DatabricksCompute Kelas
Mengelola target komputasi Databricks di Azure Machine Learning.
Azure Databricks adalah lingkungan berbasis Apache Spark di cloud Azure. Ini dapat digunakan sebagai target komputasi dengan alur Azure Machine Learning. 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
-
DatabricksCompute
Konstruktor
DatabricksCompute(workspace, name)
Parameter
Keterangan
Contoh berikut menunjukkan cara melampirkan Azure Databricks sebagai target komputasi.
# Replace with your account info before running.
db_compute_name=os.getenv("DATABRICKS_COMPUTE_NAME", "<my-databricks-compute-name>") # Databricks compute name
db_resource_group=os.getenv("DATABRICKS_RESOURCE_GROUP", "<my-db-resource-group>") # Databricks resource group
db_workspace_name=os.getenv("DATABRICKS_WORKSPACE_NAME", "<my-db-workspace-name>") # Databricks workspace name
db_access_token=os.getenv("DATABRICKS_ACCESS_TOKEN", "<my-access-token>") # Databricks access token
try:
databricks_compute = DatabricksCompute(workspace=ws, name=db_compute_name)
print('Compute target {} already exists'.format(db_compute_name))
except ComputeTargetException:
print('Compute not found, will use below parameters to attach new one')
print('db_compute_name {}'.format(db_compute_name))
print('db_resource_group {}'.format(db_resource_group))
print('db_workspace_name {}'.format(db_workspace_name))
print('db_access_token {}'.format(db_access_token))
config = DatabricksCompute.attach_configuration(
resource_group = db_resource_group,
workspace_name = db_workspace_name,
access_token= db_access_token)
databricks_compute=ComputeTarget.attach(ws, db_compute_name, config)
databricks_compute.wait_for_completion(True)
Sampel lengkap tersedia dari https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-use-databricks-as-compute-target.ipynb
Metode
attach |
TIDAK DIGUNAKAN LAGI. Gunakan metode Asosiasikan sumber daya komputasi Databricks yang ada dengan ruang kerja yang disediakan. |
attach_configuration |
Buat objek konfigurasi untuk melampirkan target komputasi Databricks. |
delete |
Opsi hapus tidak didukung untuk objek DatabricksCompute. Gunakan detach sebagai gantinya. |
deserialize |
Ubah objek JSON menjadi objek DatabricksCompute. |
detach |
Mencopot objek Databricks dari ruang kerja terkaitnya. Objek cloud yang mendasarinya tidak dihapus, hanya asosiasi yang dihapus. |
get_credentials |
Ambil informasi masuk untuk target Databricks. |
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 DatabricksCompute ini menjadi kamus serial JSON. |
attach
TIDAK DIGUNAKAN LAGI. Gunakan metode attach_configuration
sebagai gantinya.
Asosiasikan sumber daya komputasi Databricks yang ada dengan ruang kerja yang disediakan.
static attach(workspace, name, resource_id, access_token)
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 DatabricksCompute dari objek komputasi.
Tipe hasil
Pengecualian
attach_configuration
Buat objek konfigurasi untuk melampirkan target komputasi Databricks.
static attach_configuration(resource_group=None, workspace_name=None, resource_id=None, access_token='')
Parameter
- resource_id
- str
ID sumber daya Azure untuk sumber daya komputasi yang dilampirkan.
Mengembalikan
Objek konfigurasi yang akan digunakan saat melampirkan objek Azure Compute.
Tipe hasil
Pengecualian
delete
Opsi hapus tidak didukung untuk objek DatabricksCompute. Gunakan detach sebagai gantinya.
delete()
Pengecualian
deserialize
Ubah objek JSON menjadi objek DatabricksCompute.
static deserialize(workspace, object_dict)
Parameter
Mengembalikan
Representasi DatabricksCompute dari objek JSON yang disediakan.
Tipe hasil
Pengecualian
Keterangan
Mengajukan ComputeTargetException jika ruang kerja yang disediakan bukan ruang kerja yang diasosiasikan dengan Azure Compute.
detach
Mencopot objek Databricks dari ruang kerja terkaitnya.
Objek cloud yang mendasarinya tidak dihapus, hanya asosiasi yang dihapus.
detach()
Pengecualian
get_credentials
Ambil informasi masuk untuk target Databricks.
get_credentials()
Mengembalikan
Info masuk untuk target Databricks.
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 DatabricksCompute ini menjadi kamus serial JSON.
serialize()
Mengembalikan
Representasi JSON dari objek DatabricksCompute ini.
Tipe hasil
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