Arbetsytans hanterade virtuella nätverksisolering

GÄLLER FÖR:Azure CLI ml extension v2 (current)Python SDK azure-ai-ml v2 (aktuell)

Azure Machine Learning ger stöd för isolering av hanterat virtuellt nätverk (hanterat VNet). Hanterad VNet-isolering effektiviserar och automatiserar konfigurationen av nätverksisolering med ett inbyggt Azure Machine Learning-hanterat virtuellt nätverk på arbetsytenivå. Det hanterade virtuella nätverket skyddar dina hanterade Azure Machine Learning-resurser, till exempel beräkningsinstanser, beräkningskluster, serverlös beräkning och hanterade onlineslutpunkter.

Att skydda din arbetsyta med ett hanterat nätverk ger nätverksisolering för utgående åtkomst från arbetsytan och hanterade beräkningar. Ett virtuellt Azure-nätverk som du skapar och hanterar används för att ge nätverksisolering inkommande åtkomst till arbetsytan. Till exempel skapas en privat slutpunkt för arbetsytan i ditt virtuella Azure-nätverk. Klienter som ansluter till det virtuella nätverket kan komma åt arbetsytan via den privata slutpunkten. När jobb körs på hanterade beräkningar begränsar det hanterade nätverket vad beräkningen kan komma åt.

Arkitektur för hanterat virtuellt nätverk

När du aktiverar isolering av hanterat virtuellt nätverk skapas ett hanterat virtuellt nätverk för arbetsytan. Hanterade beräkningsresurser som du skapar för arbetsytan använder automatiskt det här hanterade virtuella nätverket. Det hanterade virtuella nätverket kan använda privata slutpunkter för Azure-resurser som används av din arbetsyta, till exempel Azure Storage, Azure Key Vault och Azure Container Registry.

Det finns två olika konfigurationslägen för utgående trafik från det hanterade virtuella nätverket:

Dricks

Oavsett vilket utgående läge du använder kan trafik till Azure-resurser konfigureras för att använda en privat slutpunkt. Du kan till exempel tillåta all utgående trafik till Internet, men begränsa kommunikationen med Azure-resurser genom att lägga till regler för utgående trafik för resurserna.

Utgående läge	beskrivning	Scenarier
Tillåt utgående internet	Tillåt all utgående internettrafik från det hanterade virtuella nätverket.	Du vill ha obegränsad åtkomst till maskininlärningsresurser på Internet, till exempel Python-paket eller förtränad modeller.1
Tillåt endast godkänd utgående trafik	Utgående trafik tillåts genom att ange tjänsttaggar.	* Du vill minimera risken för dataexfiltrering, men du måste förbereda alla nödvändiga maskininlärningsartefakter i din privata miljö. * Du vill konfigurera utgående åtkomst till en godkänd lista över tjänster, tjänsttaggar eller FQDN.
Inaktiverad	Inkommande och utgående trafik är inte begränsad eller så använder du ditt eget virtuella Azure-nätverk för att skydda resurser.	Du vill ha offentlig inkommande och utgående trafik från arbetsytan, eller så hanterar du nätverksisolering med ditt eget virtuella Azure-nätverk.

1: Du kan använda utgående regler med tillåt endast godkänt utgående läge för att uppnå samma resultat som med hjälp av Tillåt utgående internet. Skillnaderna är:

• Du måste lägga till regler för varje utgående anslutning som du måste tillåta.
• Om du lägger till FQDN-regler för utgående trafik ökar kostnaderna eftersom den här regeltypen använder Azure Firewall. Mer information finns i Prissättning
• Standardreglerna för tillåt endast godkänd utgående trafik är utformade för att minimera risken för dataexfiltrering. Eventuella regler för utgående trafik som du lägger till kan öka risken.

Det hanterade virtuella nätverket är förkonfigurerat med nödvändiga standardregler. Den är också konfigurerad för privata slutpunktsanslutningar till din arbetsyta, arbetsytans standardlagring, containerregister och nyckelvalv om de är konfigurerade som privata eller om arbetsytans isoleringsläge är inställt på att endast tillåta godkänd utgående trafik. När du har valt isoleringsläge behöver du bara överväga andra utgående krav som du kan behöva lägga till.

Följande diagram visar ett hanterat virtuellt nätverk som har konfigurerats för att tillåta utgående Internet:

Följande diagram visar ett hanterat virtuellt nätverk som har konfigurerats för att endast tillåta godkänd utgående trafik:

Kommentar

I den här konfigurationen flaggas lagrings-, nyckelvalvet och containerregistret som används av arbetsytan som privata. Eftersom de flaggas som privata används en privat slutpunkt för att kommunicera med dem.

Kommentar

När en hanterad VNet-arbetsyta har konfigurerats för att tillåta utgående Internet kan arbetsytan inte konfigureras om till inaktiverad. När en hanterad VNet-arbetsyta har konfigurerats för att endast tillåta godkänd utgående trafik kan arbetsytan på samma sätt inte konfigureras om för att tillåta utgående Internet. Tänk på detta när du väljer isoleringsläge för hanterade virtuella nätverk på din arbetsyta.

Azure Machine Learning Studio

Om du vill använda den integrerade notebook-filen eller skapa datauppsättningar i standardlagringskontot från studio behöver klienten åtkomst till standardlagringskontot. Skapa en privat slutpunkt eller tjänstslutpunkt för standardlagringskontot i det virtuella Azure-nätverk som klienterna använder.

En del av Azure Machine Learning-studio körs lokalt i klientens webbläsare och kommunicerar direkt med standardlagringen för arbetsytan. Att skapa en privat slutpunkt eller tjänstslutpunkt (för standardlagringskontot) i klientens virtuella nätverk säkerställer att klienten kan kommunicera med lagringskontot.

Mer information om hur du skapar en privat slutpunkt eller tjänstslutpunkt finns i artiklarna Anslut privat till ett lagringskonto och tjänstslutpunkter.

Förutsättningar

Innan du följer stegen i den här artikeln kontrollerar du att du har följande förutsättningar:

Azure CLI

• En Azure-prenumeration. Om du inte har någon Azure-prenumeration kan du skapa ett kostnadsfritt konto innan du börjar. Prova den kostnadsfria eller betalda versionen av Azure Machine Learning.

• Resursprovidern Microsoft.Network måste vara registrerad för din Azure-prenumeration. Den här resursprovidern används av arbetsytan när du skapar privata slutpunkter för det hanterade virtuella nätverket.

  Information om hur du registrerar resursprovidrar finns i Lösa fel för registrering av resursprovider.

• Den Azure-identitet som du använder när du distribuerar ett hanterat nätverk kräver följande Azure-åtgärder för rollbaserad åtkomstkontroll (Azure RBAC) för att skapa privata slutpunkter:

  • Microsoft.MachineLearningServices/workspaces/privateEndpointConnections/read
  • Microsoft.MachineLearningServices/workspaces/privateEndpointConnections/write

• Azure CLI och ml tillägget till Azure CLI. Mer information finns i Installera, konfigurera och använda CLI (v2).

