Planowanie zadań importowania danych (wersja zapoznawcza)

DOTYCZY: Rozszerzenie interfejsu wiersza polecenia platformy Azure w wersji 2 (current)Zestaw PYTHON SDK azure-ai-ml v2 (bieżąca)

W tym artykule dowiesz się, jak programowo zaplanować importowanie danych przy użyciu interfejsu użytkownika harmonogramu, aby to zrobić. Harmonogram można utworzyć na podstawie czasu, który upłynął. Harmonogramy oparte na czasie mogą obsługiwać rutynowe zadania — na przykład regularne importowanie danych w celu zapewnienia ich aktualności. Po zapoznaniu się z tworzeniem harmonogramów dowiesz się, jak pobierać, aktualizować i dezaktywować je za pomocą interfejsu wiersza polecenia, zestawu SDK i zasobów interfejsu użytkownika programu Studio.

Wymagania wstępne

• Do korzystania z usługi Azure Machine Learning potrzebna jest subskrypcja platformy Azure. Jeśli nie masz subskrypcji platformy Azure, przed rozpoczęciem utwórz bezpłatne konto. Wypróbuj bezpłatną lub płatną wersję usługi Azure Machine Learning już dziś.

Interfejs wiersza polecenia platformy Azure

• Zainstaluj interfejs wiersza polecenia platformy ml Azure i rozszerzenie. Wykonaj kroki instalacji opisane w temacie Instalowanie, konfigurowanie i używanie interfejsu wiersza polecenia (wersja 2).

• Utwórz obszar roboczy usługi Azure Machine Learning, jeśli go nie masz. Aby uzyskać informacje na temat tworzenia obszaru roboczego, zobacz Instalowanie, konfigurowanie i używanie interfejsu wiersza polecenia (wersja 2).

Zestaw SDK dla języka Python

• Utwórz obszar roboczy usługi Azure Machine Learning, jeśli go nie masz.
• Zestaw Azure Machine Learning SDK w wersji 2 dla języka Python.

Studio

• Obszar roboczy usługi Azure Machine Learning. Zobacz Tworzenie zasobów obszaru roboczego.
• Omówienie potoków usługi Azure Machine Learning. Zobacz, co to są potoki uczenia maszynowego i jak utworzyć zadanie potoku w interfejsie wiersza polecenia w wersji 2 lub zestawu SDK w wersji 2.

Planowanie importowania danych

Aby importować dane cyklicznie, należy utworzyć harmonogram. Element Schedule kojarzy akcję importowania danych z wyzwalaczem. Wyzwalacz może mieć cronwartość , która używa wyrażenia cron do opisania opóźnienia między przebiegami lub recurrence, który określa częstotliwość wyzwalania zadania. W każdym przypadku należy najpierw utworzyć definicję danych importu. W tym celu działa istniejący import danych lub import danych zdefiniowany w tekście. Aby uzyskać więcej informacji, odwiedź stronę Tworzenie importu danych w interfejsie wiersza polecenia, zestawie SDK i interfejsie użytkownika.

Tworzenie harmonogramu

Tworzenie harmonogramu opartego na czasie za pomocą wzorca cyklu

Interfejs wiersza polecenia platformy Azure

DOTYCZY: Rozszerzenie interfejsu wiersza polecenia platformy Azure ml w wersji 2 (bieżąca)

YAML: Planowanie importowania danych ze wzorcem cyklu

$schema: https://azuremlschemas.azureedge.net/latest/schedule.schema.json
name: simple_recurrence_import_schedule
display_name: Simple recurrence import schedule
description: a simple hourly recurrence import schedule

trigger:
  type: recurrence
  frequency: day #can be minute, hour, day, week, month
  interval: 1 #every day
  schedule:
    hours: [4,5,10,11,12]
    minutes: [0,30]
  start_time: "2022-07-10T10:00:00" # optional - default will be schedule creation time
  time_zone: "Pacific Standard Time" # optional - default will be UTC

import_data: ./my-snowflake-import-data.yaml

YAML: Planowanie wbudowanej definicji importowania danych ze wzorcem cyklu w zarządzanym magazynie danych

