Membuat titik akhir untuk layanan web Azure Machine Learning Studio (klasik) yang disebarkan
BERLAKU UNTUK:
Machine Learning Studio (klasik) 
Azure Machine Learning
Penting
Dukungan untuk Studio Azure Machine Learning (klasik) akan berakhir pada 31 Agustus 2024. Sebaiknya Anda transisi ke Azure Machine Learning sebelum tanggal tersebut.
Mulai 1 Desember 2021, Anda tidak akan dapat membuat sumber daya Studio Azure Machine Learning (klasik) baru. Hingga 31 Agustus 2024, Anda dapat terus menggunakan sumber daya Pembelajaran Mesin Studio (klasik) yang ada.
- Lihat informasi tentang memindahkan proyek pembelajaran mesin dari ML Studio (klasik) ke Azure Machine Learning.
- Pelajari Azure Machine Learning
ML Dokumentasi Studio (klasik) sedang berhenti dan mungkin tidak diperbarui di masa mendatang.
Setelah layanan web disebarkan, titik akhir default dibuat untuk layanan tersebut. Titik akhir default dapat dipanggil menggunakan kunci API miliknya. Anda dapat menambahkan lebih banyak titik akhir dengan kuncinya sendiri dari portal Layanan Web. Setiap titik akhir dalam layanan web diatasi, dibatasi, dan dikelola secara independen. Setiap titik akhir merupakan URL unik dengan kunci otorisasi yang dapat didistribusikan kepada pelanggan.
Menambahkan titik akhir ke layanan web
Anda dapat menambahkan titik akhir ke layanan web menggunakan portal Layanan Web Pembelajaran Mesin. Setelah dibuat, titik akhir dapat digunakan melalui API sinkron, API batch, dan lembar kerja excel.
Catatan
Jika sudah menambahkan titik akhir tambahan ke layanan web, Anda tidak dapat menghapus titik akhir default.
- Di Azure Machine Learning Studio (klasik), di kolom navigasi kiri, klik Layanan Web.
- Di bagian bawah dasbor layanan web, klik Kelola titik akhir. Portal Layanan Web Azure Machine Learning membuka ke halaman titik akhir untuk layanan web.
- Klik Baru.
- Ketik nama dan deskripsi untuk titik akhir baru. Nama titik akhir harus 24 karakter atau kurang, dan harus terdiri dari alfabet huruf kecil atau angka. Pilih tingkat pembuatan log dan apakah data sampel diaktifkan. Untuk informasi selengkapnya tentang pengelogan, lihat Mengaktifkan pengelogan untuk layanan web Azure Machine Learning.
Menskalakan layanan web dengan menambahkan titik akhir
Secara default, setiap layanan web yang diterbitkan dikonfigurasikan untuk mendukung 20 permintaan bersamaan dan dapat mencakup 200 permintaan bersamaan. Azure Machine Learning Studio (klasik) secara otomatis mengoptimalkan pengaturan untuk memberikan performa terbaik bagi layanan web Anda dan nilai portal diabaikan.
Jika berencana memanggil API dengan beban yang lebih tinggi dari nilai yang didukung Panggilan Bersamaan Maks. sebesar 200, Anda harus membuat beberapa titik akhir pada layanan web yang sama. Anda kemudian dapat mendistribusikan beban secara acak di semua titik akhir layanan web.
Penskalaan layanan web adalah tugas umum. Beberapa alasan untuk menskalakan adalah mendukung lebih dari 200 permintaan bersamaan, meningkatkan ketersediaan melalui beberapa titik akhir, atau menyediakan titik akhir terpisah untuk layanan web. Anda dapat meningkatkan skala dengan menambahkan titik akhir bagi layanan web yang sama melalui portal Layanan Web Azure Machine Learning.
Perlu diingat bahwa menggunakan jumlah konkurensi tinggi dapat cukup berbahaya jika Anda tidak memanggil API yang sesuai dengan laju tinggi. Anda mungkin melihat batas waktu sporadis dan/atau lonjakan latensi jika menambahkan beban yang relatif rendah pada API yang dikonfigurasikan untuk beban tinggi.
API sinkron biasanya digunakan dalam situasi ketika latensi rendah diinginkan. Latensi di sini menunjukkan waktu yang diperlukan API untuk menyelesaikan satu permintaan, dan tidak memperhitungkan keterlambatan jaringan apa pun. Misalnya Anda memiliki API dengan latensi 50 ms. Untuk sepenuhnya menggunakan kapasitas yang tersedia dengan tingkat pembatasan Panggilan Bersamaan Tinggi dan Maks. = 20, Anda perlu memanggil API ini 20 * 1000 / 50 = 400 kali per detik. Jika ditambah, Panggilan Bersamaan Maks. sebanyak 200 memungkinkan Anda memanggil API 4000 kali per detik, dengan asumsi latensi 50 ms.