Share via

az ml datastore

  • Referência

Nota

Essa referência faz parte da extensão ml para a CLI do Azure (versão 2.15.0 ou superior). A extensão será instalada automaticamente na primeira vez que você executar um comando az ml datastore . Saiba mais sobre extensões.

Gerencie armazenamentos de dados do Azure ML.

Os armazenamentos de dados do Azure ML vinculam com segurança seus serviços de armazenamento do Azure ao seu espaço de trabalho para que você possa acessar seu armazenamento sem precisar codificar as informações de conexão em seus scripts. Os segredos de conexão, como as credenciais de autenticação do serviço de armazenamento, são armazenados no Cofre da Chave do seu espaço de trabalho.

Quando você cria um espaço de trabalho, uma conta de Armazenamento do Azure é criada automaticamente como um recurso associado. Um contêiner de blob é criado nessa conta e suas informações de conexão são armazenadas como um armazenamento de dados chamado 'workspaceblobstore'. Isso serve como armazenamento de dados padrão do espaço de trabalho, e o contêiner de blob é usado para armazenar artefatos do espaço de trabalho e logs e saídas de trabalho de aprendizado de máquina.

Comandos

Name Description Tipo Estado
az ml datastore create

Crie um armazenamento de dados.

 Extensão GA
az ml datastore delete

Exclua um armazenamento de dados.

 Extensão GA
az ml datastore list

Listar armazenamentos de dados em um espaço de trabalho.

 Extensão GA
az ml datastore mount

Monte um armazenamento de dados específico em um caminho local. Por enquanto, apenas Linux é suportado.

 Extensão Pré-visualizar
az ml datastore show

Mostrar detalhes de um armazenamento de dados.

 Extensão GA
az ml datastore update

Atualizar um armazenamento de dados.

 Extensão GA

az ml datastore create

Crie um armazenamento de dados.

Isso conecta o serviço de armazenamento do Azure subjacente ao espaço de trabalho. Os tipos de serviço de armazenamento aos quais atualmente podem ser conectados criando um armazenamento de dados incluem o armazenamento de Blob do Azure, o Compartilhamento de Arquivos do Azure, o Azure Data Lake Storage Gen1 e o Azure Data Lake Storage Gen2.

az ml datastore create --file
                       --resource-group
                       --workspace-name
                       [--name]
                       [--set]

Exemplos

Criar um armazenamento de dados a partir de um arquivo de especificação YAML

az ml datastore create --file blobstore.yml --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Obrigatórios

--file -f

Caminho local para o arquivo YAML que contém a especificação do armazenamento de dados do Azure ML. Os documentos de referência do YAML para armazenamento de dados podem ser encontrados em: https://aka.ms/ml-cli-v2-datastore-blob-yaml-reference, https://aka.ms/ml-cli-v2-datastore-file-yaml-reference, https://aka.ms/ml-cli-v2-datastore-data-lake-gen1-yaml-reference, https://aka.ms/ml-cli-v2-datastore-data-lake-gen2-yaml-reference.

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Opcionais

--name -n

Nome do armazenamento de dados. Isso substitui o campo 'nome' no arquivo YAML fornecido para --file/-f.

--set

Atualize um objeto especificando um caminho de propriedade e um valor a ser definido. Exemplo: --set property1.property2=.

Parâmetros de Globais
--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc
valor predefinido: json
--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml datastore delete

Exclua um armazenamento de dados.

Isso exclui as informações de conexão com o serviço de armazenamento do espaço de trabalho, mas não exclui os dados subjacentes no armazenamento.

az ml datastore delete --name
                       --resource-group
                       --workspace-name

Parâmetros Obrigatórios

--name -n

Nome do armazenamento de dados.

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros de Globais
--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc
valor predefinido: json
--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml datastore list

Listar armazenamentos de dados em um espaço de trabalho.

az ml datastore list --resource-group
                     --workspace-name
                     [--max-results]

Exemplos

Liste todos os armazenamentos de dados em um espaço de trabalho usando o argumento --query para executar uma consulta JMESPath nos resultados dos comandos.

az ml datastore list --query "[].{Name:name}"  --output table --resource-group my-resource-group --workspace-name my-workspace

Parâmetros Obrigatórios

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Opcionais

--max-results -r

Número máximo de resultados a retornar.