$schema: https://azuremlschemas.azureedge.net/latest/schedule.schema.json
name: inline_recurrence_import_schedule
display_name: Inline recurrence import schedule
description: an inline hourly recurrence import schedule

trigger:
  type: recurrence
  frequency: day #can be minute, hour, day, week, month
  interval: 1 #every day
  schedule:
    hours: [4,5,10,11,12]
    minutes: [0,30]
  start_time: "2022-07-10T10:00:00" # optional - default will be schedule creation time
  time_zone: "Pacific Standard Time" # optional - default will be UTC

import_data:
  type: mltable
  name: my_snowflake_ds
  path: azureml://datastores/workspacemanagedstore
  source:
    type: database
    query: select * from TPCH_SF1.REGION
    connection: azureml:my_snowflake_connection

Obiekt trigger zawiera następujące właściwości:

• (Wymagane) type określa typ harmonogramu lub recurrence cron. Poniższa sekcja zawiera więcej informacji.

Następnie uruchom to polecenie w interfejsie wiersza polecenia:

> az ml schedule create -f <file-name>.yml

Zestaw SDK dla języka Python

DOTYCZY: Zestaw PYTHON SDK azure-ai-ml w wersji 2 (bieżąca)

from azure.ai.ml.data_transfer import Database
from azure.ai.ml.constants import TimeZone
from azure.ai.ml.entities import (
    ImportDataSchedule,
    RecurrenceTrigger,
    RecurrencePattern,
)
from datetime import datetime

source = Database(connection="azureml:my_sf_connection", query="select * from my_table")

path = "azureml://datastores/workspaceblobstore/paths/snowflake/schedule/${{name}}"


my_data = DataImport(
    type="mltable", source=source, path=path, name="my_schedule_sfds_test"
)

schedule_name = "my_simple_sdk_create_schedule_recurrence"

schedule_start_time = datetime.utcnow()

recurrence_trigger = RecurrenceTrigger(
    frequency="day",
    interval=1,
    schedule=RecurrencePattern(hours=1, minutes=[0, 1]),
    start_time=schedule_start_time,
    time_zone=TimeZone.UTC,
)

import_schedule = ImportDataSchedule(
    name=schedule_name, trigger=recurrence_trigger, import_data=my_data
)

ml_client.schedules.begin_create_or_update(import_schedule).result()

RecurrenceTrigger zawiera następujące właściwości:

• (Wymagane) Aby uzyskać lepsze środowisko kodowania, użyj RecurrenceTrigger harmonogramu cyklu.

Studio

Gdy importowanie danych ma zadowalającą wydajność i dane wyjściowe, możesz skonfigurować harmonogram automatycznego wyzwalania tego importu.

1. Przejdź do usługi Azure Machine Learning Studio

2. W obszarze Zasoby w obszarze nawigacji po lewej stronie wybierz pozycję Dane. Na karcie Importowanie danych wybierz zaimportowany zasób danych, do którego chcesz dołączyć harmonogram. Powinna zostać wyświetlona strona Historia zadań importu, jak pokazano na poniższym zrzucie ekranu:

   

3. Na stronie Importowanie historii zadań wybierz najnowszy adres URL hiperłącza Import job name (Importuj nazwę zadania), aby otworzyć stronę szczegółów zadania potoków, jak pokazano na poniższym zrzucie ekranu:

   

4. Na stronie szczegółów zadania potoku dowolnego importu danych wybierz pozycję Harmonogram —> Utwórz nowy harmonogram, aby otworzyć kreatora tworzenia harmonogramu , jak pokazano na poniższym zrzucie ekranu:

   

5. Ustawienia podstawowe kreatora tworzenia harmonogramu mają właściwości pokazane na tym zrzucie ekranu:

   

• Nazwa: unikatowy identyfikator harmonogramu w obszarze roboczym.

• Opis: opis harmonogramu.

