Udostępnij za pośrednictwem

Jak używać diagnostyki obszaru roboczego

  • Artykuł

Usługa Azure Machine Learning udostępnia interfejs API diagnostyki, który pozwala identyfikować problemy z obszarem roboczym. Błędy zwracane w raporcie diagnostyki zawierają informacje o sposobie rozwiązania problemu.

Możesz używać diagnostyki obszaru roboczego z poziomu programu Azure Machine Learning studio lub zestawu Python SDK.

Wymagania wstępne

Przed wykonaniem kroków opisanych w tym artykule upewnij się, że masz następujące wymagania wstępne:

Diagnostyka z programu Studio

W usłudze Azure Machine Learning Studio możesz uruchomić diagnostykę obszaru roboczego, aby sprawdzić konfigurację. Aby uruchomić diagnostykę, wybierz ikonę "?", w prawym górnym rogu strony. Następnie wybierz pozycję Uruchom diagnostykę obszaru roboczego.

Zrzut ekranu przedstawiający przycisk diagnostyki obszaru roboczego.

Po uruchomieniu diagnostyki zostanie zwrócona lista wykrytych problemów. Ta lista zawiera linki do możliwych rozwiązań.

Diagnostyka z języka Python

Poniższy fragment kodu przedstawia sposób korzystania z diagnostyki obszaru roboczego w języku Python.

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

from azure.ai.ml import MLClient
from azure.ai.ml.entities import Workspace
from azure.identity import DefaultAzureCredential

subscription_id = '<your-subscription-id>'
resource_group = '<your-resource-group-name>'
workspace = '<your-workspace-name>'

ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group)
resp = ml_client.workspaces.begin_diagnose(workspace).result()
# Inspect the attributes of the response you are interested in
for result in resp.application_insights_results:
    print(f"Diagnostic result: {result.code}, {result.level}, {result.message}")

Odpowiedź to obiekt DiagnoseResponseResultValue zawierający informacje o wszelkich problemach wykrytych w obszarze roboczym.

DOTYCZY: Zestaw SDK języka Python w wersji 1 

from azureml.core import Workspace

ws = Workspace.from_config()

diag_param = {
      "value": {
      }
    }

resp = ws.diagnose_workspace(diag_param)
print(resp)

Odpowiedź to dokument JSON zawierający informacje o wszelkich problemach wykrytych w obszarze roboczym. Poniższy kod JSON to przykładowa odpowiedź:

{
    "value": {
        "user_defined_route_results": [],
        "network_security_rule_results": [],
        "resource_lock_results": [],
        "dns_resolution_results": [{
            "code": "CustomDnsInUse",
            "level": "Warning",
            "message": "It is detected VNet '/subscriptions/<subscription-id>/resourceGroups/<resource-group-name>/providers/Microsoft.Network/virtualNetworks/<virtual-network-name>' of private endpoint '/subscriptions/<subscription-id>/resourceGroups/<myresourcegroup>/providers/Microsoft.Network/privateEndpoints/<workspace-private-endpoint>' is not using Azure default DNS. You need to configure your DNS server and check https://learn.microsoft.com/azure/machine-learning/how-to-custom-dns to make sure the custom DNS is set up correctly."
        }],
        "storage_account_results": [],
        "key_vault_results": [],
        "container_registry_results": [],
        "application_insights_results": [],
        "other_results": []
    }
}

Jeśli nie zostaną wykryte żadne problemy, zwracany jest pusty dokument JSON.

Aby uzyskać więcej informacji, zobacz dokumentację obszaru roboczego.

Aby uzyskać więcej informacji, zobacz dokumentację Workspace.diagnose_workspace().

Następny krok

Zarządzanie obszarami roboczymi usługi Azure Machine Learning w portalu lub przy użyciu zestawu SDK języka Python (wersja 2)