Een webservice beheren met behulp van de Machine Learning Studio-webservicesportal (klassiek)

VAN TOEPASSING OP: Machine Learning Studio (klassiek) Azure Machine Learning

Belangrijk

De ondersteuning voor Azure Machine Learning-studio (klassiek) eindigt op 31 augustus 2024. U wordt aangeraden om vóór die datum over te stappen naar Azure Machine Learning.

Vanaf 1 december 2021 kunt u geen nieuwe resources voor Azure Machine Learning-studio (klassiek) meer maken. Tot en met 31 augustus 2024 kunt u de bestaande resources van Azure Machine Learning-studio (klassiek) blijven gebruiken.

• Zie informatie over het verplaatsen van machine learning-projecten van ML Studio (klassiek) naar Azure Machine Learning.
• Meer informatie over Azure Machine Learning

De documentatie van ML-studio (klassiek) wordt buiten gebruik gesteld en wordt in de toekomst mogelijk niet meer bijgewerkt.

U kunt uw Machine Learning Studio-webservices (klassiek) beheren met behulp van de Machine Learning Web Services-portal.

In de Machine Learning Web Services-portal kunt u het volgende doen:

• Controleer hoe de webservice wordt gebruikt.
• Configureer de beschrijving, werk de sleutels voor de webservice (alleen nieuw) bij, werk de sleutel van uw opslagaccount bij (alleen nieuw), schakel logboekregistratie in en schakel voorbeeldgegevens in of uit.
• Verwijder de webservice.
• Factureringsplannen maken, verwijderen of bijwerken: alleen Azure Machine Learning.
• Eindpunten toevoegen en verwijderen: alleen ML Studio (klassiek)

Notitie

U kunt klassieke webservices ook beheren in Machine Learning Studio (klassiek) op het tabblad Webservices .

Machtigingen voor het beheren van webservices op basis van New Resources Manager

Nieuwe webservices worden geïmplementeerd als Azure-resources. Daarom moet u over de juiste machtigingen beschikken om nieuwe webservices te implementeren en te beheren. Als u nieuwe webservices wilt implementeren of beheren, moet u een rol van inzender of beheerder toewijzen aan het abonnement waarop de webservice wordt geïmplementeerd. Als u een andere gebruiker uitnodigt voor een machine learning-werkruimte, moet u deze toewijzen aan een inzender of beheerdersrol voor het abonnement voordat ze webservices kunnen implementeren of beheren.

Als de gebruiker niet over de juiste machtigingen beschikt om toegang te krijgen tot resources in de Machine Learning Web Services-portal, krijgt de gebruiker de volgende fout bij het implementeren van een webservice:

De implementatie van de webservice is mislukt. Dit account beschikt niet over voldoende toegangsrechten voor het Azure-abonnement met de werkruimte. Als u een webservice wilt implementeren in Azure, moet hetzelfde account worden uitgenodigd voor de werkruimte en toegang krijgen tot het Azure-abonnement dat de werkruimte bevat.

Zie Een Machine Learning Studio-werkruimte (klassiek) maken en delen voor meer informatie over het maken van een werkruimte.

Zie Azure-rollen toewijzen met behulp van de Azure Portal voor meer informatie over het instellen van toegangsmachtigingen.

Nieuwe webservices beheren

Uw nieuwe webservices beheren:

1. Meld u aan bij de Machine Learning Web Services-portal met uw Microsoft Azure-account. Gebruik het account dat is gekoppeld aan het Azure-abonnement.
2. Klik in het menu op WebServices.

Hiermee wordt een lijst weergegeven met geïmplementeerde webservices voor uw abonnement.

Als u een webservice wilt beheren, klikt u op Webservices. Op de pagina WebServices kunt u het volgende doen:

• Klik op de webservice om deze te beheren.
• Klik op het factureringsplan voor de webservice om dit bij te werken.
• Een webservice verwijderen.
• Kopieer een webservice en implementeer deze in een andere regio.

Wanneer u op een webservice klikt, wordt de snelstartpagina van de webservice geopend. De snelstartpagina van de webservice bevat twee menuopties waarmee u uw webservice kunt beheren:

• DASHBOARD : hiermee kunt u het gebruik van de webservice weergeven.
• CONFIGURE : hiermee kunt u beschrijvende tekst toevoegen, de sleutel bijwerken voor het opslagaccount dat is gekoppeld aan de webservice en voorbeeldgegevens in- of uitschakelen.