• Wyzwalacz: wzorzec cyklu harmonogramu, który obejmuje następujące właściwości:

  • Strefa czasowa: obliczenie czasu wyzwalacza jest oparte na tej strefie czasowej; (UTC) Uniwersalny czas koordynowany domyślnie.
  • Wyrażenie cyklowe lub Cron: wybierz pozycję cykl, aby określić wzorzec cykliczny. W obszarze Cykl można określić częstotliwość cyklu — według minut, godzin, dni, tygodni lub miesięcy.
  • Początek: harmonogram najpierw staje się aktywny w tej dacie. Domyślnie data utworzenia tego harmonogramu.
  • Koniec: harmonogram stanie się nieaktywny po tej dacie. Domyślnie jest to NONE, co oznacza, że harmonogram pozostaje aktywny do momentu ręcznego wyłączenia go.
  • Tagi: wybrane tagi harmonogramu.

  Po skonfigurowaniu ustawień podstawowych możesz wybrać pozycję Przejrzyj i utwórz, a harmonogram automatycznie prześle import danych na podstawie określonego wzorca cyklu. Możesz również wybrać pozycję Dalej i przejść przez kreatora, aby wybrać lub zaktualizować parametry importu danych.

Uwaga

Te właściwości dotyczą interfejsu wiersza polecenia i zestawu SDK:

• (Wymagane) frequency określa jednostkę czasu, która opisuje częstotliwość uruchamiania harmonogramu. Może mieć wartości

  • minute
  • hour
  • day
  • week
  • month

• (Wymagane) interval Określa, jak często harmonogram jest uruchamiany na podstawie częstotliwości, która jest liczbą jednostek czasu, które mają czekać, aż harmonogram zostanie ponownie wyzwolony.

• (Opcjonalnie) schedule definiuje wzorzec cyklu zawierający hours, minutesi weekdays.

  • Gdy frequency równa daysię , wzorzec może określać hours i minutes.
  • Gdy frequency równa week się i month, wzorzec może określać hourswartości , minutes i weekdays.
  • hours powinna być liczbą całkowitą lub listą z zakresu od 0 do 23.
  • minutes powinna być liczbą całkowitą lub listą z zakresu od 0 do 59.
  • weekdays ciąg lub lista z zakresu od monday do sunday.
  • Jeśli schedule zostanie pominięty, zadania wyzwalają wyzwalane zgodnie z logiką parametrów start_timei frequency interval.

• (Opcjonalnie) start_time opisuje datę i godzinę rozpoczęcia ze strefą czasową. Jeśli start_time zostanie pominięty, start_time równa się czasowi tworzenia zadania. W ciągu ostatniego czasu rozpoczęcia pierwsze zadanie jest uruchamiane w następnym obliczonym czasie wykonywania.

• (Opcjonalnie) end_time opisuje datę i godzinę zakończenia ze strefą czasową. Jeśli end_time zostanie pominięty, harmonogram będzie nadal wyzwalał zadania do momentu ręcznego wyłączenia harmonogramu.

• (Opcjonalnie) time_zone określa strefę czasową cyklu. W przypadku pominięcia domyślna strefa czasowa to UTC. Aby uzyskać więcej informacji na temat wartości strefy czasowej, odwiedź dodatek dotyczący wartości strefy czasowej.

Tworzenie harmonogramu opartego na czasie za pomocą wyrażenia cron

Interfejs wiersza polecenia platformy Azure

YAML: Planowanie importowania danych za pomocą wyrażenia cron

DOTYCZY: Rozszerzenie interfejsu wiersza polecenia platformy Azure ml w wersji 2 (bieżąca)

YAML: Planowanie importowania danych za pomocą wyrażenia cron (wersja zapoznawcza)

$schema: https://azuremlschemas.azureedge.net/latest/schedule.schema.json
name: simple_cron_import_schedule
display_name: Simple cron import schedule
description: a simple hourly cron import schedule

trigger:
  type: cron
  expression: "0 * * * *"
  start_time: "2022-07-10T10:00:00" # optional - default will be schedule creation time
  time_zone: "Pacific Standard Time" # optional - default will be UTC

import_data: ./my-snowflake-import-data.yaml

YAML: Planowanie wbudowanej definicji importu danych za pomocą wyrażenia cron (wersja zapoznawcza)

$schema: https://azuremlschemas.azureedge.net/latest/schedule.schema.json
name: inline_cron_import_schedule
display_name: Inline cron import schedule
description: an inline hourly cron import schedule

trigger:
  type: cron
  expression: "0 * * * *"
  start_time: "2022-07-10T10:00:00" # optional - default will be schedule creation time
  time_zone: "Pacific Standard Time" # optional - default will be UTC

import_data:
  type: mltable
  name: my_snowflake_ds
  path: azureml://datastores/workspaceblobstore/paths/snowflake/${{name}}
  source:
    type: database
    query: select * from TPCH_SF1.REGION
    connection: azureml:my_snowflake_connection

Sekcja trigger definiuje szczegóły harmonogramu i zawiera następujące właściwości:

• (Wymagane) type określa cron typ harmonogramu.

