Jegyzet
Az oldalhoz való hozzáférés engedélyezést igényel. Próbálhatod be jelentkezni vagy könyvtárat váltani.
Az oldalhoz való hozzáférés engedélyezést igényel. Megpróbálhatod a könyvtár váltását.
A következőkre vonatkozik: SQL Server 2019 (15.x) Linux rendszeren
Ez a cikk bemutatja, hogyan telepítheti az SQL Server Machine Learning Servicest a Dockerre. A Machine Learning Services használatával Python- és R-szkripteket futtathat az adatbázisban. Nem biztosítunk előre elkészített tárolókat a Machine Learning Services szolgáltatással. Az SQL Server-tárolókból létrehozhat egyet a GitHubon elérhető példasablon használatával.
Előfeltételek
Git parancssori felület.
Docker Engine 1.8+ bármely támogatott Linux-disztribúción. További információ: Docker lekérése. A tárolókban lévő SQL Server nem támogatott Windows vagy macOS rendszeren éles környezetben.
Lásd még a Linuxon futó SQL Server rendszerkövetelményét.
Az mssql-docker-adattár klónozása
Az alábbi parancs klónozza a mssql-docker git-adattárat egy helyi könyvtárba.
Nyisson meg egy Bash-terminált Linuxon vagy Macen.
Hozzon létre egy könyvtárat az mssql-docker-adattár helyi másolatának tárolásához.
Futtassa a git clone parancsot az mssql-docker-adattár klónozásához:
git clone https://github.com/microsoft/mssql-docker mssql-docker
SQL Server Linux-tárolórendszerkép létrehozása
Hajtsa végre a következő lépéseket a Docker-rendszerkép létrehozásához:
Módosítsa a könyvtárat az mssql-mlservices könyvtárra:
/mssql-docker/linux/preview/examples/mssql-mlservicesUgyanabban a könyvtárban futtassa a következő parancsot:
docker build -t mssql-server-mlservices .Futtassa a következő parancsot:
Fontos
A
SA_PASSWORDkörnyezeti változó elavult. AMSSQL_SA_PASSWORDhasználható helyette.docker run -d -e MSSQL_PID=Developer -e ACCEPT_EULA=Y -e ACCEPT_EULA_ML=Y -e MSSQL_SA_PASSWORD=<password> -v <directory on the host OS>:/var/opt/mssql -p 1433:1433 mssql-server-mlservicesHa az SQL Server 2025 -höz (17.x) vagy egy újabb verzióhoz helyez üzembe tárolót, használja
MSSQL_PID=DeveloperStandarda Standard Developer kiadáshoz ésMSSQL_PID=Developeraz Enterprise Developer kiadáshoz.Megjegyzés:
A támogatott értékek bármelyike használható.
MSSQL_PIDHa fizetős kiadást használ, győződjön meg arról, hogy licencet vásárolt. Cserélje ki<password>a tényleges jelszavára. A-vhasználata a kötet csatlakoztatásához nem kötelező. Cserélje le<directory on the host OS>egy tényleges könyvtárra, ahol csatlakoztatni szeretné az adatbázis-adatokat és a naplófájlokat.Erősítse meg a következő parancs futtatásával:
docker ps -aMegjegyzés:
A Docker-rendszerkép létrehozásához több méretű GB-t tartalmazó csomagokat kell telepítenie. A szkript futtatása a hálózati sávszélességtől függően eltarthat egy ideig.
Az SQL Server Linux-tároló lemezképének futtatása
A tároló futtatása előtt állítsa be a környezeti változókat. Állítsa a PATH_TO_MSSQL környezeti változót egy gazdakönyvtárba:
export MSSQL_PID='Developer' export ACCEPT_EULA='Y' export ACCEPT_EULA_ML='Y' export PATH_TO_MSSQL='/home/mssql/'Megjegyzés:
Az SQL Server termelési kiadások tárolókban való futtatásának folyamata kissé eltérő. További információ: Sql Server Linux-tárolók üzembe helyezése és csatlakoztatása. Ha ugyanazokat a tárolóneveket és portokat használja, az útmutató többi része továbbra is éles tárolókkal működik.
A tárolók megtekintéséhez futtassa a
docker pskövetkező parancsot:sudo docker ps -aHa a STATUS oszlop up állapotot jelenít meg, az SQL Server fut a tárolóban, és figyeli a PORT oszlopban megadott portot . Ha az SQL Server-tároló ÁLLAPOT oszlopa kilépést mutat, tekintse meg az SQL Server Docker-tárolók hibaelhárítását.
Kimenet:
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES 941e1bdf8e1d mcr.microsoft.com/mssql/server/mssql-server-linux "/bin/sh -c /opt/m..." About an hour ago Up About an hour 0.0.0.0:1401->1433/tcp sql1
A Machine Learning Services engedélyezése
A Machine Learning Services engedélyezéséhez csatlakozzon az SQL Server-példányhoz, és futtassa a következő T-SQL-utasítást:
EXECUTE sp_configure 'external scripts enabled', 1;
RECONFIGURE WITH OVERRIDE;
Kapcsolódó tartalom
- Python-oktatóanyag: Lineáris regressziós modell üzembe helyezése AZ SQL Machine Learning
- Python-útmutató: Ügyfelek kategorizálása k-means fürtözés használatával SQL Machine Learning
- Rövid útmutató: Egyszerű R-szkriptek futtatása az SQL gépi tanulással
- R oktatóanyag: Az NYC taxidíjak előrejelzése bináris klasszifikációval