Controleren hoe de webservice wordt gebruikt

Klik op het tabblad DASHBOARD .

Vanuit het dashboard kunt u het algehele gebruik van uw webservice gedurende een bepaalde periode bekijken. U kunt de periode selecteren die u wilt weergeven in de vervolgkeuzelijst Periode in de rechterbovenhoek van de gebruiksgrafieken. Het dashboard bevat de volgende informatie:

• Aanvragen in de loop van de tijd geeft een stapgrafiek weer van het aantal aanvragen gedurende de geselecteerde periode. Het kan helpen identificeren of u pieken ondervindt in het gebruik.
• Aanvraag-antwoordaanvragen geeft het totale aantal Request-Response aanroepen weer die de service heeft ontvangen gedurende de geselecteerde periode en hoeveel van deze oproepen zijn mislukt.
• De gemiddelde Request-Response rekentijd geeft een gemiddelde weer van de tijd die nodig is om de ontvangen aanvragen uit te voeren.
• Batchaanvragen geeft het totale aantal Batch-aanvragen weer dat de service heeft ontvangen gedurende de geselecteerde periode en hoeveel van deze aanvragen zijn mislukt.
• De gemiddelde taaklatentie geeft een gemiddelde weer van de tijd die nodig is om de ontvangen aanvragen uit te voeren.
• Fouten geven het totale aantal fouten weer dat is opgetreden bij aanroepen naar de webservice.
• In de servicekosten worden de kosten weergegeven voor het factureringsplan dat aan de service is gekoppeld.

De webservice configureren

Klik op de menuoptie CONFIGUREREN .

U kunt de volgende eigenschappen bijwerken:

• Met beschrijving kunt u een beschrijving voor de webservice invoeren.
• Met titel kunt u een titel voor de webservice invoeren
• Met sleutels kunt u uw primaire en secundaire API-sleutels draaien.
• Met de sleutel van het opslagaccount kunt u de sleutel bijwerken voor het opslagaccount dat is gekoppeld aan de wijzigingen in de webservice.
• Met voorbeeldgegevens kunt u voorbeeldgegevens opgeven die u kunt gebruiken om de Request-Response-service te testen. Als u de webservice in Machine Learning Studio (klassiek) hebt gemaakt, worden de voorbeeldgegevens opgehaald uit de gegevens die u hebt gebruikt om uw model te trainen. Als u de service programmatisch hebt gemaakt, worden de gegevens opgehaald uit de voorbeeldgegevens die u hebt opgegeven als onderdeel van het JSON-pakket.

Factureringsplannen beheren

Klik op de menuoptie Plannen op de snelstartpagina voor webservices. U kunt ook klikken op het plan dat is gekoppeld aan een specifieke webservice om dat plan te beheren.

• Met nieuw kunt u een nieuw plan maken.
• Met het toevoegen/verwijderen van een planexemplaren kunt u een bestaand plan uitschalen om capaciteit toe te voegen.
• Met Upgrade/DownGrade kunt u een bestaand plan omhoog schalen om capaciteit toe te voegen.
• Met Verwijderen kunt u een plan verwijderen.

Klik op een plan om het bijbehorende dashboard weer te geven. Het dashboard geeft u momentopnamen of plangebruik gedurende een geselecteerde periode. Als u de periode wilt selecteren die u wilt weergeven, klikt u op de vervolgkeuzelijst Periode rechtsboven in het dashboard.

Het plandashboard bevat de volgende informatie:

• Planbeschrijving geeft informatie weer over de kosten en capaciteit die aan het plan zijn gekoppeld.
• Plangebruik geeft het aantal transacties en rekenuren weer dat in rekening is gebracht op basis van het abonnement.
• Webservices geeft het aantal webservices weer dat dit abonnement gebruikt.
• Met de bovenste webservice per aanroep worden de vier belangrijkste webservices weergegeven die aanroepen doen die in rekening worden gebracht voor het abonnement.
• De belangrijkste webservices per compute-uur geeft de vier belangrijkste webservices weer die gebruikmaken van rekenresources die in rekening worden gebracht voor het abonnement.

Klassieke webservices beheren

Notitie

De procedures in deze sectie zijn relevant voor het beheren van klassieke webservices via de Machine Learning Web Services-portal. Zie Een Machine Learning Studio-werkruimte (klassiek) beheren voor meer informatie over het beheren van klassieke webservices via Machine Learning Studio (klassiek) en de Azure Portal.

Uw klassieke webservices beheren:

1. Meld u aan bij de Machine Learning Web Services-portal met uw Microsoft Azure-account. Gebruik het account dat is gekoppeld aan het Azure-abonnement.
2. Klik in het menu op Klassieke webservices.

Als u een klassieke webservice wilt beheren, klikt u op Klassieke webservices. Op de pagina Klassieke webservices kunt u het volgende doen:

• Klik op de webservice om de gekoppelde eindpunten weer te geven.
• Een webservice verwijderen.

Wanneer u een klassieke webservice beheert, beheert u elk van de eindpunten afzonderlijk. Wanneer u op een webservice op de pagina Webservices klikt, wordt de lijst met eindpunten geopend die aan de service zijn gekoppeld.

Op de pagina Eindpunt van de klassieke webservice kunt u eindpunten toevoegen en verwijderen in de service. Zie Eindpunten maken voor meer informatie over het toevoegen van eindpunten.

Klik op een van de eindpunten om de snelstartpagina van de webservice te openen. Op de snelstartpagina zijn er twee menuopties waarmee u uw webservice kunt beheren:

• DASHBOARD : hiermee kunt u het gebruik van de webservice weergeven.
• CONFIGURE : hiermee kunt u beschrijvende tekst toevoegen, foutlogboekregistratie in- en uitschakelen, de sleutel voor het opslagaccount bijwerken dat is gekoppeld aan de webservice en voorbeeldgegevens in- en uitschakelen.

Controleren hoe de webservice wordt gebruikt

Klik op het tabblad DASHBOARD .

Vanuit het dashboard kunt u het algehele gebruik van uw webservice gedurende een bepaalde periode bekijken. U kunt de periode selecteren die u wilt weergeven in de vervolgkeuzelijst Periode in de rechterbovenhoek van de gebruiksgrafieken. Het dashboard bevat de volgende informatie:

• Aanvragen in de loop van de tijd geeft een stapgrafiek weer van het aantal aanvragen gedurende de geselecteerde periode. Het kan helpen identificeren of u pieken ondervindt in het gebruik.
• Aanvraag-antwoordaanvragen geeft het totale aantal Request-Response aanroepen weer die de service heeft ontvangen gedurende de geselecteerde periode en hoeveel van deze oproepen zijn mislukt.
• De gemiddelde Request-Response rekentijd geeft een gemiddelde weer van de tijd die nodig is om de ontvangen aanvragen uit te voeren.
• Batchaanvragen geeft het totale aantal Batch-aanvragen weer dat de service heeft ontvangen gedurende de geselecteerde periode en hoeveel van deze aanvragen zijn mislukt.
• De gemiddelde taaklatentie geeft een gemiddelde weer van de tijd die nodig is om de ontvangen aanvragen uit te voeren.
• Fouten geven het totale aantal fouten weer dat is opgetreden bij aanroepen naar de webservice.
• In de servicekosten worden de kosten weergegeven voor het factureringsplan dat aan de service is gekoppeld.

De webservice configureren

Klik op de menuoptie CONFIGUREREN .

U kunt de volgende eigenschappen bijwerken:

• Met beschrijving kunt u een beschrijving voor de webservice invoeren. Beschrijving is een vereist veld.
• Met logboekregistratie kunt u foutlogboekregistratie op het eindpunt in- of uitschakelen. Zie Logboekregistratie inschakelen voor Machine Learning-webservices voor meer informatie over logboekregistratie.
• Met voorbeeldgegevens kunt u voorbeeldgegevens opgeven die u kunt gebruiken om de Request-Response-service te testen. Als u de webservice in Machine Learning Studio (klassiek) hebt gemaakt, worden de voorbeeldgegevens opgehaald uit de gegevens die u hebt gebruikt om uw model te trainen. Als u de service programmatisch hebt gemaakt, worden de gegevens opgehaald uit de voorbeeldgegevens die u hebt opgegeven als onderdeel van het JSON-pakket.