  Dricks

  Azure Machine Learning managed VNet introducerades den 23 maj 2023. Om du har en äldre version av ml-tillägget kan du behöva uppdatera den för exemplen i den här artikeln. Om du vill uppdatera tillägget använder du följande Azure CLI-kommando:

  az extension update -n ml
  

• CLI-exemplen i den här artikeln förutsätter att du använder Bash-gränssnittet (eller det kompatibla). Till exempel från ett Linux-system eller Windows-undersystem för Linux.

• Azure CLI-exemplen i den här artikeln används ws för att representera namnet på arbetsytan och rg för att representera namnet på resursgruppen. Ändra dessa värden efter behov när du använder kommandona med din Azure-prenumeration.

• Med Azure CLI och hanterat VNet fungerar SSH med offentliga IP-adresser, men SSH med privat IP fungerar inte.

Python SDK

• En Azure-prenumeration. Om du inte har någon Azure-prenumeration kan du skapa ett kostnadsfritt konto innan du börjar. Prova den kostnadsfria eller betalda versionen av Azure Machine Learning.

• Resursprovidern Microsoft.Network måste vara registrerad för din Azure-prenumeration. Den här resursprovidern används av arbetsytan när du skapar privata slutpunkter för det hanterade virtuella nätverket.

  Information om hur du registrerar resursprovidrar finns i Lösa fel för registrering av resursprovider.

• Den Azure-identitet som du använder när du distribuerar ett hanterat nätverk kräver följande Azure-åtgärder för rollbaserad åtkomstkontroll (Azure RBAC) för att skapa privata slutpunkter:

  • Microsoft.MachineLearningServices/workspaces/privateEndpointConnections/read
  • Microsoft.MachineLearningServices/workspaces/privateEndpointConnections/write

• Azure Machine Learning Python SDK v2. Mer information om SDK finns i Installera Python SDK v2 för Azure Machine Learning.

  Dricks

  Azure Machine Learning Managed VNet introducerades den 23 maj 2023. Om du har en äldre version av SDK:t installerad kan du behöva uppdatera den för att exemplen i den här artikeln ska fungera. Om du vill uppdatera SDK:et använder du följande kommando:

  pip install --upgrade azure-ai-ml azure-identity
  

• Exemplen i den här artikeln förutsätter att koden börjar med följande Python. Den här koden importerar de klasser som krävs när du skapar en arbetsyta med ett hanterat virtuellt nätverk, anger variabler för din Azure-prenumeration och resursgrupp och skapar :ml_client

  from azure.ai.ml import MLClient
  from azure.ai.ml.entities import (
      Workspace,
      ManagedNetwork,
      IsolationMode,
      ServiceTagDestination,
      PrivateEndpointDestination,
      FqdnDestination
  )
  from azure.identity import DefaultAzureCredential
  
  # Replace with the values for your Azure subscription and resource group.
  subscription_id = "<SUBSCRIPTION_ID>"
  resource_group = "<RESOURCE_GROUP>"
  
  # get a handle to the subscription
  ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group)
  

Azure-portalen

• En Azure-prenumeration. Om du inte har någon Azure-prenumeration kan du skapa ett kostnadsfritt konto innan du börjar. Prova den kostnadsfria eller betalda versionen av Azure Machine Learning.

• Resursprovidern Microsoft.Network måste vara registrerad för din Azure-prenumeration. Den här resursprovidern används av arbetsytan när du skapar privata slutpunkter för det hanterade virtuella nätverket.

  Information om hur du registrerar resursprovidrar finns i Lösa fel för registrering av resursprovider.

• Den Azure-identitet som du använder när du distribuerar ett hanterat nätverk kräver följande Azure-åtgärder för rollbaserad åtkomstkontroll (Azure RBAC) för att skapa privata slutpunkter:

  • Microsoft.MachineLearningServices/workspaces/privateEndpointConnections/read
  • Microsoft.MachineLearningServices/workspaces/privateEndpointConnections/write

Kommentar

Om du använder UAI-arbetsytan måste du lägga till rollen Nätverksdeltagare i din identitet. Mer information finns i Användartilldelad hanterad identitet.

Konfigurera ett hanterat virtuellt nätverk för att tillåta utgående internet

Dricks

Skapandet av det hanterade virtuella nätverket skjuts upp tills en beräkningsresurs skapas eller etableringen startas manuellt. När du tillåter automatisk skapande kan det ta cirka 30 minuter att skapa den första beräkningsresursen eftersom den även etablerar nätverket. Mer information finns i Etablera nätverket manuellt.

Viktigt!

Om du planerar att skicka serverlösa Spark-jobb måste du starta etableringen manuellt. Mer information finns i avsnittet konfigurera för serverlösa Spark-jobb .

Azure CLI

Om du vill konfigurera ett hanterat virtuellt nätverk som tillåter utgående internetkommunikation kan du använda antingen parametern --managed-network allow_internet_outbound eller en YAML-konfigurationsfil som innehåller följande poster:

managed_network:
  isolation_mode: allow_internet_outbound

Du kan också definiera regler för utgående trafik till andra Azure-tjänster som arbetsytan förlitar sig på. Dessa regler definierar privata slutpunkter som gör att en Azure-resurs kan kommunicera säkert med det hanterade virtuella nätverket. Följande regel visar hur du lägger till en privat slutpunkt i en Azure Blob-resurs.

managed_network:
  isolation_mode: allow_internet_outbound
  outbound_rules:
  - name: added-perule
    destination:
      service_resource_id: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>
      spark_enabled: true
      subresource_target: blob
    type: private_endpoint

Du kan konfigurera ett hanterat virtuellt nätverk med hjälp av antingen kommandona az ml workspace create eller az ml workspace update :

• Skapa en ny arbetsyta:

  I följande exempel skapas en ny arbetsyta. Parametern --managed-network allow_internet_outbound konfigurerar ett hanterat virtuellt nätverk för arbetsytan:

  az ml workspace create --name ws --resource-group rg --managed-network allow_internet_outbound
  

  Om du vill skapa en arbetsyta med hjälp av en YAML-fil i stället använder du parametern --file och anger YAML-filen som innehåller konfigurationsinställningarna:

  az ml workspace create --file workspace.yaml --resource-group rg --name ws
  

  I följande YAML-exempel definieras en arbetsyta med ett hanterat virtuellt nätverk:

  name: myworkspace
  location: EastUS
  managed_network:
    isolation_mode: allow_internet_outbound
  

• Uppdatera en befintlig arbetsyta:

  Varning

  Du måste ta bort alla databehandlingsresurser för arbetsytan innan du uppdaterar en befintlig arbetsyta för att använda ett hanterat virtuellt nätverk. Detta omfattar beräkningsinstanser, beräkningskluster och hanterade onlineslutpunkter.