> az ml schedule create -f <file-name>.yml

Lista będzie kontynuowana tutaj:

Zestaw SDK dla języka Python

DOTYCZY: Zestaw PYTHON SDK azure-ai-ml w wersji 2 (bieżąca)

from azure.ai.ml.data_transfer import Database
from azure.ai.ml.constants import TimeZone
from azure.ai.ml.entities import CronTrigger, ImportDataSchedule

source = Database(connection="azureml:my_sf_connection", query="select * from my_table")

path = "azureml://datastores/workspaceblobstore/paths/snowflake/schedule/${{name}}"


my_data = DataImport(
    type="mltable", source=source, path=path, name="my_schedule_sfds_test"
)

schedule_name = "my_simple_sdk_create_schedule_cron"

cron_trigger = CronTrigger(
    expression="15 10 * * 1",
    start_time=datetime.utcnow(),
    end_time="2023-12-03T18:40:00",
)
import_schedule = ImportDataSchedule(
    name=schedule_name, trigger=cron_trigger, import_data=my_data
)
ml_client.schedules.begin_create_or_update(import_schedule).result()

Sekcja CronTrigger definiuje szczegóły harmonogramu i zawiera następujące właściwości:

• (Wymagane) Aby uzyskać lepsze środowisko kodowania, użyj CronTrigger harmonogramu cyklu.

Lista będzie kontynuowana tutaj:

Studio

Gdy importowanie danych ma zadowalającą wydajność i dane wyjściowe, możesz skonfigurować harmonogram automatycznego wyzwalania tego importu.

1. Przejdź do usługi Azure Machine Learning Studio

2. W obszarze Zasoby w obszarze nawigacji po lewej stronie wybierz pozycję Dane. Na karcie Importowanie danych wybierz zaimportowany zasób danych, do którego chcesz dołączyć harmonogram. Powinna zostać wyświetlona strona Historia zadań importu, jak pokazano na poniższym zrzucie ekranu:

   

3. Na stronie Importowanie historii zadań wybierz najnowszy adres URL hiperłącza Import job name (Importuj nazwę zadania), aby otworzyć stronę szczegółów zadania potoków, jak pokazano na poniższym zrzucie ekranu:

   

4. Na stronie szczegółów zadania potoku dowolnego importu danych wybierz pozycję Harmonogram —> Utwórz nowy harmonogram, aby otworzyć kreatora tworzenia harmonogramu , jak pokazano na poniższym zrzucie ekranu:

   

5. Ustawienia podstawowe kreatora tworzenia harmonogramu mają właściwości pokazane na tym zrzucie ekranu:

   

• Nazwa: unikatowy identyfikator harmonogramu w obszarze roboczym.

• Opis: opis harmonogramu.

• Wyzwalacz: wzorzec cyklu harmonogramu, który obejmuje następujące właściwości:

  • Strefa czasowa: obliczenie czasu wyzwalacza jest oparte na tej strefie czasowej; (UTC) Uniwersalny czas koordynowany domyślnie.
  • Wyrażenie cyklowe lub Cron: wybierz pozycję cykl, aby określić wzorzec cykliczny. Za pomocą wyrażenia Cron można określić bardziej elastyczny i dostosowany wzorzec cyklu.
  • Początek: harmonogram najpierw staje się aktywny w tej dacie. Domyślnie data utworzenia tego harmonogramu.
  • Koniec: harmonogram stanie się nieaktywny po tej dacie. Domyślnie jest to NONE, co oznacza, że harmonogram pozostaje aktywny do momentu ręcznego wyłączenia go.
  • Tagi: wybrane tagi harmonogramu.

