Azure Machine Learning als Event Grid-bron

  • Artikel

Dit artikel bevat de eigenschappen en het schema voor machine learning-werkruimte-gebeurtenissen. Zie het Gebeurtenisschema van Azure Event Grid voor een inleiding tot gebeurtenisschema's.

Beschikbare gebeurtenistypen

Azure Machine Learning verzendt de volgende gebeurtenistypen:

Gebeurtenistype Beschrijving
Microsoft.MachineLearningServices.ModelRegistered Wordt gegenereerd wanneer een nieuwe model- of modelversie is geregistreerd.
Microsoft.MachineLearningServices.ModelDeployed Gegenereerd wanneer model(en) zijn geïmplementeerd op een eindpunt.
Microsoft.MachineLearningServices.RunCompleted Wordt gegenereerd wanneer een uitvoering is voltooid.
Microsoft.MachineLearningServices.DatasetDriftDetected Gegenereerd wanneer een gegevenssetdriftmonitor drift detecteert.
Microsoft.MachineLearningServices.RunStatusChanged Wordt gegenereerd wanneer de uitvoeringsstatus wordt gewijzigd.

Voorbeeld van gebeurtenissen

Wanneer een gebeurtenis wordt geactiveerd, verzendt de Event Grid-service gegevens over die gebeurtenis naar geabonneerde eindpunten. Deze sectie bevat een voorbeeld van hoe de gegevens voor elke gebeurtenis eruitzien.

Gebeurtenis Microsoft.MachineLearningServices.ModelRegistered

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "models/sklearn_regression_model:20",
  "type": "Microsoft.MachineLearningServices.ModelRegistered",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "ModelName": "sklearn_regression_model",
    "ModelVersion": 20,
    "ModelTags": {
        "area": "diabetes",
        "type": "regression"
    },
    "ModelProperties": {
        "type": "test"
    }
  },
  "specversion": "1.0"
}]

Microsoft.MachineLearningServices.ModelDeployed-gebeurtenis

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "endpoints/my-sklearn-service",
  "type": "Microsoft.MachineLearningServices.ModelDeployed",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "ServiceName": "my-sklearn-service",
    "ServiceComputeType": "ACI",
    "ModelIds": "sklearn_regression_model:1,sklearn_regression_model:2",
    "ServiceTags": {
        "area": "diabetes",
        "type": "regression"
    },
    "ServiceProperties": {
        "type": "test"
    }
  },
  "specversion": "1.0"
}]

Microsoft.MachineLearningServices.RunCompleted-gebeurtenis

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "experiments/0fa9dfaa-cba3-4fa7-b590-23e48548f5c1/runs/AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
  "type": "Microsoft.MachineLearningServices.RunCompleted",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "experimentId": "0fa9dfaa-cba3-4fa7-b590-23e48548f5c1",
    "experimentName": "automl-local-regression",
    "runId": "AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
    "runType": null,
    "runTags": {},
    "runProperties": {
        "runTemplate": "automl_child",
        "pipeline_id": "5adc0a4fe02504a586f09a4fcbb241f9a4012062",
        "pipeline_spec": "{\"objects\": [{\"class_name\": \"StandardScaler\", \"module\": \"sklearn.preprocessing\", \"param_args\": [], \"param_kwargs\": {\"with_mean\": true, \"with_std\": false}, \"prepared_kwargs\": {}, \"spec_class\": \"preproc\"}, {\"class_name\": \"LassoLars\", \"module\": \"sklearn.linear_model\", \"param_args\": [], \"param_kwargs\": {\"alpha\": 0.001, \"normalize\": true}, \"prepared_kwargs\": {}, \"spec_class\": \"sklearn\"}], \"pipeline_id\": \"5adc0a4fe02504a586f09a4fcbb241f9a4012062\"}",
        "training_percent": "100",
        "predicted_cost": "0.062226144097381045",
        "iteration": "5",
        "run_template": "automl_child",
        "run_preprocessor": "StandardScalerWrapper",
        "run_algorithm": "LassoLars",
        "conda_env_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/conda_env_v_1_0_0.yml",
        "model_name": "AutoMLad912b2d65",
        "scoring_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/scoring_file_v_1_0_0.py",
        "model_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/model.pkl"
    }
  },
  "specversion": "1.0"
}]