  I följande exempel uppdateras en befintlig arbetsyta. Parametern --managed-network allow_internet_outbound konfigurerar ett hanterat virtuellt nätverk för arbetsytan:

  az ml workspace update --name ws --resource-group rg --managed-network allow_internet_outbound
  

  Om du vill uppdatera en befintlig arbetsyta med YAML-filen använder du parametern --file och anger YAML-filen som innehåller konfigurationsinställningarna:

  az ml workspace update --file workspace.yaml --name ws --resource-group MyGroup
  

  I följande YAML-exempel definieras ett hanterat virtuellt nätverk för arbetsytan. Den visar också hur du lägger till en privat slutpunktsanslutning till en resurs som används av arbetsytan. I det här exemplet en privat slutpunkt för ett bloblager:

  name: myworkspace
  managed_network:
    isolation_mode: allow_internet_outbound
    outbound_rules:
    - name: added-perule
      destination:
        service_resource_id: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>
        spark_enabled: true
        subresource_target: blob
      type: private_endpoint
  

Python SDK

Om du vill konfigurera ett hanterat virtuellt nätverk som tillåter utgående internetkommunikation använder du ManagedNetwork klassen för att definiera ett nätverk med IsolationMode.ALLOW_INTERNET_OUTBOUND. Du kan sedan använda ManagedNetwork objektet för att skapa en ny arbetsyta eller uppdatera en befintlig. Om du vill definiera utgående regler för Azure-tjänster som arbetsytan förlitar sig på använder du PrivateEndpointDestination klassen för att definiera en ny privat slutpunkt för tjänsten.

• Skapa en ny arbetsyta:

  I följande exempel skapas en ny arbetsyta med namnet myworkspace, med en regel för utgående trafik med namnet myrule som lägger till en privat slutpunkt för ett Azure Blob Store:

  # Basic managed VNet configuration
  network = ManagedNetwork(IsolationMode.ALLOW_INTERNET_OUTBOUND)
  
  # Workspace configuration
  ws = Workspace(
      name="myworkspace",
      location="eastus",
      managed_network=network
  )
  
  # Example private endpoint outbound to a blob
  rule_name = "myrule"
  service_resource_id = "/subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>"
  subresource_target = "blob"
  spark_enabled = True
  
  # Add the outbound 
  ws.managed_network.outbound_rules = [PrivateEndpointDestination(
      name=rule_name, 
      service_resource_id=service_resource_id, 
      subresource_target=subresource_target, 
      spark_enabled=spark_enabled)]
  
  # Create the workspace
  ws = ml_client.workspaces.begin_create(ws).result()
  

• Uppdatera en befintlig arbetsyta:

  Varning

  Du måste ta bort alla databehandlingsresurser för arbetsytan innan du uppdaterar en befintlig arbetsyta för att använda ett hanterat virtuellt nätverk. Detta omfattar beräkningsinstanser, beräkningskluster och hanterade onlineslutpunkter.

  I följande exempel visas hur du skapar ett hanterat virtuellt nätverk för en befintlig Azure Machine Learning-arbetsyta med namnet myworkspace:

  # Get the existing workspace
  ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group, "myworkspace")
  ws = ml_client.workspaces.get()
  
  # Basic managed VNet configuration
  ws.managed_network = ManagedNetwork(IsolationMode.ALLOW_INTERNET_OUTBOUND)
  
  # Example private endpoint outbound to a blob
  rule_name = "myrule"
  service_resource_id = "/subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>"
  subresource_target = "blob"
  spark_enabled = True
  
  # Add the outbound 
  ws.managed_network.outbound_rules = [PrivateEndpointDestination(
      name=rule_name, 
      service_resource_id=service_resource_id, 
      subresource_target=subresource_target, 
      spark_enabled=spark_enabled)]
  
  # Create the workspace
  ml_client.workspaces.begin_update(ws)
  

Azure-portalen

• Skapa en ny arbetsyta:

  1. Logga in på Azure-portalen och välj Azure Machine Learning från menyn Skapa en resurs.

  2. Ange nödvändig information på fliken Grundläggande .

  3. På fliken Nätverk väljer du Privat med Utgående Internet.

     

  4. Om du vill lägga till en regel för utgående trafik väljer du Lägg till användardefinierade regler för utgående trafik på fliken Nätverk . Ange följande information från sidofältet För utgående arbetsyta :

     • Regelnamn: Ett namn på regeln. Namnet måste vara unikt för den här arbetsytan.
     • Måltyp: Privat slutpunkt är det enda alternativet när nätverksisoleringen är privat med utgående Internet. Azure Machine Learning managed VNet stöder inte att skapa en privat slutpunkt för alla Azure-resurstyper. En lista över resurser som stöds finns i avsnittet Privata slutpunkter .
     • Prenumeration: Den prenumeration som innehåller den Azure-resurs som du vill lägga till en privat slutpunkt för.
     • Resursgrupp: Resursgruppen som innehåller den Azure-resurs som du vill lägga till en privat slutpunkt för.
     • Resurstyp: Typen av Azure-resurs.
     • Resursnamn: Namnet på Azure-resursen.
     • Underresurs: Underresursen för Azure-resurstypen.
     • Spark aktiverat: Välj det här alternativet om du vill aktivera serverlösa Spark-jobb för arbetsytan. Det här alternativet är bara tillgängligt om resurstypen är Azure Storage.

     

     Välj Spara för att spara regeln. Du kan fortsätta att använda Lägg till användardefinierade utgående regler för att lägga till regler.

  5. Fortsätt att skapa arbetsytan som vanligt.

• Uppdatera en befintlig arbetsyta:

  Varning

  Du måste ta bort alla databehandlingsresurser för arbetsytan innan du uppdaterar en befintlig arbetsyta för att använda ett hanterat virtuellt nätverk. Detta omfattar beräkningsinstanser, beräkningskluster och hanterade onlineslutpunkter.

  1. Logga in på Azure-portalen och välj den Azure Machine Learning-arbetsyta som du vill aktivera hanterad VNet-isolering för.

  2. Välj Nätverk och välj sedan Privat med Utgående Internet.

     

     • Om du vill lägga till en regel för utgående trafik väljer du Lägg till användardefinierade regler för utgående trafik på fliken Nätverk . I sidofältet Regler för utgående arbetsyta anger du samma information som när du skapar en arbetsyta i avsnittet Skapa en ny arbetsyta.

       

     • Om du vill ta bort en regel för utgående trafik väljer du Ta bort för regeln.

       

  3. Välj Spara överst på sidan för att spara ändringarna i det hanterade virtuella nätverket.

Konfigurera ett hanterat virtuellt nätverk för att endast tillåta godkänd utgående trafik

Dricks

Det hanterade virtuella nätverket etableras automatiskt när du skapar en beräkningsresurs. När du tillåter automatisk skapande kan det ta cirka 30 minuter att skapa den första beräkningsresursen eftersom den även etablerar nätverket. Om du har konfigurerat utgående FQDN-regler lägger den första FQDN-regeln till cirka 10 minuter till etableringstiden. Mer information finns i Etablera nätverket manuellt.

Viktigt!

Om du planerar att skicka serverlösa Spark-jobb måste du starta etableringen manuellt. Mer information finns i avsnittet konfigurera för serverlösa Spark-jobb .

