WorkspaceOperations Kelas
WorkspaceOperations.
Anda tidak boleh membuat instans kelas ini secara langsung. Sebagai gantinya, Anda harus membuat instans MLClient yang membuat instans untuk Anda dan melampirkannya sebagai atribut.
- Warisan
-
azure.ai.ml.operations._workspace_operations_base.WorkspaceOperationsBaseWorkspaceOperations
Konstruktor
WorkspaceOperations(operation_scope: OperationScope, service_client: AzureMachineLearningWorkspaces, all_operations: OperationsContainer, credentials: TokenCredential | None = None, **kwargs: Dict)
Parameter
- operation_scope
- service_client
- all_operations
- credentials
Metode
begin_create |
Buat Ruang Kerja Azure Machine Learning baru. Mengembalikan ruang kerja jika sudah ada. |
begin_delete |
Menghapus ruang kerja. |
begin_diagnose |
Mendiagnosis masalah penyiapan ruang kerja. Jika ruang kerja Anda tidak berfungsi seperti yang diharapkan, Anda dapat menjalankan diagnosis ini untuk memeriksa apakah ruang kerja telah rusak. Untuk ruang kerja titik akhir privat, ini juga akan membantu memeriksa apakah pengaturan jaringan ke ruang kerja ini dan sumber daya dependennya sebagai masalah atau tidak. |
begin_provision_network |
Memicu ruang kerja untuk menyediakan jaringan terkelola. Menentukan spark diaktifkan sebagai true akan mempersiapkan jaringan terkelola ruang kerja untuk mendukung Spark. |
begin_sync_keys |
Memicu ruang kerja untuk segera menyinkronkan kunci. Jika kunci untuk sumber daya apa pun di ruang kerja diubah, diperlukan waktu sekitar satu jam agar dapat diperbarui secara otomatis. Fungsi ini memungkinkan kunci diperbarui berdasarkan permintaan. Contoh skenarionya adalah membutuhkan akses langsung ke penyimpanan setelah meregenerasi kunci penyimpanan. |
begin_update | |
get |
Dapatkan ruang kerja berdasarkan nama. |
get_keys |
Dapatkan kunci untuk ruang kerja. |
list |
Cantumkan semua ruang kerja yang dapat diakses pengguna di grup sumber daya atau langganan saat ini. |
begin_create
Buat Ruang Kerja Azure Machine Learning baru.
Mengembalikan ruang kerja jika sudah ada.
begin_create(workspace: Workspace, update_dependent_resources: bool = False, **kwargs: Dict) -> LROPoller[Workspace]
Parameter
- update_dependent_resources
- <xref:boolean>
Apakah akan memperbarui sumber daya dependen
Mengembalikan
Instans LROPoller yang mengembalikan Ruang Kerja.
Tipe hasil
begin_delete
Menghapus ruang kerja.
begin_delete(name: str, *, delete_dependent_resources: bool, permanently_delete: bool = False, **kwargs: Dict) -> LROPoller[None]
Parameter
- delete_dependent_resources
- bool
Apakah akan menghapus sumber daya yang terkait dengan ruang kerja, yaitu, registri kontainer, akun penyimpanan, brankas kunci, dan application insights. Defaultnya adalah False. Atur ke True untuk menghapus sumber daya ini.
- permanently_delete
- bool
Ruang kerja dihapus sementara secara default untuk memungkinkan pemulihan data ruang kerja. Atur bendera ini ke true untuk mengambil alih perilaku penghapusan sementara dan menghapus ruang kerja Anda secara permanen.
Mengembalikan
Poller untuk melacak status operasi.
Tipe hasil
begin_diagnose
Mendiagnosis masalah penyiapan ruang kerja.
Jika ruang kerja Anda tidak berfungsi seperti yang diharapkan, Anda dapat menjalankan diagnosis ini untuk memeriksa apakah ruang kerja telah rusak. Untuk ruang kerja titik akhir privat, ini juga akan membantu memeriksa apakah pengaturan jaringan ke ruang kerja ini dan sumber daya dependennya sebagai masalah atau tidak.
begin_diagnose(name: str, **kwargs: Dict) -> LROPoller[DiagnoseResponseResultValue]
Parameter
Mengembalikan
Poller untuk melacak status operasi.
Tipe hasil
begin_provision_network
Memicu ruang kerja untuk menyediakan jaringan terkelola. Menentukan spark diaktifkan sebagai true akan mempersiapkan jaringan terkelola ruang kerja untuk mendukung Spark.
begin_provision_network(*, workspace_name: str | None = None, include_spark: bool = False, **kwargs) -> LROPoller[ManagedNetworkProvisionStatus]
Parameter
- workspace_name
- str
Nama ruang kerja.
- include_spark
Apakah jaringan terkelola ruang kerja harus bersiap untuk mendukung Spark.
Mengembalikan
Instans LROPoller.
Tipe hasil
begin_sync_keys
Memicu ruang kerja untuk segera menyinkronkan kunci. Jika kunci untuk sumber daya apa pun di ruang kerja diubah, diperlukan waktu sekitar satu jam agar dapat diperbarui secara otomatis. Fungsi ini memungkinkan kunci diperbarui berdasarkan permintaan. Contoh skenarionya adalah membutuhkan akses langsung ke penyimpanan setelah meregenerasi kunci penyimpanan.
begin_sync_keys(name: str | None = None) -> LROPoller
Parameter
Mengembalikan
Instans LROPoller yang mengembalikan Tidak Ada atau hasil kunci sinkronisasi.
Tipe hasil
begin_update
begin_update(workspace: Workspace, *, update_dependent_resources: bool = False, **kwargs: Dict) -> LROPoller[Workspace]
get
Dapatkan ruang kerja berdasarkan nama.
get(name: str | None = None, **kwargs: Dict) -> Workspace
Parameter
Mengembalikan
Ruang kerja dengan nama yang disediakan.
Tipe hasil
get_keys
Dapatkan kunci untuk ruang kerja.
get_keys(name: str | None = None) -> WorkspaceKeys
Parameter
Mengembalikan
Kunci sumber daya dependen ruang kerja.
Tipe hasil
list
Cantumkan semua ruang kerja yang dapat diakses pengguna di grup sumber daya atau langganan saat ini.
list(*, scope: str = 'resource_group') -> Iterable[Workspace]
Parameter
- scope
- str
cakupan daftar, "resource_group" atau "langganan", default ke "resource_group"
Mengembalikan
Iterator seperti instans objek Ruang Kerja
Tipe hasil
Azure SDK for Python
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk