Copiare una tabella di OneLake lakehouse in Azure Machine Learning tramite l'interfaccia utente

Questo articolo illustra come rendere disponibili in Azure Machine Learning i dati di tipo tabella (/Tables) di OneLake in Microsoft Fabric copiandoli in un account Azure Data Lake Storage (ADLS) e creando un datastore sulla copia. L'intera attività viene eseguita nell'interfaccia utente di Studio.

Azure Machine Learning può connettersi direttamente ai dati di tipo file (/Files) in OneLake tramite un datastore OneLake, senza copia. Poiché l'archivio dati senza copia non supporta le tabelle lakehouse, come mostrato nella schermata seguente, questo articolo descrive una soluzione alternativa tramite l'interfaccia utente per i dati di tabella.

Screenshot che mostra una tabella in Microsoft Fabric.

Note

Questa procedura copia i dati in Azure Data Lake Storage. I dati copiati sono uno snapshot temporizzato, non un collegamento live, quindi si esegue di nuovo la copia quando cambia la tabella di origine. Se non hai bisogno di un flusso di lavoro basato solo sull'interfaccia utente, considera prima le opzioni senza copia: un archivio dati OneLake (Microsoft Fabric) per i dati /Files, oppure l'accesso diretto dalle risorse di calcolo. Per una panoramica di tutte le opzioni di integrazione di OneLake, vedere Integrare OneLake con Azure Machine Learning.

Quando usare questo approccio

Usare il metodo basato sulla copia in questo articolo quando entrambe le condizioni sono vere:

  • I dati sono di tipo tabella di OneLake (/Tables), a cui un archivio dati OneLake non può fare riferimento direttamente.
  • Si vuole creare completamente la connessione in studio di Azure Machine Learning, senza l'interfaccia della riga di comando o l'SDK.

Se è necessario un accesso in tempo reale, senza copia o i dati si trovano nella sezione lakehouse /Files , usare invece un archivio dati OneLake .

Prerequisiti

Funzionamento del flusso di lavoro di copia

Questa soluzione alternativa include tre parti:

  1. Creare e configurare un account Data Lake Storage nel portale di Azure.
  2. Usare una pipeline di dati Fabric per copiare i dati della tabella da OneLake in Azure Data Lake Storage.
  3. Creare un archivio dati Azure Machine Learning nel contenitore Azure Data Lake Storage.

Il diagramma seguente illustra il flusso complessivo:

Screenshot che mostra il flusso complessivo della soluzione.

Importante

Poiché questo approccio copia i dati, l'archivio dati Azure Machine Learning contiene uno snapshot temporizzato. Eseguire nuovamente la copia quando viene modificata la tabella lakehouse di origine. La copia duplica anche lo spazio di archiviazione, con conseguente aumento dei costi, e non preserva la governance o la tracciabilità di OneLake.

Configurare l'account di archiviazione Data Lake nel portale di Azure

Assegnare i ruoli Collaboratore ai dati dei BLOB di archiviazione e Collaboratore con privilegi ai dati dei file di archiviazione all'identità utente o all'entità servizio per concedere l'accesso al piano dati e l'autorizzazione a creare contenitori. L'accesso alla chiave dell'account viene controllato separatamente dall'impostazione Consenti l'accesso alla chiave dell'account di archiviazione , che verrà abilitato in un passaggio successivo. Per assegnare i ruoli all'identità utente:

  1. Apri il portale di Microsoft Azure.

  2. Selezionare il servizio Account di archiviazione.

    Screenshot che mostra la selezione del servizio account di archiviazione.

  3. Nella pagina Account di archiviazione selezionare l'account Data Lake Storage creato nel passaggio prerequisito. Verrà visualizzata una pagina che mostra le proprietà dell'account di archiviazione.

    Screenshot che mostra la pagina delle proprietà dell'account di archiviazione data lake.

  4. Selezionare Chiavi di accesso nel pannello sinistro e registrare la chiave. Questo valore è necessario in un passaggio successivo.

  5. Selezionare e abilitare Consenti l'accesso alla chiave dell'account di archiviazione , come illustrato nello screenshot seguente:

    Suggerimento

    Per i carichi di lavoro di produzione, usare l'autenticazione basata su identità (ID Microsoft Entra) anziché le chiavi dell'account. Per altre informazioni, consultare Creare datastore.

    Screenshot che mostra come abilitare l'accesso alla chiave dell'account di archiviazione data lake nel portale di Azure.

  6. Selezionare Controllo di accesso (IAM) nel pannello a sinistra e assegnare i ruoli Collaboratore ai dati dei BLOB di archiviazione e Collaboratore con privilegi per i dati dei file di archiviazione all'entità servizio.

    Screenshot che mostra come assegnare ruoli dell'account data lake storage nel portale di Azure.