Azure CLI

Om du vill konfigurera ett hanterat virtuellt nätverk som endast tillåter godkänd utgående kommunikation kan du använda antingen parametern --managed-network allow_only_approved_outbound eller en YAML-konfigurationsfil som innehåller följande poster:

managed_network:
  isolation_mode: allow_only_approved_outbound

Du kan också definiera utgående regler för att definiera godkänd utgående kommunikation. En regel för utgående trafik kan skapas för en typ av service_tag, fqdnoch private_endpoint. Följande regel visar hur du lägger till en privat slutpunkt i en Azure Blob-resurs, en tjänsttagg i Azure Data Factory och ett FQDN till pypi.org:

Viktigt!

• Att lägga till ett utgående för en tjänsttagg eller ett FQDN är endast giltigt när det hanterade virtuella nätverket har konfigurerats till allow_only_approved_outbound.
• Om du lägger till regler för utgående trafik kan Microsoft inte garantera dataexfiltrering.

Varning

FQDN-regler för utgående trafik implementeras med hjälp av Azure Firewall. Om du använder utgående FQDN-regler läggs avgifter för Azure Firewall till i din fakturering. Mer information finns i Prissättning.

managed_network:
  isolation_mode: allow_only_approved_outbound
  outbound_rules:
  - name: added-servicetagrule
    destination:
      port_ranges: 80, 8080
      protocol: TCP
      service_tag: DataFactory
    type: service_tag
  - name: add-fqdnrule
    destination: 'pypi.org'
    type: fqdn
  - name: added-perule
    destination:
      service_resource_id: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>
      spark_enabled: true
      subresource_target: blob
    type: private_endpoint

Du kan konfigurera ett hanterat virtuellt nätverk med hjälp av antingen kommandona az ml workspace create eller az ml workspace update :

• Skapa en ny arbetsyta:

  I följande exempel används parametern --managed-network allow_only_approved_outbound för att konfigurera det hanterade virtuella nätverket:

  az ml workspace create --name ws --resource-group rg --managed-network allow_only_approved_outbound
  

  Följande YAML-fil definierar en arbetsyta med ett hanterat virtuellt nätverk:

  name: myworkspace
  location: EastUS
  managed_network:
    isolation_mode: allow_only_approved_outbound
  

  Om du vill skapa en arbetsyta med YAML-filen använder du parametern --file :

  az ml workspace create --file workspace.yaml --resource-group rg --name ws
  

• Uppdatera en befintlig arbetsyta

  Varning

  Du måste ta bort alla databehandlingsresurser för arbetsytan innan du uppdaterar en befintlig arbetsyta för att använda ett hanterat virtuellt nätverk. Detta omfattar beräkningsinstanser, beräkningskluster och hanterade onlineslutpunkter.

  I följande exempel används parametern --managed-network allow_only_approved_outbound för att konfigurera det hanterade virtuella nätverket för en befintlig arbetsyta:

  az ml workspace update --name ws --resource-group rg --managed-network allow_only_approved_outbound
  

  Följande YAML-fil definierar ett hanterat VNet för arbetsytan. Det visar också hur du lägger till en godkänd utgående trafik till det hanterade virtuella nätverket. I det här exemplet läggs en regel för utgående trafik till för både en tjänsttagg:

  Varning

  FQDN-regler för utgående trafik implementeras med hjälp av Azure Firewall. Om du använder utgående FQDN-regler läggs avgifter för Azure Firewall till i din fakturering. Mer information finns i Priser.

  name: myworkspace_dep
  managed_network:
    isolation_mode: allow_only_approved_outbound
    outbound_rules:
    - name: added-servicetagrule
      destination:
        port_ranges: 80, 8080
        protocol: TCP
        service_tag: DataFactory
      type: service_tag
    - name: add-fqdnrule
      destination: 'pypi.org'
      type: fqdn
    - name: added-perule
      destination:
        service_resource_id: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>
        spark_enabled: true
        subresource_target: blob
      type: private_endpoint
  

Python SDK

Om du vill konfigurera ett hanterat virtuellt nätverk som endast tillåter godkänd utgående kommunikation använder du ManagedNetwork klassen för att definiera ett nätverk med IsolationMode.ALLOw_ONLY_APPROVED_OUTBOUND. Du kan sedan använda ManagedNetwork objektet för att skapa en ny arbetsyta eller uppdatera en befintlig. Om du vill definiera regler för utgående trafik använder du följande klasser:

Mål	Klass
Azure-tjänst som arbetsytan förlitar sig på	PrivateEndpointDestination
Azure-tjänsttagg	ServiceTagDestination
Fullständigt domännamn (FQDN)	FqdnDestination

• Skapa en ny arbetsyta:

  I följande exempel skapas en ny arbetsyta med namnet myworkspace, med flera regler för utgående trafik:

  • myrule – Lägger till en privat slutpunkt för ett Azure Blob Store.
  • datafactory – Lägger till en tjänsttaggregel för att kommunicera med Azure Data Factory.

  Viktigt!

  • Att lägga till ett utgående för en tjänsttagg eller ett FQDN är endast giltigt när det hanterade virtuella nätverket har konfigurerats till IsolationMode.ALLOW_ONLY_APPROVED_OUTBOUND.
  • Om du lägger till regler för utgående trafik kan Microsoft inte garantera dataexfiltrering.

  Varning

  FQDN-regler för utgående trafik implementeras med hjälp av Azure Firewall. Om du använder utgående FQDN-regler läggs avgifter för Azure Firewall till i din fakturering. Mer information finns i Prissättning.

  # Basic managed VNet configuration
  network = ManagedNetwork(IsolationMode.ALLOW_ONLY_APPROVED_OUTBOUND)
  
  # Workspace configuration
  ws = Workspace(
      name="myworkspace",
      location="eastus",
      managed_network=network
  )
  
  # Append some rules
  ws.managed_network.outbound_rules = []
  # Example private endpoint outbound to a blob
  rule_name = "myrule"
  service_resource_id = "/subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>"
  subresource_target = "blob"
  spark_enabled = True
  ws.managed_network.outbound_rules.append(
      PrivateEndpointDestination(
          name=rule_name, 
          service_resource_id=service_resource_id, 
          subresource_target=subresource_target, 
          spark_enabled=spark_enabled
      )
  )
  
  # Example service tag rule
  rule_name = "datafactory"
  service_tag = "DataFactory"
  protocol = "TCP"
  port_ranges = "80, 8080-8089"
  ws.managed_network.outbound_rules.append(
      ServiceTagDestination(
          name=rule_name, 
          service_tag=service_tag, 
          protocol=protocol, 
          port_ranges=port_ranges
      )
  )
  
  # Example FQDN rule
  ws.managed_network.outbound_rules.append(
      FqdnDestination(
          name="fqdnrule", 
          destination="pypi.org"
      )
  )
  
  # Create the workspace
  ws = ml_client.workspaces.begin_create(ws).result()
  

• Uppdatera en befintlig arbetsyta:

  Varning

  Du måste ta bort alla databehandlingsresurser för arbetsytan innan du uppdaterar en befintlig arbetsyta för att använda ett hanterat virtuellt nätverk. Detta omfattar beräkningsinstanser, beräkningskluster och hanterade onlineslutpunkter.

