CLI (v2) 特徴量ストアの YAML スキーマ
適用対象: 
Azure CLI ml 拡張機能 v2 (現行)
Note
このドキュメントで詳しく説明されている YAML 構文は、最新バージョンの ML CLI v2 拡張機能の JSON スキーマに基づいています。 この構文は、ML CLI v2 拡張機能の最新バージョンでのみ動作することが保証されています。 以前のバージョンの拡張機能のスキーマについては、https://azuremlschemasprod.azureedge.net/ でご確認いただけます。
YAML 構文
| キー | Type | 説明 | 使用できる値 | 既定値 |
|---|---|---|---|---|
| $schema | string | YAML スキーマ。 Azure Machine Learning 用 VS Code 拡張機能を使用して YAML ファイルを作成する場合は、ファイルの先頭に $schema を含めることで、スキーマとリソースの入力候補を呼び出すことができます。 | ||
| name | string | 必須。 特徴量ストアの名前。 | ||
| compute_runtime | object | 具体化ジョブに使われるコンピューティング ランタイム構成。 | ||
| compute_runtime.spark_runtime_version | string | Azure Machine Learning Spark ランタイムのバージョン。 | 3.4 | 3.4 |
| offline_store | object | |||
| offline_store.type | string | offline_store が指定されている場合は必須。 オフライン ストアの種類。 Data Lake Gen2 の種類のストレージのみがサポートされています。 | azure_data_lake_gen2 | |
| offline_store.target | string | offline_store が指定されている場合は必須。 /subscriptions/<subscription_id>/resourceGroups/<resource_group>/providers/Microsoft.Storage/storageAccounts/<account>/blobServices/default/containers/<container> の形式での、Data Lake Gen2 ストレージの URI。 |
||
| online_store | オブジェクト | |||
| online_store.type | string | 必須 online_storeが指定されている場合。 オンライン ストアの種類。 Redis Cache のみがサポートされています。 | redis | |
| online_store.target | string | 必須 online_storeが指定されている場合。 /subscriptions/<subscription_id>/resourceGroups/<resource_group>/providers/Microsoft.Cache/Redis/<redis-name>形式の Redis Cache URI。 |
||
| materialization_identity | object | 具体化ジョブに使われるユーザー割り当てマネージド ID。 この ID には、Feature Store サービス、データ ソース、およびオフライン ストレージにアクセスするために必要なロールが付与されている必要があります。 | ||
| materialization_identity.client_id | string | ユーザー割り当てマネージド ID のクライアント ID。 | ||
| materialization_identity.resource_id | string | ユーザー割り当てマネージド ID のリソース ID。 | ||
| materialization_identity.principal_id | string | ユーザー割り当てマネージド ID のプリンシパル ID。 | ||
| description | string | 特徴量ストアの説明。 | ||
| tags | object | 特徴量ストアのタグの辞書。 | ||
| display_name | string | スタジオ UI での特徴量ストアの表示名。 リソース グループ内で一意でなくてもかまいません。 | ||
| location | string | 特徴量ストアの場所。 | リソース グループの場所。 | |
| resource_group | string | 特徴量ストアを含むリソース グループ。 リソース グループが存在しない場合は、新しく作成されます。 |
他のワークスペース プロパティを含めることができます。
解説
Azure Machine Learning の特徴量ストア ワークスペースの管理には、az ml feature-store コマンドを使用できます。
例
例は、GitHub リポジトリの例にあります。 一般的な例をいくつか次に示します。
YAML の基本
$schema: http://azureml/sdk-2-0/FeatureStore.json
name: mktg-feature-store
location: eastus
オフライン ストア構成での YAML
$schema: http://azureml/sdk-2-0/FeatureStore.json
name: mktg-feature-store
compute_runtime:
spark_runtime_version: 3.2
offline_store:
type: azure_data_lake_gen2
target: /subscriptions/<sub-id>/resourceGroups/<rg>/providers/Microsoft.Storage/storageAccounts/<account_name>/blobServices/default/containers/<container_name>
materialization_identity:
client_id: xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx
resource_id: /subscriptions/<sub-id>/resourceGroups/<rg>/providers/Microsoft.ManagedIdentity/userAssignedIdentities/<uai-name>
# Many of workspace parameters will also be supported:
location: eastus
display_name: marketing feature store
tags:
foo: bar
YAML を使用して CLI でオンライン ストアを構成する
$schema: http://azureml/sdk-2-0/FeatureStore.json
name: mktg-feature-store
compute_runtime:
spark_runtime_version: 3.4
online_store:
type: redis
target: "/subscriptions/<sub-id>/resourceGroups/<rg>/providers/Microsoft.Cache/Redis/<redis-name>"
materialization_identity:
client_id: 00001111-aaaa-2222-bbbb-3333cccc4444
principal_id: aaaaaaaa-bbbb-cccc-1111-222222222222
resource_id: /subscriptions/<sub-id>/resourceGroups/<rg>/providers/Microsoft.ManagedIdentity/userAssignedIdentities/<uai-name>
# Many of workspace parameters will also be supported:
location: eastus
display_name: marketing feature store
tags:
foo: bar
Python を使用して CLI でオンライン ストアを構成する
redis_arm_id = f"/subscriptions/{subscription_id}/resourceGroups/{resource_group_name}/providers/Microsoft.Cache/Redis/{redis_name}"
online_store = MaterializationStore(type="redis", target=redis_arm_id)
fs = FeatureStore(
name=featurestore_name,
location=location,
online_store=online_store,
)
# wait for feature store creation
fs_poller = ml_client.feature_stores.begin_create(fs)
# move the feature store to a YAML file
yaml_path = root_dir + "/featurestore/featurestore_with_online.yaml"
fs.dump(yaml_path)