  7. Creare un contenitore nell'account di archiviazione. Denominarlo onelake-table.

    Screenshot che mostra la creazione di un contenitore di account data lake storage nel portale di Azure.

Usare una pipeline di dati di Fabric per copiare dati in un account di Azure Data Lake Storage

Suggerimento

È anche possibile usare un Fabric Copy job, che offre un'esperienza più semplice per gli scenari di copia dei dati.

  1. Nel portale di Infrastruttura selezionare Pipeline di dati nella pagina Nuovo elemento.

    Screenshot che mostra la selezione della pipeline di dati nella pagina Nuovo elemento Fabric.

  2. Selezionare Assistente copia dati.

    Screenshot che mostra la selezione dell'assistente per la copia dei dati.

  3. In Assistente copia dati, selezionare BLOB di Azure:

    Screenshot che mostra la selezione dei BLOB di Azure nell'Assistente copia dati di Fabric.

  4. Per creare una connessione all'account di archiviazione di Azure Data Lake, selezionare Tipo di autenticazione: Chiave dell'account e quindi Avanti:

    Screenshot che mostra come creare una connessione in una pipeline di dati di Fabric.

    Suggerimento

    Per evitare le chiavi dell'account, selezionare un tipo di autenticazione basato sull'identità, ad esempio Account aziendale, e creare l'archivio dati Azure Machine Learning con accesso basato sull'identità. Questo approccio utilizza i ruoli del piano dati assegnati in precedenza e non richiede di abilitare l'accesso tramite chiave dell'account.

  5. Selezionare la destinazione dati e selezionare Avanti:

    Screenshot che mostra la selezione della destinazione dati.

  6. Connettersi alla destinazione dati e selezionare Avanti:

    Screenshot che mostra la connessione alla destinazione dati.

  7. Questo passaggio avvia automaticamente il processo di copia dei dati:

    Screenshot che mostra che l'attività di copia è pianificata.

    Questo passaggio potrebbe richiedere un po' di tempo. Conduce direttamente al passaggio successivo.

  8. Verificare che il processo di copia dei dati sia stato completato correttamente:

    Screenshot che mostra che l'operazione di copia è riuscita.

Creare un archivio dati Azure Machine Learning tramite il contenitore Azure Data Lake Storage

Ora che i dati si trovano nella risorsa di Archiviazione Azure Data Lake, è possibile creare un archivio dati di Azure Machine Learning.

  1. Nell'account di archiviazione di Azure il contenitore , come illustrato a sinistra, contiene dati, come illustrato a destra:

    Screenshot che mostra come verificare i dati nel contenitore dell'account di archiviazione di Azure.

  2. In studio di Azure Machine Learning creare un asset di dati. Per decidere il tipo, aprire il contenitore onelake-table e verificare se la copia ha prodotto un singolo file o una cartella di file. Selezionare File (uri_file) per un singolo file o Cartella (uri_folder) per una cartella di file, che è comune quando la tabella esporta come più file:

    Screenshot che mostra la selezione del tipo di asset di dati.

  3. Selezionare Da archiviazione di Azure:

    Screenshot che mostra come selezionare Archiviazione di Azure.

  4. Usando il valore della chiave account dal passaggio precedente per creare una connessione all'account di archiviazione Azure Data Lake, creare un nuovo datastore:

    Screenshot che mostra come creare un nuovo archivio dati in Azure Machine Learning.

  5. È anche possibile creare direttamente un archivio dati in Azure Machine Learning Studio:

    Screenshot che mostra come creare un archivio dati in Azure Machine Learning.

  6. È possibile esaminare i dettagli dell'archivio dati creato:

    Screenshot che mostra i dettagli dell'archivio dati creato.

  7. Esaminare i dati nell'archivio dati

    Screenshot che mostra come accedere a un archivio dati in Azure Machine Learning.

Dopo aver creato correttamente l'archivio dati in Azure Machine Learning, è possibile usarlo negli esercizi di Machine Learning.

Troubleshooting

  • Assegnazione di ruolo non ancora valida: Azure le assegnazioni di ruolo possono richiedere alcuni minuti per propagarsi. Se la creazione del processo di copia o dell'archivio dati non riesce con un errore di autorizzazione, attendere alcuni minuti e riprovare.
  • Accesso alla chiave dell'account disabilitato: se non è possibile recuperare o usare la chiave dell'account, verificare che l'opzione Consenti l'accesso alla chiave dell'account di archiviazione sia abilitata nell'account di archiviazione.
  • Connessione di Fabric non riuscita: verificare il nome e la chiave dell'account di archiviazione e confermare che il contenitore onelake-table esista.
  • Snapshot non aggiornato: la copia produce uno snapshot temporizzato. Per mantenerla aggiornata, pianifica l'esecuzione della pipeline di dati di Fabric con cadenza regolare.

Contenuti correlati

Riferimenti

  • Ultimo aggiornamento: