Como usar o diagnóstico do workspace
APLICA-SE A: SDK do Python azure-ai-ml v2 (atual)
APLICA-SE A: SDK do Python azureml v1
O Azure Machine Learning fornece uma API de diagnóstico que pode ser usada para identificar problemas com seu workspace. Os erros retornados no relatório de diagnóstico incluem informações sobre como resolver o problema.
Você pode usar o diagnóstico do Workspace Estúdio do Azure Machine Learning ou o SDK do Python.
Pré-requisitos
Antes de seguir as etapas neste artigo, verifique se você tem os seguintes pré-requisitos:
Um Workspace do Azure Machine Learning. Se você não tiver um, use as etapas do artigo Início Rápido: criar recursos de workspace para criar.
Para instalar o SDK do Python v2, use o seguinte comando:
pip install azure-ai-ml azure-identity
Para atualizar uma instalação do SDK existente para a versão mais recente, use o seguinte comando:
pip install --upgrade azure-ai-ml azure-identity
Para saber mais, confira Instalar o SDK do Python v2 para Azure Machine Learning.
- Um Workspace do Azure Machine Learning. Se você não tiver um, confira criar um workspace.
- O SDK para Python v1 do Azure Machine Learning.
Diagnóstico com o Estúdio
No Estúdio do Azure Machine Learning, você pode executar o diagnóstico em seu workspace para verificar a configuração. Para executar o diagnóstico, selecione o ícone '?' no canto superior direito da página. Em seguida, selecione Executar diagnóstico do workspace.
Depois que o diagnóstico for executado, uma lista dos problemas detectados será retornada. Essa lista inclui links para as possíveis soluções.
Diagnóstico com o Python
O snippet a seguir demonstra como usar o diagnóstico de workspace com o Python.
APLICA-SE A: SDK do Python azure-ai-ml v2 (atual)
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}")
A resposta é um objeto DiagnosResponseResultValue que contém informações sobre quaisquer problemas detectados com o workspace.
APLICA-SE A: SDK do Python azureml v1
from azureml.core import Workspace
ws = Workspace.from_config()
diag_param = {
"value": {
}
}
resp = ws.diagnose_workspace(diag_param)
print(resp)
A resposta é um documento JSON que contém informações sobre os problemas detectados no workspace. O seguinte JSON é uma resposta de exemplo:
{
"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": []
}
}
Se nenhum problema for detectado, um documento JSON vazio será retornado.
Para saber mais, confira a Referência do workspace.
Para obter mais informações, confira a referência de Workspace.diagnose_workspace().