Udostępnij za pośrednictwem

Usługa Azure Machine Learning jako źródło usługi Event Grid

  • Artykuł

Ten artykuł zawiera właściwości i schemat zdarzeń obszaru roboczego uczenia maszynowego. Aby zapoznać się ze schematami zdarzeń, zobacz Schemat zdarzeń usługi Azure Event Grid.

Dostępne typy zdarzeń

Usługa Azure Machine Learning emituje następujące typy zdarzeń:

Typ zdarzenia opis
Microsoft.MachineLearningServices.ModelRegistered Zgłaszane, gdy nowa wersja modelu lub modelu została pomyślnie zarejestrowana.
Microsoft.MachineLearningServices.ModelDeployed Podniesione, gdy modele zostały pomyślnie wdrożone w punkcie końcowym.
Microsoft.MachineLearningServices.RunCompleted Podniesione po pomyślnym zakończeniu przebiegu.
Microsoft.MachineLearningServices.DatasetDriftDetected Zgłaszane, gdy monitor dryfu zestawu danych wykrywa dryf.
Microsoft.MachineLearningServices.RunStatusChanged Zgłaszane, gdy zmieni się stan uruchomienia.

Przykładowe zdarzenia

Po wyzwoleniu zdarzenia usługa Event Grid wysyła dane dotyczące tego zdarzenia do subskrybującego punktu końcowego. Ta sekcja zawiera przykład tego, jak te dane będą wyglądać dla każdego zdarzenia.

Microsoft.MachineLearningServices.ModelRegistered zdarzenie

[{
  "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 zdarzenie

[{
  "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 — zdarzenie

[{
  "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 zdarzenie

[{
  "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 zdarzenie

[{
  "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"
}]

Właściwości zdarzenia

Zdarzenie ma następujące dane najwyższego poziomu:

Właściwość Type opis
source string Pełna ścieżka zasobu do źródła zdarzeń. To pole nie jest możliwe do zapisu. Ta wartość jest podawana przez usługę Event Grid.
subject string Zdefiniowana przez wydawcę ścieżka do tematu zdarzenia.
type string Jeden z zarejestrowanych typów zdarzeń dla tego źródła zdarzeń.
time string Czas generowania zdarzenia na podstawie czasu UTC dostawcy.
id string Unikatowy identyfikator zdarzenia.
data obiekt Dane zdarzeń usługi Blob Storage.
specversion string Wersja specyfikacji schematu CloudEvents.

Obiekt danych ma następujące właściwości dla każdego typu zdarzenia:

Microsoft.MachineLearningServices.ModelRegistered

Właściwość Type opis
ModelName string Nazwa zarejestrowanego modelu.
ModelVersion string Wersja zarejestrowanego modelu.
ModelTags obiekt Tagi zarejestrowanego modelu.
ModelProperties obiekt Właściwości zarejestrowanego modelu.

Microsoft.MachineLearningServices.ModelDeployed

Właściwość Type opis
ServiceName string Nazwa wdrożonej usługi.
ServiceComputeType string Typ obliczeniowy (na przykład ACI, AKS) wdrożonej usługi.
ModelIds string Rozdzielona przecinkami lista identyfikatorów modeli. Identyfikatory modeli wdrożonych w usłudze.
ServiceTags obiekt Tagi wdrożonej usługi.
ServiceProperties obiekt Właściwości wdrożonej usługi.

Microsoft.MachineLearningServices.RunCompleted

Właściwość Type opis
experimentId string Identyfikator eksperymentu, do którego należy przebieg.
experimentName string Nazwa eksperymentu, do którego należy przebieg.
runId string Identyfikator ukończonego przebiegu.
runType string Typ przebiegu ukończonego przebiegu.
runTags obiekt Tagi ukończonego przebiegu.
runProperties obiekt Właściwości ukończonego przebiegu.

Microsoft.MachineLearningServices.DatasetDriftDetected

Właściwość Type opis
DataDriftId string Identyfikator monitora dryfu danych, który wyzwolił zdarzenie.
DataDriftName string Nazwa monitora dryfu danych, który wyzwolił zdarzenie.
RunId string Identyfikator przebiegu, który wykrył dryf danych.
BaseDatasetId string Identyfikator podstawowego zestawu danych używany do wykrywania dryfu.
TargetDatasetId string Identyfikator docelowego zestawu danych używany do wykrywania dryfu.
DriftCoefficient double Wynik współczynnika, który wyzwolił zdarzenie.
StartTime datetime Godzina rozpoczęcia docelowej serii czasowej zestawu danych, która doprowadziła do wykrycia dryfu.
EndTime datetime Godzina zakończenia docelowej serii czasowej zestawu danych, która doprowadziła do wykrycia dryfu.

Microsoft.MachineLearningServices.RunStatusChanged

Właściwość Type opis
experimentId string Identyfikator eksperymentu, do którego należy przebieg.
experimentName string Nazwa eksperymentu, do którego należy przebieg.
runId string Identyfikator ukończonego przebiegu.
runType string Typ przebiegu ukończonego przebiegu.
runTags obiekt Tagi ukończonego przebiegu.
runProperties obiekt Właściwości ukończonego przebiegu.
runStatus string Stan uruchomienia.

Samouczki i poradniki

Nazwa opis
Korzystanie ze zdarzeń usługi Azure Machine Learning Omówienie integracji usługi Azure Machine Learning z usługą Event Grid.

Następne kroki