AksCompute Kelas
Mengelola target komputasi Azure Kubernetes Service di Azure Machine Learning.
Target Azure Kubernetes Service (AKSCompute) biasanya digunakan untuk penyebaran produksi skala tinggi karena memberikan waktu respons yang cepat dan penskalaan otomatis atas layanan yang disebarkan. Untuk informasi selengkapnya, lihat Apa itu target komputasi di Azure Machine Learning?
Konstruktor Class ComputeTarget.
Ambil representasi cloud dari objek Komputasi yang terkait dengan ruang kerja yang disediakan. Mengembalikan instans kelas anak yang sesuai dengan jenis tertentu dari objek Komputasi yang diambil.
- Warisan
-
AksCompute
Konstruktor
AksCompute(workspace, name)
Parameter
Keterangan
Sampel berikut menunjukkan cara membuat kluster AKS dengan komputer berkemampuan FPGA.
from azureml.core.compute import AksCompute, ComputeTarget
# Uses the specific FPGA enabled VM (sku: Standard_PB6s)
# Standard_PB6s are available in: eastus, westus2, westeurope, southeastasia
prov_config = AksCompute.provisioning_configuration(vm_size = "Standard_PB6s",
agent_count = 1,
location = "eastus")
aks_name = 'my-aks-pb6'
# Create the cluster
aks_target = ComputeTarget.create(workspace = ws,
name = aks_name,
provisioning_configuration = prov_config)
Metode
attach |
TIDAK DIGUNAKAN LAGI. Gunakan metode Kaitkan sumber daya komputasi AKS yang ada dengan ruang kerja yang disediakan. |
attach_configuration |
Buat objek konfigurasi untuk melampirkan target komputasi AKS. |
delete |
Hapus objek AksCompute dari ruang kerjanya yang terkait. Jika objek ini dibuat melalui Azure Machine Learning, objek berbasis cloud yang sesuai juga akan dihapus. Jika objek ini dibuat secara eksternal dan hanya dilampirkan ke ruang kerja, metode ini mengajukan ComputeTargetException dan tidak ada yang berubah. |
deserialize |
Ubah objek JSON menjadi objek AksCompute. |
detach |
Copot objek AksCompute dari ruang kerjanya yang terkait. Objek cloud yang mendasarinya tidak dihapus, hanya asosiasi yang dihapus. |
get_credentials |
Ambil info masuk untuk target AKS. |
provisioning_configuration |
Buat objek konfigurasi untuk memprovisikan target komputasi AKS. |
refresh_state |
Lakukan pembaruan di tempat dari properti objek. Metode ini memperbarui properti berdasarkan status objek cloud yang sesuai saat ini. Ini terutama digunakan untuk polling manual status komputasi. |
serialize |
Ubah objek AksCompute ini menjadi kamus yang diserialisasi json. |
update |
Perbarui objek AksCompute menggunakan konfigurasi pembaruan yang disediakan. |
attach
TIDAK DIGUNAKAN LAGI. Gunakan metode attach_configuration
sebagai gantinya.
Kaitkan sumber daya komputasi AKS yang ada dengan ruang kerja yang disediakan.
static attach(workspace, name, resource_id)
Parameter
- name
- str
Nama yang akan diasosiasikan dengan sumber daya komputasi di dalam ruang kerja yang disediakan. Tidak harus cocok dengan nama sumber daya komputasi yang akan dihubungkan.
Mengembalikan
Representasi objek AksCompute dari objek komputasi.
Tipe hasil
Pengecualian
attach_configuration
Buat objek konfigurasi untuk melampirkan target komputasi AKS.
static attach_configuration(resource_group=None, cluster_name=None, resource_id=None, cluster_purpose=None, load_balancer_type=None, load_balancer_subnet=None)
Parameter
- resource_id
- str
ID sumber daya Azure untuk sumber daya komputasi yang dilampirkan.
- cluster_purpose
- str
Penggunaan kluster yang ditargetkan. Ini digunakan untuk memprovisikan komponen Azure Machine Learning untuk memastikan tingkat toleransi kesalahan dan QoS yang diinginkan. Kelas ClusterPurpose menentukan kemungkinan nilai. Untuk informasi selengkapnya, lihat Melampirkan kluster Azure Kubernetes Service yang ada.
- load_balancer_type
- str
Jenis kluster AKS. Nilai yang valid adalah PublicIp dan InternalLoadBalancer. Nilai default adalah PublicIp.
- load_balancer_subnet
- str
Subnet penyeimbang beban AKS. Ini hanya dapat digunakan ketika InternalLoadBalancer digunakan sebagai jenis penyeimbang beban. Nilai default adalah aks-subnet.
Mengembalikan
Objek konfigurasi yang akan digunakan saat melampirkan objek Azure Compute.
Tipe hasil
Pengecualian
delete
Hapus objek AksCompute dari ruang kerjanya yang terkait.
Jika objek ini dibuat melalui Azure Machine Learning, objek berbasis cloud yang sesuai juga akan dihapus. Jika objek ini dibuat secara eksternal dan hanya dilampirkan ke ruang kerja, metode ini mengajukan ComputeTargetException dan tidak ada yang berubah.
delete()
Pengecualian
deserialize
Ubah objek JSON menjadi objek AksCompute.
static deserialize(workspace, object_dict)
Parameter
Mengembalikan
Representasi AksCompute dari objek JSON yang disediakan.
Tipe hasil
Pengecualian
Keterangan
Mengajukan ComputeTargetException jika ruang kerja yang disediakan bukan ruang kerja yang dikaitkan dengan Azure Compute.
detach
Copot objek AksCompute dari ruang kerjanya yang terkait.
Objek cloud yang mendasarinya tidak dihapus, hanya asosiasi yang dihapus.
detach()
Pengecualian
get_credentials
Ambil info masuk untuk target AKS.
get_credentials()
Mengembalikan
Info masuk untuk target AKS.
Tipe hasil
Pengecualian
provisioning_configuration
Buat objek konfigurasi untuk memprovisikan target komputasi AKS.
static provisioning_configuration(agent_count=None, vm_size=None, ssl_cname=None, ssl_cert_pem_file=None, ssl_key_pem_file=None, location=None, vnet_resourcegroup_name=None, vnet_name=None, subnet_name=None, service_cidr=None, dns_service_ip=None, docker_bridge_cidr=None, cluster_purpose=None, load_balancer_type=None, load_balancer_subnet=None)
Parameter
- vm_size
- str
Ukuran mesin virtual agen. Daftar lengkap opsi dapat ditemukan di sini: https://aka.ms/azureml-aks-details. Default ke Standard_D3_v2.
- ssl_cname
- str
CName yang akan digunakan jika mengaktifkan validasi SSL di kluster. Harus menyediakan ketiga CName, file sertifikat, serta file kunci untuk mengaktifkan validasi SSL.
- ssl_cert_pem_file
- str
Jalur file ke file yang berisi informasi sertifikat untuk validasi SSL. Harus menyediakan ketiga CName, file sertifikat, serta file kunci untuk mengaktifkan validasi SSL.
- ssl_key_pem_file
- str
Jalur file ke file yang berisi informasi kunci untuk validasi SSL. Harus menyediakan ketiga CName, file sertifikat, serta file kunci untuk mengaktifkan validasi SSL.
- location
- str
Lokasi tempat kluster diprovisikan. Jika tidak ditentukan, akan default ke lokasi ruang kerja. Wilayah yang tersedia untuk komputasi ini dapat ditemukan di sini: https://azure.microsoft.com/global-infrastructure/services/?regions=all& products=kubernetes-service
- vnet_resourcegroup_name
- str
Nama grup sumber daya tempat jaringan virtual berada.
- cluster_purpose
- str
Penggunaan kluster yang ditargetkan. Ini digunakan untuk memprovisikan komponen Azure Machine Learning untuk memastikan tingkat toleransi kesalahan dan QoS yang diinginkan. Kelas AksCompute.ClusterPurpose disediakan untuk kemudahan saat menentukan nilai yang tersedia. Informasi lebih rinci tentang nilai-nilai ini dan kasus penggunaannya dapat ditemukan di sini: https://aka.ms/azureml-create-attach-aks
- load_balancer_type
- str
Jenis penyeimbang beban kluster Azure Kubernetes Service. Nilai yang valid adalah PublicIp dan InternalLoadBalancer. Nilai default adalah PublicIp.
- load_balancer_subnet
- str
Subnet penyeimbang beban dari kluster Azure Kubernetes Service. Subnet ini hanya dapat digunakan ketika Azure Load Balancer Internal digunakan sebagai jenis penyeimbang beban. Nilai default adalah aks-subnet.
Mengembalikan
Objek konfigurasi yang akan digunakan saat membuat objek Komputasi
Tipe hasil
Pengecualian
refresh_state
Lakukan pembaruan di tempat dari properti objek.
Metode ini memperbarui properti berdasarkan status objek cloud yang sesuai saat ini. Ini terutama digunakan untuk polling manual status komputasi.
refresh_state()
Pengecualian
serialize
Ubah objek AksCompute ini menjadi kamus yang diserialisasi json.
serialize()
Mengembalikan
Representasi JSON dari objek AksCompute ini.
Tipe hasil
Pengecualian
update
Perbarui objek AksCompute menggunakan konfigurasi pembaruan yang disediakan.
update(update_configuration)
Parameter
Pengecualian
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