment:
eula: accept
apikey: ${FORM_RECOGNIZER_KEY}
billing: ${FORM_RECOGNIZER_ENDPOINT_URI}
Logging:Console:LogLevel:Default: Information
SharedRootFolder: /shared
Mounts:Shared: /shared
Mounts:Output: /logs
Mounts:License: /license
volumes:
- type: bind
source: ${SHARED_MOUNT_PATH}
target: /shared
- type: bind
source: ${OUTPUT_MOUNT_PATH}
target: /logs
- type: bind
source: ${LAYOUT_LICENSE_MOUNT_PATH}
target: /license
expose:
- "5000"
custom-template:
container_name: azure-cognitive-service-custom-template
image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/custom-template-3.0:latest
restart: always
depends_on:
- layout
environment:
AzureCognitiveServiceLayoutHost: http://azure-cognitive-service-layout:5000
eula: accept
apikey: ${FORM_RECOGNIZER_KEY}
billing: ${FORM_RECOGNIZER_ENDPOINT_URI}
Logging:Console:LogLevel:Default: Information
SharedRootFolder: /shared
Mounts:Shared: /shared
Mounts:Output: /logs
Mounts:License: /license
volumes:
- type: bind
source: ${SHARED_MOUNT_PATH}
target: /shared
- type: bind
source: ${OUTPUT_MOUNT_PATH}
target: /logs
- type: bind
source: ${CUSTOM_LICENSE_MOUNT_PATH}
target: /license
expose:
- "5000"
studio:
container_name: form-recognizer-studio
image: mcr.microsoft.com/azure-cognitive-services/form-recognizer/studio:3.0
environment:
ONPREM_LOCALFILE_BASEPATH: /onprem_folder
STORAGE_DATABASE_CONNECTION_STRING: /onprem_db/Application.db
volumes:
- type: bind
source: ${FILE_MOUNT_PATH} # path to your local folder
target: /onprem_folder
- type: bind
source: ${DB_MOUNT_PATH} # path to your local folder
target: /onprem_db
ports:
- "5001:5001"
user: "1000:1000" # echo $(id -u):$(id -g)
Egyéb paraméterek és parancsok
Az alábbiakban néhány további paramétert és parancsot talál a tároló futtatásához.
Használati rekordok
Ha a Docker-tárolókat leválasztott környezetben üzemelteti, a tároló használati rekordokat fog írni egy kötetbe, ahol azokat idővel összegyűjtik. REST API-végpontot is meghívhat, hogy jelentést hozzon létre a szolgáltatáshasználatról.
A naplók tárolásának argumentumai
Ha leválasztott környezetben fut, a tárolóhoz kimeneti csatlakoztatásnak kell rendelkezésre állnia a használati naplók tárolásához. A következő példában például -v /host/output:{OUTPUT_PATH}
Mounts:Output={OUTPUT_PATH}
a naplók tárolásának elérési útját kell megadnia {OUTPUT_PATH}
:
docker run -v /host/output:{OUTPUT_PATH} ... <image> ... Mounts:Output={OUTPUT_PATH}
Rekordok lekérése a tárolóvégpontok használatával
A tároló két végpontot biztosít a használat rekordjainak visszaadására.
Az összes rekord lekérése
Az alábbi végpont egy jelentést biztosít, amely összefoglalja a csatlakoztatott számlázási rekord könyvtárában összegyűjtött összes használatot.
https://<service>/records/usage-logs/
Példa HTTPS-végpontra
http://localhost:5000/records/usage-logs
A használati napló végpontja az alábbi példához hasonló JSON-választ ad vissza:
{
"apiType": "string",
"serviceName": "string",
"meters": [
{
"name": "string",
"quantity": 256345435
}
]
}
Egy adott hónap rekordjainak lekérése
A következő végpont egy jelentést biztosít, amely egy adott hónap és év használatát összegzi.
https://<service>/records/usage-logs/{MONTH}/{YEAR}
Ez a használati napló végpont az alábbi példához hasonló JSON-választ ad vissza:
{
"apiType": "string",
"serviceName": "string",
"meters": [
{
"name": "string",
"quantity": 56097
}
]
}
Hibaelhárítás
Futtassa a tárolót egy kimeneti csatlakoztatással és a naplózás engedélyezésével. Ezek a beállítások lehetővé teszik, hogy a tároló olyan naplófájlokat hozzon létre, amelyek hasznosak a tároló indításakor vagy futtatásakor felmerülő problémák elhárításához.
Tipp.
További hibaelhárítási információkért és útmutatásért tekintse meg a leválasztott tárolókra vonatkozó gyakori kérdéseket (GYIK).