Microsoft.MachineLearningServices.DatasetDriftDetected-gebeurtenis

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "datadrifts/{}/runs/{}",
  "type": "Microsoft.MachineLearningServices.DatasetDriftDetected",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "DataDriftId": "01d29aa4-e6a4-470a-9ef3-66660d21f8ef",
    "DataDriftName": "myDriftMonitor",
    "RunId": "01d29aa4-e6a4-470a-9ef3-66660d21f8ef_1571590300380",
    "BaseDatasetId": "3c56d136-0f64-4657-a0e8-5162089a88a3",
    "TargetDatasetId": "d7e74d2e-c972-4266-b5fb-6c9c182d2a74",
    "DriftCoefficient": 0.83503490684792081,
    "StartTime": "2019-07-04T00:00:00+00:00",
    "EndTime": "2019-07-05T00:00:00+00:00"
  },
  "specversion": "1.0"
}]

Microsoft.MachineLearningServices.RunStatusChanged-gebeurtenis

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "experiments/0fa9dfaa-cba3-4fa7-b590-23e48548f5c1/runs/AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
  "type": "Microsoft.MachineLearningServices.RunStatusChanged",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "experimentId": "0fa9dfaa-cba3-4fa7-b590-23e48548f5c1",
    "experimentName": "automl-local-regression",
    "runId": "AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
    "runType": null,
    "runTags": {},
    "runProperties": {
        "runTemplate": "automl_child",
        "pipeline_id": "5adc0a4fe02504a586f09a4fcbb241f9a4012062",
        "pipeline_spec": "{\"objects\": [{\"class_name\": \"StandardScaler\", \"module\": \"sklearn.preprocessing\", \"param_args\": [], \"param_kwargs\": {\"with_mean\": true, \"with_std\": false}, \"prepared_kwargs\": {}, \"spec_class\": \"preproc\"}, {\"class_name\": \"LassoLars\", \"module\": \"sklearn.linear_model\", \"param_args\": [], \"param_kwargs\": {\"alpha\": 0.001, \"normalize\": true}, \"prepared_kwargs\": {}, \"spec_class\": \"sklearn\"}], \"pipeline_id\": \"5adc0a4fe02504a586f09a4fcbb241f9a4012062\"}",
        "training_percent": "100",
        "predicted_cost": "0.062226144097381045",
        "iteration": "5",
        "run_template": "automl_child",
        "run_preprocessor": "StandardScalerWrapper",
        "run_algorithm": "LassoLars",
        "conda_env_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/conda_env_v_1_0_0.yml",
        "model_name": "AutoMLad912b2d65",
        "scoring_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/scoring_file_v_1_0_0.py",
        "model_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/model.pkl"
    },
   "runStatus": "failed"
   },
  "specversion": "1.0"
}]

Eigenschappen van gebeurtenis

Een gebeurtenis bevat de volgende gegevens op het hoogste niveau:

Eigenschap Type Omschrijving
source tekenreeks Volledig resourcepad naar de gebeurtenisbron. Dit veld kan niet worden geschreven. Event Grid biedt deze waarde.
subject tekenreeks Het door de uitgever gedefinieerde pad naar het gebeurtenisonderwerp.
type tekenreeks Een van de geregistreerde gebeurtenistypen voor deze gebeurtenisbron.
time tekenreeks Het tijdstip waarop de gebeurtenis wordt gegenereerd op basis van de UTC-tijd van de provider.
id tekenreeks Unieke id voor de gebeurtenis.
data object Blob Storage-gebeurtenisgegevens.
specversion tekenreeks CloudEvents schemaspecificatieversie.