  I följande exempel visas hur du skapar ett hanterat virtuellt nätverk för en befintlig Azure Machine Learning-arbetsyta med namnet myworkspace. Exemplet lägger också till flera regler för utgående trafik för det hanterade virtuella nätverket:

  • myrule – Lägger till en privat slutpunkt för ett Azure Blob Store.
  • datafactory – Lägger till en tjänsttaggregel för att kommunicera med Azure Data Factory.

  Dricks

  Att lägga till ett utgående för en tjänsttagg eller ett FQDN är endast giltigt när det hanterade virtuella nätverket har konfigurerats till IsolationMode.ALLOW_ONLY_APPROVED_OUTBOUND.

  Varning

  FQDN-regler för utgående trafik implementeras med hjälp av Azure Firewall. Om du använder utgående FQDN-regler läggs avgifter för Azure Firewall till i din fakturering. Mer information finns i Prissättning.

  # Get the existing workspace
  ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group, "myworkspace")
  ws = ml_client.workspaces.get()
  
  # Basic managed VNet configuration
  ws.managed_network = ManagedNetwork(IsolationMode.ALLOW_ONLY_APPROVED_OUTBOUND)
  
  # Append some rules
  ws.managed_network.outbound_rules = []
  # Example private endpoint outbound to a blob
  rule_name = "myrule"
  service_resource_id = "/subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>"
  subresource_target = "blob"
  spark_enabled = True
  ws.managed_network.outbound_rules.append(
      PrivateEndpointDestination(
          name=rule_name, 
          service_resource_id=service_resource_id, 
          subresource_target=subresource_target, 
          spark_enabled=spark_enabled
      )
  )
  
  # Example service tag rule
  rule_name = "datafactory"
  service_tag = "DataFactory"
  protocol = "TCP"
  port_ranges = "80, 8080-8089"
  ws.managed_network.outbound_rules.append(
      ServiceTagDestination(
          name=rule_name, 
          service_tag=service_tag, 
          protocol=protocol, 
          port_ranges=port_ranges
      )
  )
  
  # Example FQDN rule
  ws.managed_network.outbound_rules.append(
      FqdnDestination(
          name="fqdnrule", 
          destination="pypi.org"
      )
  )
  
  # Update the workspace
  ml_client.workspaces.begin_update(ws)
  

Azure-portalen

• Skapa en ny arbetsyta:

  1. Logga in på Azure-portalen och välj Azure Machine Learning från menyn Skapa en resurs.

  2. Ange nödvändig information på fliken Grundläggande .

  3. På fliken Nätverk väljer du Privat med godkänd utgående trafik.

     

  4. Om du vill lägga till en regel för utgående trafik väljer du Lägg till användardefinierade regler för utgående trafik på fliken Nätverk . Ange följande information från sidofältet För utgående arbetsyta :

     • Regelnamn: Ett namn på regeln. Namnet måste vara unikt för den här arbetsytan.
     • Måltyp: Privat slutpunkt, tjänsttagg eller FQDN. Tjänsttagg och FQDN är endast tillgängliga när nätverksisoleringen är privat med godkänd utgående trafik.

     Om måltypen är privat slutpunkt anger du följande information:

     • Prenumeration: Den prenumeration som innehåller den Azure-resurs som du vill lägga till en privat slutpunkt för.
     • Resursgrupp: Resursgruppen som innehåller den Azure-resurs som du vill lägga till en privat slutpunkt för.
     • Resurstyp: Typen av Azure-resurs.
     • Resursnamn: Namnet på Azure-resursen.
     • Underresurs: Underresursen för Azure-resurstypen.
     • Spark aktiverat: Välj det här alternativet om du vill aktivera serverlösa Spark-jobb för arbetsytan. Det här alternativet är bara tillgängligt om resurstypen är Azure Storage.

     Dricks

     Azure Machine Learning managed VNet stöder inte att skapa en privat slutpunkt för alla Azure-resurstyper. En lista över resurser som stöds finns i avsnittet Privata slutpunkter .

     

     Om måltypen är tjänsttagg anger du följande information:

     • Tjänsttagg: Tjänsttaggen som ska läggas till i de godkända reglerna för utgående trafik.
     • Protokoll: Protokollet som tillåter tjänsttaggen.
     • Portintervall: Portintervallen för att tillåta tjänsttaggen.

     

     Om måltypen är FQDN anger du följande information:

     Varning

     FQDN-regler för utgående trafik implementeras med hjälp av Azure Firewall. Om du använder utgående FQDN-regler läggs avgifter för Azure Firewall till i din fakturering. Mer information finns i Prissättning.

     • FQDN-mål: Det fullständigt kvalificerade domännamnet som ska läggas till i de godkända reglerna för utgående trafik.

     

     Välj Spara för att spara regeln. Du kan fortsätta att använda Lägg till användardefinierade utgående regler för att lägga till regler.

  5. Fortsätt att skapa arbetsytan som vanligt.

• Uppdatera en befintlig arbetsyta:

  Varning

  Du måste ta bort alla databehandlingsresurser för arbetsytan innan du uppdaterar en befintlig arbetsyta för att använda ett hanterat virtuellt nätverk. Detta omfattar beräkningsinstanser, beräkningskluster och hanterade onlineslutpunkter.

  1. Logga in på Azure-portalen och välj den Azure Machine Learning-arbetsyta som du vill aktivera hanterad VNet-isolering för.

  2. Välj Nätverk och välj sedan Privat med godkänd utgående trafik.

     

     • Om du vill lägga till en regel för utgående trafik väljer du Lägg till användardefinierade regler för utgående trafik på fliken Nätverk . Från sidofältet Regler för utgående arbetsyta anger du samma information som när du skapar en arbetsyta i föregående avsnitt "Skapa en ny arbetsyta".

     • Om du vill ta bort en regel för utgående trafik väljer du Ta bort för regeln.

       

  3. Välj Spara överst på sidan för att spara ändringarna i det hanterade virtuella nätverket.

Konfigurera för serverlösa Spark-jobb

Dricks

Stegen i det här avsnittet behövs bara om du planerar att skicka serverlösa Spark-jobb. Om du inte ska skicka serverlösa Spark-jobb kan du hoppa över det här avsnittet.

Om du vill aktivera serverlösa Spark-jobb för det hanterade virtuella nätverket måste du utföra följande åtgärder:

• Konfigurera ett hanterat virtuellt nätverk för arbetsytan och lägg till en utgående privat slutpunkt för Azure Storage-kontot.
• När du har konfigurerat det hanterade virtuella nätverket etablerar du det och flaggar det för att tillåta Spark-jobb.

1. Konfigurera en utgående privat slutpunkt.

   Azure CLI

   Använd en YAML-fil för att definiera den hanterade VNet-konfigurationen och lägga till en privat slutpunkt för Azure Storage-kontot. Ange spark_enabled: trueäven :

   Dricks

   Det här exemplet är för ett hanterat virtuellt nätverk som konfigurerats med isolation_mode: allow_internet_outbound för att tillåta Internettrafik. Om du bara vill tillåta godkänd utgående trafik använder du isolation_mode: allow_only_approved_outbound.

   name: myworkspace
   managed_network:
     isolation_mode: allow_internet_outbound
     outbound_rules:
     - name: added-perule
       destination:
         service_resource_id: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>
         spark_enabled: true
         subresource_target: blob
       type: private_endpoint
   

   Du kan använda en YAML-konfigurationsfil med az ml workspace update kommandot genom att ange parametern --file och namnet på YAML-filen. Följande kommando uppdaterar till exempel en befintlig arbetsyta med hjälp av en YAML-fil med namnet workspace_pe.yml:

   az ml workspace update --file workspace_pe.yml --resource_group rg --name ws
   

   Kommentar

   När Tillåt endast godkänd utgående trafik är aktiverat (isolation_mode: allow_only_approved_outbound) kommer conda-paketberoenden som definierats i Spark-sessionskonfigurationen inte att installeras. Lös problemet genom att ladda upp ett fristående Python-pakethjul utan externa beroenden till ett Azure Storage-konto och skapa en privat slutpunkt till det här lagringskontot. Använd sökvägen till Python-pakethjulet som py_files parameter i ditt Spark-jobb. Om du anger en FQDN-regel för utgående trafik kringgås inte det här problemet eftersom FQDN-regelspridning inte stöds av Spark.

   Python SDK

   I följande exempel visas hur du skapar ett hanterat virtuellt nätverk för en befintlig Azure Machine Learning-arbetsyta med namnet myworkspace. Den lägger också till en privat slutpunkt för Azure Storage-kontot och anger spark_enabled=true:

   Dricks

   Följande exempel är för ett hanterat virtuellt nätverk som konfigurerats med IsolationMode.ALLOW_INTERNET_OUTBOUND för att tillåta Internettrafik. Om du bara vill tillåta godkänd utgående trafik använder du IsolationMode.ALLOW_ONLY_APPROVED_OUTBOUND.

   # Get the existing workspace
   ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group, "myworkspace")
   ws = ml_client.workspaces.get()
   
   # Basic managed VNet configuration
   ws.managed_network = ManagedNetwork(IsolationMode.ALLOW_INTERNET_OUTBOUND)
   
   # Example private endpoint outbound to a blob
   rule_name = "myrule"
   service_resource_id = "/subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>"
   subresource_target = "blob"
   spark_enabled = True
   
   # Add the outbound 
   ws.managed_network.outbound_rules = [PrivateEndpointDestination(
       name=rule_name, 
       service_resource_id=service_resource_id, 
       subresource_target=subresource_target, 
       spark_enabled=spark_enabled)]
   
   # Create the workspace
   ml_client.workspaces.begin_update(ws)
   

   Kommentar

   • När Tillåt endast godkänd utgående trafik är aktiverat (isolation_mode: allow_only_approved_outbound) kommer conda-paketberoenden som definierats i Spark-sessionskonfigurationen inte att installeras. Lös problemet genom att ladda upp ett fristående Python-pakethjul utan externa beroenden till ett Azure Storage-konto och skapa en privat slutpunkt till det här lagringskontot. Använd sökvägen till Python-pakethjulet som py_files parameter i Spark-jobbet.
   • Om arbetsytan skapades med IsolationMode.ALLOW_INTERNET_OUTBOUNDkan den inte uppdateras senare för att använda IsolationMode.ALLOW_ONLY_APPROVED_OUTBOUND.

   Azure-portalen

   1. Logga in på Azure-portalen och välj Azure Machine Learning-arbetsytan.

   2. Välj Nätverk och sedan Lägg till användardefinierade regler för utgående trafik. Lägg till en regel för Azure Storage-kontot och kontrollera att Spark är aktiverat .

      

   3. Välj Spara för att spara regeln och välj sedan Spara överst i Nätverk för att spara ändringarna i det bemannade virtuella nätverket.

2. Etablera det hanterade virtuella nätverket.

   Kommentar

   Om din arbetsyta redan har konfigurerats för en offentlig slutpunkt (till exempel med ett virtuellt Azure-nätverk) och har offentlig nätverksåtkomst aktiverad måste du inaktivera den innan du etablerar det hanterade virtuella nätverket. Om du inte inaktiverar åtkomst till offentligt nätverk när du etablerar det hanterade virtuella nätverket kanske inte de privata slutpunkterna för den hanterade slutpunkten har skapats.

   Azure CLI

   I följande exempel visas hur du etablerar ett hanterat virtuellt nätverk för serverlösa Spark-jobb med hjälp av parametern --include-spark .

   az ml workspace provision-network -g my_resource_group -n my_workspace_name --include-spark
   

   Python SDK

   I följande exempel visas hur du etablerar ett hanterat virtuellt nätverk för serverlösa Spark-jobb:

   # Connect to a workspace named "myworkspace"
   ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group, workspace_name="myworkspace")
   
   # whether to provision Spark vnet as well
   include_spark = True
   
   provision_network_result = ml_client.workspaces.begin_provision_network(workspace_name=ws_name, include_spark=include_spark).result()
   

   Azure-portalen

   Använd flikarna Azure CLI eller Python SDK för att lära dig hur du manuellt etablerar det hanterade virtuella nätverket med serverlöst Spark-stöd.

Etablera ett hanterat virtuellt nätverk manuellt

Det hanterade virtuella nätverket etableras automatiskt när du skapar en beräkningsresurs. När du förlitar dig på automatisk etablering kan det ta cirka 30 minuter att skapa den första beräkningsresursen eftersom den även etablerar nätverket. Om du har konfigurerat utgående FQDN-regler (endast tillgängligt med endast godkänt läge) lägger den första FQDN-regeln till cirka 10 minuter till etableringstiden. Om du har en stor uppsättning utgående regler som ska etableras i det hanterade nätverket kan det ta längre tid för etableringen att slutföras. Den ökade etableringstiden kan leda till att din första beräkningsgenerering, eller din första hanterade onlineslutpunktsdistribution, överskrider tidsgränsen.

För att minska väntetiden och undvika potentiella timeout-fel rekommenderar vi att du etablerar det hanterade nätverket manuellt. Vänta sedan tills etableringen är klar innan du skapar en beräkningsresurs eller en hanterad onlineslutpunktsdistribution.

Azure CLI

I följande exempel visas hur du etablerar ett hanterat virtuellt nätverk.