  Po skonfigurowaniu ustawień podstawowych możesz wybrać pozycję Przejrzyj i utwórz, a harmonogram automatycznie prześle import danych na podstawie określonego wzorca cyklu. Możesz również wybrać pozycję Dalej i przejść przez kreatora, aby wybrać lub zaktualizować parametry importu danych.

• (Wymagane) expression Używa standardowego wyrażenia crontab w celu wyrażenia harmonogramu cyklicznego. Pojedyncze wyrażenie składa się z pięciu pól rozdzielanych spacjami:

  MINUTES HOURS DAYS MONTHS DAYS-OF-WEEK

  • Pojedyncza symbol wieloznaczny (*), która obejmuje wszystkie wartości pola. Wartość *, w dniach oznacza wszystkie dni miesiąca (które różnią się w zależności od miesiąca i roku).

  • W expression: "15 16 * * 1" powyższym przykładzie oznacza 16:15 w każdy poniedziałek.

  • W tej tabeli wymieniono prawidłowe wartości dla każdego pola:

    Pole	Zakres	Komentarz
    MINUTES	0-59	-
    HOURS	0-23	-
    DAYS	-	Nieobsługiwane. Wartość jest ignorowana i traktowana jako *.
    MONTHS	-	Nieobsługiwane. Wartość jest ignorowana i traktowana jako *.
    DAYS-OF-WEEK	0-6	Zero (0) oznacza niedzielę. Nazwy dni również zostały zaakceptowane.

  • Aby uzyskać więcej informacji na temat wyrażeń crontab, odwiedź zasób wiki Crontab Expression w witrynie GitHub.

  Ważne

  DAYS i MONTH nie są obsługiwane. Jeśli przekażesz jedną z tych wartości, zostanie ona zignorowana i traktowana jako *.

• (Opcjonalnie) start_time określa datę i godzinę rozpoczęcia ze strefą czasową harmonogramu. Na przykład oznacza, start_time: "2022-05-10T10:15:00-04:00" że harmonogram rozpoczyna się od godziny 10:15:00 w dniu 2022-05-10 w strefie czasowej UTC-4. Jeśli start_time zostanie pominięty, wartość start_time jest równa czasowi tworzenia harmonogramu. W ciągu ostatniego czasu rozpoczęcia pierwsze zadanie jest uruchamiane w następnym obliczonym czasie wykonywania.

• (Opcjonalnie) end_time Opisuje datę zakończenia i godzinę ze strefą czasową. Jeśli end_time zostanie pominięty, harmonogram będzie nadal wyzwalał zadania do momentu ręcznego wyłączenia harmonogramu.

• (Opcjonalnie) time_zoneokreśla strefę czasową wyrażenia. W przypadku time_zone pominięcia strefa czasowa jest domyślnie utc. Aby uzyskać więcej informacji na temat wartości strefy czasowej, odwiedź dodatek dotyczący wartości strefy czasowej.

Ograniczenia:

• Obecnie planowanie usługi Azure Machine Learning w wersji 2 nie obsługuje wyzwalaczy opartych na zdarzeniach.
• Użyj zestawu SDK/interfejsu wiersza polecenia usługi Azure Machine Learning w wersji 2, aby określić złożony wzorzec cyklu zawierający wiele sygnatur czasowych wyzwalacza. Interfejs użytkownika wyświetla tylko złożony wzorzec i nie obsługuje edycji.
• Jeśli ustawisz cykl jako 31 dzień każdego miesiąca, harmonogram nie będzie wyzwalał zadań w miesiącach z krótszym niż 31 dni.