Het gegevensobject heeft de volgende eigenschappen voor elk gebeurtenistype:

Microsoft.MachineLearningServices.ModelRegistered

Eigenschap Type Omschrijving
ModelName tekenreeks De naam van het model dat is geregistreerd.
ModelVersion tekenreeks De versie van het model dat is geregistreerd.
ModelTags object De tags van het model dat is geregistreerd.
ModelProperties object De eigenschappen van het model dat is geregistreerd.

Microsoft.MachineLearningServices.ModelDeployed

Eigenschap Type Omschrijving
ServiceName tekenreeks De naam van de geïmplementeerde service.
ServiceComputeType tekenreeks Het rekentype (bijvoorbeeld ACI, AKS) van de geïmplementeerde service.
ModelIds tekenreeks Een door komma's gescheiden lijst met model-id's. De id's van de modellen die in de service zijn geïmplementeerd.
ServiceTags object De tags van de geïmplementeerde service.
ServiceProperties object De eigenschappen van de geïmplementeerde service.

Microsoft.MachineLearningServices.RunCompleted

Eigenschap Type Omschrijving
experimentId tekenreeks De id van het experiment waartoe de uitvoering behoort.
experimentName tekenreeks De naam van het experiment waartoe de uitvoering behoort.
runId tekenreeks De id van de uitvoering die is voltooid.
runType tekenreeks Het uitvoeringstype van de voltooide uitvoering.
runTags object De tags van de voltooide uitvoering.
runProperties object De eigenschappen van de voltooide uitvoering.

Microsoft.MachineLearningServices.DatasetDriftDetected

Eigenschap Type Omschrijving
DataDriftId tekenreeks De id van de gegevensdriftmonitor die de gebeurtenis heeft geactiveerd.
DataDriftName tekenreeks De naam van de gegevensdriftmonitor die de gebeurtenis heeft geactiveerd.
RunId tekenreeks De id van de run waarmee gegevensdrift is gedetecteerd.
BaseDatasetId tekenreeks De id van de basisgegevensset die wordt gebruikt om drift te detecteren.
TargetDatasetId tekenreeks De id van de doelgegevensset die wordt gebruikt om drift te detecteren.
DriftCoefficient dubbel Het coëfficiëntresultaat dat de gebeurtenis heeft geactiveerd.
StartTime datetime De begintijd van de tijdreeks van de doelgegevensset die heeft geresulteerd in driftdetectie.
EndTime datetime De eindtijd van de tijdreeks van de doelgegevensset die heeft geleid tot driftdetectie.

Microsoft.MachineLearningServices.RunStatusChanged

Eigenschap Type Omschrijving
experimentId tekenreeks De id van het experiment waartoe de uitvoering behoort.
experimentName tekenreeks De naam van het experiment waartoe de uitvoering behoort.
runId tekenreeks De id van de uitvoering die is voltooid.
runType tekenreeks Het uitvoeringstype van de voltooide uitvoering.
runTags object De tags van de voltooide uitvoering.
runProperties object De eigenschappen van de voltooide uitvoering.
runStatus tekenreeks De status van de uitvoering.

Zelfstudies en handleidingen

Title Beschrijving
Azure Machine Learning-gebeurtenissen gebruiken Overzicht van de integratie van Azure Machine Learning met Event Grid.

Volgende stappen

  • Zie Wat is Event Grid? voor een inleiding tot Azure Event Grid.
  • Zie het Event Grid-abonnementsschema voor meer informatie over het maken van een Azure Event Grid-abonnement
  • Zie Azure Machine Learning-gebeurtenissen gebruiken voor een inleiding tot het gebruik van Azure Event Grid met Azure Machine Learning
  • Zie Gebeurtenisgestuurde machine learning-werkstromen maken voor een voorbeeld van het gebruik van Azure Event Grid met Azure Machine Learning