Dricks

Om du planerar att skicka serverlösa Spark-jobb lägger du till parametern --include-spark .

az ml workspace provision-network -g my_resource_group -n my_workspace_name

Kontrollera att etableringen har slutförts genom att använda följande kommando:

az ml workspace show -n my_workspace_name -g my_resource_group --query managed_network

Python SDK

I följande exempel visas hur du etablerar ett hanterat virtuellt nätverk:

# Connect to a workspace named "myworkspace"
ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group, workspace_name="myworkspace")

# whether to provision Spark vnet as well
include_spark = True

provision_network_result = ml_client.workspaces.begin_provision_network(workspace_name=ws_name, include_spark=include_spark).result()

Om du vill kontrollera att arbetsytan har etablerats använder du ml_client.workspaces.get() för att hämta information om arbetsytan. Egenskapen managed_network innehåller status för det hanterade nätverket.

ws = ml_client.workspaces.get()
print(ws.managed_network.status)

Azure-portalen

Använd flikarna Azure CLI eller Python SDK för att lära dig hur du manuellt etablerar det hanterade virtuella nätverket med serverlöst Spark-stöd.

Konfigurera avbildningsversioner

När Azure Container Registry för din arbetsyta finns bakom ett virtuellt nätverk kan det inte användas för att skapa Docker-avbildningar direkt. Konfigurera i stället arbetsytan så att den använder ett beräkningskluster eller en beräkningsinstans för att skapa avbildningar.

Viktigt!

Den beräkningsresurs som används för att skapa Docker-avbildningar måste kunna komma åt paketlagringsplatserna som används för att träna och distribuera dina modeller. Om du använder ett nätverk som konfigurerats för att endast tillåta godkänd utgående trafik kan du behöva lägga till regler som tillåter åtkomst till offentliga lagringsplatser eller använder privata Python-paket.

Azure CLI

Om du vill uppdatera en arbetsyta för att använda ett beräkningskluster eller en beräkningsinstans för att skapa Docker-avbildningar använder du az ml workspace update kommandot med parametern --image-build-compute :

az ml workspace update --name ws --resource-group rg --image-build-compute mycompute

Python SDK

I följande exempel visas hur du uppdaterar en arbetsyta för att använda ett beräkningskluster för att skapa avbildningar:

# import required libraries
from azure.ai.ml import MLClient
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, workspace
)

# Get workspace info
ws=ml_client.workspaces.get(name=workspace)
# Update to use cpu-cluster for image builds
ws.image_build_compute="mycompute"
ml_client.workspaces.begin_update(ws)
# To switch back to using ACR to build (if ACR is not in the virtual network):
# ws.image_build_compute = ''
# ml_client.workspaces.begin_update(ws)

Azure-portalen

För närvarande finns det inget sätt att ange beräkningen av avbildningsbygget från Azure-portalen. Använd flikarna Azure CLI eller Python SDK för att lära dig hur du konfigurerar avbildningsversioner manuellt.

Hantera regler för utgående trafik

Azure CLI

Om du vill visa en lista över regler för utgående VNet för en arbetsyta använder du följande kommando:

az ml workspace outbound-rule list --workspace-name ws --resource-group rg

Om du vill visa information om en utgående regel för hanterade virtuella nätverk använder du följande kommando:

az ml workspace outbound-rule show --rule rule-name --workspace-name ws --resource-group rg

Om du vill ta bort en regel för utgående trafik från det hanterade virtuella nätverket använder du följande kommando:

az ml workspace outbound-rule remove --rule rule-name --workspace-name ws --resource-group rg

Python SDK

I följande exempel visas hur du hanterar regler för utgående trafik för en arbetsyta med namnet myworkspace:

# Connect to the workspace
ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group, workspace_name="myworkspace")

# Specify the rule name
rule_name = "<some-rule-name>"

# Get a rule by name
rule = ml_client._workspace_outbound_rules.get(resource_group, ws_name, rule_name)

# List rules for a workspace
rule_list = ml_client._workspace_outbound_rules.list(resource_group, ws_name)

# Delete a rule from a workspace
ml_client._workspace_outbound_rules.begin_remove(resource_group, ws_name, rule_name).result()

Azure-portalen

1. Logga in på Azure-portalen och välj den Azure Machine Learning-arbetsyta som du vill aktivera hanterad VNet-isolering för.

2. Välj Nätverk. I avsnittet Utgående åtkomst för arbetsyta kan du hantera regler för utgående trafik.

   

• Om du vill lägga till en regel för utgående trafik väljer du Lägg till användardefinierade regler för utgående trafik på fliken Nätverk . Ange följande information från sidofältet För utgående arbetsyta :

• Om du vill aktivera eller inaktivera en regel använder du växlingsknappen i kolumnen Aktiv.

• Om du vill ta bort en regel för utgående trafik väljer du Ta bort för regeln.

Lista över obligatoriska regler

Dricks

Dessa regler läggs automatiskt till i det hanterade virtuella nätverket.

Privata slutpunkter:

• När isoleringsläget för det hanterade virtuella nätverket är Allow internet outboundskapas regler för utgående privat slutpunkt automatiskt som obligatoriska regler från det hanterade virtuella nätverket för arbetsytan och associerade resurser med offentlig nätverksåtkomst inaktiverad (Key Vault, Lagringskonto, Container Registry, Azure Machine Learning-arbetsyta).
• När isoleringsläget för det hanterade virtuella nätverket är Allow only approved outboundskapas regler för utgående privat slutpunkt automatiskt som nödvändiga regler från det hanterade virtuella nätverket för arbetsytan och associerade resurser oavsett åtkomstläge för offentliga nätverk för dessa resurser (Key Vault, Lagringskonto, Container Registry, Azure Machine Learning-arbetsytan).

Regler för utgående tjänsttagg:

• AzureActiveDirectory
• AzureMachineLearning
• BatchNodeManagement.region
• AzureResourceManager
• AzureFrontDoor
• MicrosoftContainerRegistry
• AzureMonitor

Regler för inkommande tjänsttagg:

• AzureMachineLearning

Lista över scenariospecifika regler för utgående trafik

Scenario: Få åtkomst till offentliga maskininlärningspaket

Om du vill tillåta installation av Python-paket för träning och distribution lägger du till utgående FQDN-regler för att tillåta trafik till följande värdnamn:

Varning

FQDN-regler för utgående trafik implementeras med hjälp av Azure Firewall. Om du använder utgående FQDN-regler läggs avgifter för Azure Firewall till i din fakturering. Mer information finns i Prissättning.

Kommentar

Det här är inte en fullständig lista över de värdar som krävs för alla Python-resurser på Internet, bara de vanligaste. Om du till exempel behöver åtkomst till en GitHub-lagringsplats eller en annan värd måste du identifiera och lägga till de värdar som krävs för det scenariot.

Värdnamn	Syfte
anaconda.com *.anaconda.com	Används för att installera standardpaket.
*.anaconda.org	Används för att hämta lagringsplatsdata.
pypi.org	Används för att lista beroenden från standardindexet, om det finns några, och indexet skrivs inte över av användarinställningarna. Om indexet skrivs över måste du också tillåta *.pythonhosted.org.
pytorch.org *.pytorch.org	Används av några exempel baserade på PyTorch.
*.tensorflow.org	Används av några exempel som baseras på Tensorflow.