Parâmetros de Globais
--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc
valor predefinido: json
--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml datastore mount

Pré-visualizar

Este comando está em pré-visualização e em desenvolvimento. Níveis de referência e de apoio: https://aka.ms/CLI_refstatus

Monte um armazenamento de dados específico em um caminho local. Por enquanto, apenas Linux é suportado.

az ml datastore mount --path
                      [--mode]
                      [--mount-point]
                      [--persistent]
                      [--resource-group]
                      [--workspace-name]

Exemplos

Montar um armazenamento de dados por nome

az ml datastore mount --mount-point /mnt/my-datastore --mode ro_mount --path my-datastore

Montar um armazenamento de dados por URL de formulário curto do armazenamento de dados

az ml datastore mount --mount-point /mnt/my-datastore --mode ro_mount --path azureml://datastores/my-datastore

Montar um armazenamento de dados por URL de formulário longo do armazenamento de dados

az ml datastore mount --mount-point /mnt/my-datastore --mode ro_mount --path azureml://subscriptions/my-sub-id/resourcegroups/my-rg/providers/Microsoft.MachineLearningServices/workspaces/myworkspace/datastores/my-datastore

Parâmetros Obrigatórios

--path

O caminho do armazenamento de dados a ser montado, na forma de <datastore_name> ou azureml://datastores/<datastore_name>.

Parâmetros Opcionais

--mode

Modo de montagem, ( ro_mount somente leitura) ou rw_mount (leitura-gravação).

valor predefinido: ro_mount
--mount-point

Um caminho local usado como ponto de montagem.

valor predefinido: /home/azureuser/mount/data
--persistent

Faça com que a montagem persista nas reinicializações. Suportado apenas em instância de computação.

valor predefinido: False
--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros de Globais
--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc
valor predefinido: json
--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml datastore show

Mostrar detalhes de um armazenamento de dados.

az ml datastore show --name
                     --resource-group
                     --workspace-name

Parâmetros Obrigatórios

--name -n

Nome do armazenamento de dados.

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros de Globais
--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc
valor predefinido: json
--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.

az ml datastore update

Atualizar um armazenamento de dados.

As propriedades 'description', 'tags' e 'credential' podem ser atualizadas.

az ml datastore update --resource-group
                       --workspace-name
                       [--add]
                       [--file]
                       [--force-string]
                       [--name]
                       [--remove]
                       [--set]

Parâmetros Obrigatórios

--resource-group -g

o nome do grupo de recursos. Você pode configurar o grupo padrão usando az configure --defaults group=<name>.

--workspace-name -w

Nome do espaço de trabalho do Azure ML. Você pode configurar o espaço de trabalho padrão usando az configure --defaults workspace=<name>o .

Parâmetros Opcionais

--add

Adicione um objeto a uma lista de objetos especificando um caminho e pares de valor de chave. Exemplo: --add property.listProperty <key=value, string or JSON string>.

valor predefinido: []
--file -f

Caminho local para o arquivo YAML que contém a especificação do armazenamento de dados do Azure ML. Os documentos de referência do YAML para armazenamento de dados podem ser encontrados em: https://aka.ms/ml-cli-v2-datastore-blob-yaml-reference, https://aka.ms/ml-cli-v2-datastore-file-yaml-reference, https://aka.ms/ml-cli-v2-datastore-data-lake-gen1-yaml-reference, https://aka.ms/ml-cli-v2-datastore-data-lake-gen2-yaml-reference.

--force-string

Ao usar 'set' ou 'add', preserve literais de string em vez de tentar converter para JSON.

valor predefinido: False
--name -n

Nome do armazenamento de dados. Isso substitui o campo 'nome' no arquivo YAML fornecido para --file/-f.

--remove

Remova uma propriedade ou um elemento de uma lista. Exemplo: --remove property.list <indexToRemove> OR --remove propertyToRemove.

valor predefinido: []
--set

Atualize um objeto especificando um caminho de propriedade e um valor a ser definido. Exemplo: --set property1.property2=<value>.

valor predefinido: []
Parâmetros de Globais
--debug

Aumente a verbosidade do log para mostrar todos os logs de depuração.

--help -h

Mostrar esta mensagem de ajuda e sair.

--only-show-errors

Mostrar apenas erros, suprimindo avisos.

--output -o

Formato de saída.

valores aceites: json, jsonc, none, table, tsv, yaml, yamlc
valor predefinido: json
--query

Cadeia de caracteres de consulta JMESPath. Consulte http://jmespath.org/ para obter mais informações e exemplos.

--subscription

o nome ou o ID da subscrição. Você pode configurar a assinatura padrão usando az account set -s NAME_OR_IDo .

--verbose

Aumente a verbosidade do registro. Use --debug para logs de depuração completos.