Wyświetlanie listy harmonogramów w obszarze roboczym

Interfejs wiersza polecenia platformy Azure

DOTYCZY: Rozszerzenie interfejsu wiersza polecenia platformy Azure ml w wersji 2 (bieżąca)

az ml schedule list

Zestaw SDK dla języka Python

DOTYCZY: Zestaw PYTHON SDK azure-ai-ml w wersji 2 (bieżąca)

schedules = ml_client.schedules.list()
[s.name for s in schedules]

Studio

W portalu studio w obszarze rozszerzenia Zadania wybierz kartę Wszystkie harmonogramy . Ta karta zawiera wszystkie harmonogramy zadań utworzone przez zestaw SDK/interfejs wiersza polecenia/interfejs użytkownika na jednej liście. Na liście harmonogramów masz przegląd wszystkich harmonogramów w tym obszarze roboczym, jak pokazano na poniższym zrzucie ekranu:

Sprawdzanie szczegółów harmonogramu

Interfejs wiersza polecenia platformy Azure

DOTYCZY: Rozszerzenie interfejsu wiersza polecenia platformy Azure ml w wersji 2 (bieżąca)

az ml schedule show -n simple_cron_data_import_schedule

Zestaw SDK dla języka Python

DOTYCZY: Zestaw PYTHON SDK azure-ai-ml w wersji 2 (bieżąca)

created_schedule = ml_client.schedules.get(name=schedule_name)
[created_schedule.name]

Studio

Możesz wybrać nazwę harmonogramu, aby wyświetlić stronę szczegółów harmonogramu. Strona szczegółów harmonogramu zawiera następujące karty, jak pokazano na tym zrzucie ekranu:

• Omówienie: podstawowe informacje dotyczące określonego harmonogramu.

  

• Definicja zadania: definiuje zadanie wyzwalacze określonego harmonogramu, jak pokazano na poniższym zrzucie ekranu:

  

Aktualizowanie harmonogramu

Interfejs wiersza polecenia platformy Azure

DOTYCZY: Rozszerzenie interfejsu wiersza polecenia platformy Azure ml w wersji 2 (bieżąca)

az ml schedule update -n simple_cron_data_import_schedule  --set description="new description" --no-wait

Uwaga

Aby zaktualizować więcej niż tylko tagi/opis, zalecamy użycie polecenia az ml schedule create --file update_schedule.yml

Zestaw SDK dla języka Python

DOTYCZY: Zestaw PYTHON SDK azure-ai-ml w wersji 2 (bieżąca)

job_schedule = ml_client.schedules.begin_create_or_update(
    schedule=job_schedule
).result()
print(job_schedule)

Studio

Aktualizowanie definicji importu danych do istniejącego harmonogramu

Aby zmienić częstotliwość importowania lub utworzyć nowe skojarzenie dla zadania importu danych, możesz zaktualizować definicję importu istniejącego harmonogramu.

Uwaga

Aby zaktualizować istniejący harmonogram, skojarzenie harmonogramu ze starą definicją importu zostanie usunięte. Harmonogram może mieć tylko jedną definicję zadania importu. Jednak wiele harmonogramów może wywoływać jedną definicję importu danych.

1. Przejdź do usługi Azure Machine Learning Studio

2. W obszarze Zasoby w obszarze nawigacji po lewej stronie wybierz pozycję Dane. Na karcie Importowanie danych wybierz zaimportowany zasób danych, do którego chcesz dołączyć harmonogram. Powinna zostać wyświetlona strona Historia zadań importu, jak pokazano na poniższym zrzucie ekranu:

   

3. Na stronie Importowanie historii zadań wybierz link Import job name (Importuj nazwę zadania), aby otworzyć stronę szczegółów zadania potoków, jak pokazano na poniższym zrzucie ekranu:

   

4. Na stronie szczegółów zadania potoku dowolnego importu danych wybierz pozycję Harmonogram —> zaktualizowano do istniejącego harmonogramu, aby otworzyć kreatora Wybierz harmonogram, jak pokazano na poniższym zrzucie ekranu:

   

5. Wybierz istniejący harmonogram z listy, jak pokazano na poniższym zrzucie ekranu:

   

   Ważne

   Upewnij się, że wybrano prawidłowy harmonogram aktualizacji. Po zakończeniu aktualizacji harmonogram wyzwoli różne importy danych.

6. Możesz również zmodyfikować źródło, zapytanie i zmienić ścieżkę docelową, aby w przyszłości importować dane wyzwalane przez harmonogram.

7. Wybierz pozycję Przejrzyj i aktualizuj , aby zakończyć proces aktualizacji. Ukończona aktualizacja spowoduje wysłanie powiadomienia.