Scenario: Använda Visual Studio Code Desktop eller webben med beräkningsinstans

Om du planerar att använda Visual Studio Code med Azure Machine Learning lägger du till utgående FQDN-regler för att tillåta trafik till följande värdar:

Varning

FQDN-regler för utgående trafik implementeras med hjälp av Azure Firewall. Om du använder utgående FQDN-regler läggs avgifter för Azure Firewall till i din fakturering. Mer information finns i Prissättning.

• *.vscode.dev
• vscode.blob.core.windows.net
• *.gallerycdn.vsassets.io
• raw.githubusercontent.com
• *.vscode-unpkg.net
• *.vscode-cdn.net
• *.vscodeexperiments.azureedge.net
• default.exp-tas.com
• code.visualstudio.com
• update.code.visualstudio.com
• *.vo.msecnd.net
• marketplace.visualstudio.com
• vscode.download.prss.microsoft.com

Scenario: Använda batchslutpunkter

Om du planerar att använda Azure Machine Learning-batchslutpunkter för distribution lägger du till regler för utgående privat slutpunkt för att tillåta trafik till följande underresurser för standardlagringskontot:

• queue
• table

Scenario: Använda promptflöde med Azure OpenAI, innehållssäkerhet och Azure AI Search

• Privat slutpunkt till Azure AI Services
• Privat slutpunkt till Azure AI Search

Scenario: Använda HuggingFace-modeller

Om du planerar att använda HuggingFace-modeller med Azure Machine Learning lägger du till utgående FQDN-regler för att tillåta trafik till följande värdar:

Varning

FQDN-regler för utgående trafik implementeras med hjälp av Azure Firewall. Om du använder utgående FQDN-regler läggs avgifter för Azure Firewall till i din fakturering. Mer information finns i Prissättning.

• docker.io
• *.docker.io
• *.docker.com
• production.cloudflare.docker.com
• cdn.auth0.com
• cdn-lfs.huggingface.co

Scenario: Aktivera åtkomst från valda IP-adresser

Om du vill aktivera åtkomst från specifika IP-adresser använder du följande åtgärder:

1. Lägg till en regel för utgående privat slutpunkt för att tillåta trafik till Azure Machine Learning-arbetsytan. På så sätt kan beräkningsinstanser som skapats i det hanterade virtuella nätverket komma åt arbetsytan.

   Dricks

   Du kan inte lägga till den här regeln när arbetsytan skapas eftersom arbetsytan inte finns ännu.

2. Aktivera offentlig nätverksåtkomst till arbetsytan. Mer information finns i Åtkomst till offentligt nätverk aktiverat.

3. Lägg till dina IP-adresser i brandväggen för Azure Machine Learning. Mer information finns i aktivera åtkomst endast från IP-intervall.

Privata slutpunkter

Privata slutpunkter stöds för närvarande för följande Azure-tjänster:

• Azure Machine Learning
• Azure Machine Learning-register
• Azure Storage (alla underresurstyper)
• Azure Container Registry
• Azure Key Vault
• Azure AI-tjänster
• Azure AI Search (tidigare Cognitive Search)
• Azure SQL Server
• Azure Data Factory
• Azure Cosmos DB (alla underresurstyper)
• Azure Event Hubs
• Azure Redis Cache
• Azure Databricks
• Azure-databas för MariaDB
• Azure Database for PostgreSQL
• Azure Database for MySQL
• Azure SQL Managed Instance

När du skapar en privat slutpunkt anger du resurstypen och underresursen som slutpunkten ansluter till. Vissa resurser har flera typer och underresurser. Mer information finns i vad som är en privat slutpunkt.

När du skapar en privat slutpunkt för Azure Machine Learning-beroenderesurser, till exempel Azure Storage, Azure Container Registry och Azure Key Vault, kan resursen finnas i en annan Azure-prenumeration. Resursen måste dock finnas i samma klientorganisation som Azure Machine Learning-arbetsytan.

Viktigt!

När du konfigurerar privata slutpunkter för ett hanterat virtuellt Azure Machine Learning-nätverk skapas endast de privata slutpunkterna när den första beräkningen skapas eller när hanterad VNet-etablering tvingas. Mer information om hur du tvingar den hanterade VNet-etableringen finns i Konfigurera för serverlösa Spark-jobb.

Prissättning

Funktionen för hanterade virtuella nätverk för Azure Machine Learning är kostnadsfri. Du debiteras dock för följande resurser som används av det hanterade virtuella nätverket:

• Azure Private Link – Privata slutpunkter som används för att skydda kommunikationen mellan det hanterade virtuella nätverket och Azure-resurser förlitar sig på Azure Private Link. Mer information om priser finns i Prissättning för Azure Private Link.

• Utgående FQDN-regler – FQDN-regler för utgående trafik implementeras med hjälp av Azure Firewall. Om du använder utgående FQDN-regler läggs avgifter för Azure Firewall till i din fakturering. Azure Firewall (standard-SKU) etableras av Azure Machine Learning.

  Viktigt!

  Brandväggen skapas inte förrän du lägger till en utgående FQDN-regel. Mer information om priser finns i Prissättning för Azure Firewall och visa priser för standardversionen .

Begränsningar

• När du har aktiverat hanterad VNet-isolering av din arbetsyta kan du inte inaktivera den.
• Det hanterade virtuella nätverket använder en privat slutpunktsanslutning för att få åtkomst till dina privata resurser. Du kan inte ha en privat slutpunkt och en tjänstslutpunkt samtidigt för dina Azure-resurser, till exempel ett lagringskonto. Vi rekommenderar att du använder privata slutpunkter i alla scenarier.
• Det hanterade virtuella nätverket tas bort när arbetsytan tas bort.
• Dataexfiltreringsskydd aktiveras automatiskt för det enda godkända utgående läget. Om du lägger till andra regler för utgående trafik, till exempel till FQDN, kan Microsoft inte garantera att du skyddas från dataexfiltrering till dessa utgående mål.
• Det går inte att skapa ett beräkningskluster i en annan region än arbetsytan när du använder ett hanterat virtuellt nätverk.
• Kubernetes och anslutna virtuella datorer stöds inte i ett Azure Machine Learning-hanterat virtuellt nätverk.
• Om du använder utgående FQDN-regler ökar kostnaden för det hanterade virtuella nätverket eftersom FQDN-regler använder Azure Firewall. Mer information finns i Prissättning.

Migrering av beräkningsresurser

Om du har en befintlig arbetsyta och vill aktivera hanterade virtuella nätverk för den finns det för närvarande ingen migreringssökväg som stöds för befintliga hanterade beräkningsresurser. Du måste ta bort alla befintliga hanterade beräkningsresurser och återskapa dem när du har aktiverat det hanterade virtuella nätverket. Följande lista innehåller de beräkningsresurser som måste tas bort och återskapas:

• Beräkningskluster
• Beräkningsinstans
• Kubernetes-kluster
• Hanterade onlineslutpunkter

Nästa steg

• Felsöka hanterat virtuellt nätverk
• Konfigurera hanterade beräkningar i ett hanterat virtuellt nätverk