Nota
O acesso a esta página requer autorização. Podes tentar iniciar sessão ou mudar de diretório.
O acesso a esta página requer autorização. Podes tentar mudar de diretório.
Aplica-se a: SQL Server 2019 (15.x) no Linux
Este artigo explica como instalar dos Serviços de Aprendizado de Máquina do SQL Server no Docker. Você pode usar os Serviços de Aprendizado de Máquina para executar scripts Python e R no banco de dados. Não fornecemos contêineres pré-construídos com Serviços de Machine Learning. Você pode criar um a partir dos contêineres do SQL Server usando um modelo de exemplo disponível no GitHub.
Pré-requisitos
Interface de linha de comando Git.
Docker Engine 1.8+ em qualquer distribuição Linux suportada. Para obter mais informações, consulte Obtenha Docker. O SQL Server em contêineres não é suportado no Windows ou macOS para uso em produção.
Consulte também os requisitos de sistema para o SQL Server no Linux.
Clone o repositório mssql-docker
O comando a seguir clona o repositório git mssql-docker para um diretório local.
Abra um terminal Bash no Linux ou Mac.
Crie um diretório para armazenar uma cópia local do repositório mssql-docker.
Execute o comando git clone para clonar o repositório mssql-docker:
git clone https://github.com/microsoft/mssql-docker mssql-docker
Criar uma imagem de contêiner do SQL Server Linux
Conclua as seguintes etapas para criar a imagem do docker:
Altere o diretório para o diretório mssql-mlservices:
/mssql-docker/linux/preview/examples/mssql-mlservicesNo mesmo diretório, execute o seguinte comando:
docker build -t mssql-server-mlservices .Execute o comando:
Importante
A variável de ambiente
SA_PASSWORDfoi preterida. UseMSSQL_SA_PASSWORDem vez disso.docker run -d -e MSSQL_PID=Developer -e ACCEPT_EULA=Y -e ACCEPT_EULA_ML=Y -e MSSQL_SA_PASSWORD=<password> -v <directory on the host OS>:/var/opt/mssql -p 1433:1433 mssql-server-mlservicesQuando implementar um contentor para SQL Server 2025 (17.x) ou uma versão posterior, utilize
MSSQL_PID=DeveloperStandarda edição Standard Developer eMSSQL_PID=Developera edição Enterprise Developer.Observação
Qualquer um dos valores suportados pode ser usado para
MSSQL_PID. Se utilizar uma edição paga, certifique-se de que adquiriu uma licença. Substitua<password>pela sua senha real. A montagem de volume usando-vé opcional. Substitua<directory on the host OS>por um diretório real onde você deseja montar os dados do banco de dados e os arquivos de log.Confirme executando o seguinte comando:
docker ps -aObservação
Para criar a imagem do Docker, você deve instalar pacotes com vários GB de tamanho. O script pode levar algum tempo para concluir a execução, dependendo da largura de banda da rede.
Executar a imagem de contêiner do SQL Server Linux
Defina as variáveis de ambiente antes de executar o contêiner. Defina a variável de ambiente PATH_TO_MSSQL para um diretório host:
export MSSQL_PID='Developer' export ACCEPT_EULA='Y' export ACCEPT_EULA_ML='Y' export PATH_TO_MSSQL='/home/mssql/'Observação
O processo para executar edições de produção do SQL Server em contêineres é ligeiramente diferente. Para obter mais informações, consulte Implantar e conectar-se a contêineres Linux do SQL Server. Se você usar os mesmos nomes de contêiner e portas, o restante deste passo a passo ainda funcionará com contêineres de produção.
Para exibir seus contêineres, execute o comando
docker ps:sudo docker ps -aSe a coluna STATUS mostrar um status de Up, o SQL Server está sendo executado no contêiner e escutando na porta especificada na coluna PORTS. Se a coluna STATUS do contentor do SQL Server mostrar Encerrado, consulte a secção Resolução de Problemas dos Contentores do SQL Server no Docker.
Saída:
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES 941e1bdf8e1d mcr.microsoft.com/mssql/server/mssql-server-linux "/bin/sh -c /opt/m..." About an hour ago Up About an hour 0.0.0.0:1401->1433/tcp sql1
Habilitar Serviços de Aprendizado de Máquina
Para habilitar os Serviços de Aprendizado de Máquina, conecte-se à sua instância do SQL Server e execute a seguinte instrução T-SQL:
EXECUTE sp_configure 'external scripts enabled', 1;
RECONFIGURE WITH OVERRIDE;
Conteúdo relacionado
- Python Tutorial: Implantar um modelo de regressão linear com de aprendizado de máquina SQL
- Tutorial em Python: Categorizar clientes usando clusterização k-means com aprendizagem automática SQL
- Guia de início rápido: execute scripts R simples com o aprendizado de máquina SQL
- Tutorial de R: Prever tarifas de táxi de Nova York através de classificação binária