8. Nową definicję importu danych można wyświetlić na stronie szczegółów harmonogramu po zakończeniu aktualizacji.

Aktualizowanie na stronie szczegółów harmonogramu

Na stronie szczegółów harmonogramu możesz wybrać pozycję Aktualizuj ustawienia , aby zaktualizować ustawienia podstawowe i zaawansowane, w tym ustawienia wejściowe/wyjściowe zadania i ustawienia środowiska uruchomieniowego harmonogramu, jak pokazano na poniższym zrzucie ekranu:

Wyłączanie harmonogramu

Interfejs wiersza polecenia platformy Azure

DOTYCZY: Rozszerzenie interfejsu wiersza polecenia platformy Azure ml w wersji 2 (bieżąca)

az ml schedule disable -n simple_cron_data_import_schedule --no-wait

Zestaw SDK dla języka Python

job_schedule = ml_client.schedules.begin_disable(name=schedule_name).result()
job_schedule.is_enabled

Studio

Bieżący harmonogram można wyłączyć na stronie szczegółów harmonogramu. Harmonogramy można również wyłączyć na karcie Wszystkie harmonogramy .

Włączanie harmonogramu

Interfejs wiersza polecenia platformy Azure

DOTYCZY: Rozszerzenie interfejsu wiersza polecenia platformy Azure ml w wersji 2 (bieżąca)

az ml schedule enable -n simple_cron_data_import_schedule --no-wait

Zestaw SDK dla języka Python

DOTYCZY: Zestaw PYTHON SDK azure-ai-ml w wersji 2 (bieżąca)

# Update trigger expression
job_schedule.trigger.expression = "10 10 * * 1"
job_schedule = ml_client.schedules.begin_create_or_update(
    schedule=job_schedule
).result()
print(job_schedule)

Studio

Na stronie szczegółów harmonogramu możesz włączyć bieżący harmonogram. Harmonogramy można również włączyć na karcie Wszystkie harmonogramy .

Usuwanie harmonogramu

Ważne

Przed usunięciem należy wyłączyć harmonogram. Usunięcie jest trwałą, nieodwracalną akcją. Po usunięciu harmonogramu nigdy nie można uzyskać dostępu do niego ani go odzyskać.

Interfejs wiersza polecenia platformy Azure

DOTYCZY: Rozszerzenie interfejsu wiersza polecenia platformy Azure ml w wersji 2 (bieżąca)

az ml schedule delete -n simple_cron_data_import_schedule

Zestaw SDK dla języka Python

DOTYCZY: Zestaw PYTHON SDK azure-ai-ml w wersji 2 (bieżąca)

# Only disabled schedules can be deleted
ml_client.schedules.begin_disable(name=schedule_name).result()
ml_client.schedules.begin_delete(name=schedule_name).result()

Studio

Harmonogram można usunąć ze strony szczegółów harmonogramu lub na karcie Wszystkie harmonogramy.

Obsługa kontroli dostępu opartej na rolach (kontrola dostępu oparta na rolach)

Harmonogramy są zwykle używane w środowisku produkcyjnym. Aby zapobiec problemom, administratorzy obszaru roboczego mogą chcieć ograniczyć uprawnienia do tworzenia harmonogramu i zarządzania w obszarze roboczym.

Obecnie istnieją trzy reguły akcji związane z harmonogramami i można je skonfigurować w witrynie Azure Portal. Aby uzyskać więcej informacji, odwiedź stronę zarządzania dostępem do obszaru roboczego usługi Azure Machine Learning.

Akcja	opis	Reguła
Przeczytaj	Pobieranie i wyświetlanie listy harmonogramów w obszarze roboczym usługi Machine Learning	Microsoft.MachineLearningServices/workspaces/schedules/read
Write	Tworzenie, aktualizowanie, wyłączanie i włączanie harmonogramów w obszarze roboczym usługi Machine Learning	Microsoft.MachineLearningServices/workspaces/schedules/write
Delete	Usuwanie harmonogramu w obszarze roboczym usługi Machine Learning	Microsoft.MachineLearningServices/workspaces/schedules/delete

Następne kroki

• Dowiedz się więcej na temat schematu importowania danych interfejsu wiersza polecenia (wersja 2).
• Dowiedz się, jak zarządzać zaimportowanymi zasobami danych.