Snabbstartsguide: Konfigurera och köra Intelligent Recommendations med exempeldata

I den här artikeln skapar du en Intelligent Recommendations-konto. Du ansluter också till ett exempel datauppsättning startar för att se resultat för datauppsättning.

Mer detaljerade steg för att skapa kontot för Intelligent Recommendations finns i Skapa ett nytt konto för Intelligent Recommendations.

Översikt

Intelligent Recommendations läser data från ditt Azure Data Lake Storage-konto, modellerar det och gör det möjligt att använda rekommendationer genom att använda en säker slutpunkt.

I den här artikeln beskrivs hur du skapar och konfigurationen av ett konto för Intelligent Recommendations med en enskild modellresurs och en resurs för enskilda betjäningsresurser, enligt beskrivningen i det här diagrammet:

Innan du börjar, se till att du har åtkomst till organisationens Azure Portal och åtkomst för utökade behörigheter. Mer information finns i den här Förutsättningar.

Hoppa snabbt till följande steg

1. Konfigurera Data Lake Storage-konto
2. Överför en exempel datauppsättning
3. Ställa in felloggning
4. Skapa ditt tjänstkontot Intelligent Recommendations
5. Konfigurera behörigheter för datasjö
6. Skapa modellerings- och betjäningsresurser
7. Se rekommendationsresultaten

Titta på det här videoklippet och lär dig att konfigurera och köra Intelligent Recommendations med exempeldata:

Kommentar

Du kan överföra ett exempel datauppsättning. Exempeluppgifterna datauppsättning förinstallerade med data så att du snabbt kan testa Intelligent Recommendations och se resultat. Du kan också redigera och byta ut datauppsättning mot din anpassade datauppsättning.

Förutsättningar: Förbereda informationen om Azure-prenumerationen och klientorganisationen

Innan du anger Intelligent Recommendations måste du ha åtkomst till organisationens Azure Portal och åtkomst för utökade behörigheter.

Innan du går vidare, se till att du har följande krav:

1. En Azure-prenumeration Om du är ny i Azure går du till Skapa ditt gratis Azure-konto i dag.
2. Ett klientorganisations-ID för Microsoft Entra ID. Instruktioner finns i Hitta ditt klientorganisations ID för Microsoft Entra ID.
3. Ett Azure Data Lake Storage-konto. Mer information finns i Azure Data Lake Storage.
4. Hämta en kopia av exempelmappen datauppsättning.
5. Börja bekanta dig med Azure Portal. Du kanske också vill veta mer om hur du hanterar och distribuerar dina Azure-resurser via Azure Resource Manager-mallar (ARM). Mer information finns i Hantera Azure-resurser med Azure Portal.

Viktigt!

När du introducerar Intelligent Recommendations, kommer data kopieras från din Data Lake Storage till regionerna för den valda modellresursen. Vi rekommenderar att du ställer in modellresursen i samma region som ditt Data Lake Storage-konto. Om det finns Data Lake Storage-konto och modelleringsresurser i olika regioner kopieras data från regionen Data Lake Storage till den modellresursområde du valt.
Om kunder avslutar Intelligent Recommendations har de 90 dagar på sig att hämta data innan de tas bort. Under 90 dagar kan kunderna begära att få sina data kopierade till en angiven lagringsplats för Business Data Lake. En kopia av informationen överförs till den platsen.

Steg 1: Konfigurera Data Lake Storage-konto

Vi börjar med att konfigurera ditt Data Lake Storage-konto. Så här börjar du:

1. Logga in på ditt Microsoft Azure portalkonto.

2. Välj Lagringskonton under fältet Azure Services.

   

3. Skapa och välj Data Lake Storage-konto för att dela data med Intelligent Recommendations-konto.

4. I avsnittet Datalagring i den vänstra navigeringsrutan väljer du behållare.

5. Skapa en ny behållare.

   Kommentar

   Namnen på mapparna och behållarna är inte viktiga. I vårt exempel använder vi ircontainer som namn på vår behållare, ir_root som namn på vår rotmapp, samt ir_logs som namn på vår loggmapp.

Gå tillbaka till överst

Steg 2: Överför datauppsättning

I den här snabbstartsguiden har vi förberett en exempelfil datauppsättning .zip-fil för Adventure Works. Den här filen innehåller hela katalogstrukturen med katalog- och interaktionsdata som du kan hämta här.

1. Packa upp datauppsättning och överför innehållet till rotmappen i den valda behållare. I vårt exempel är vår behållare irconconer.

2. Därefter laddar du upp datamängden från dina lokala filer till ditt lagringskonto med någon av följande metoder:

   • Använd Azure Portal på webben: Om du använder Azure Portal på webben ska du ange vilken undermapp du ska överföra till med hjälp av listrutan Avancerat. Om du följer det här steget, se till att kapsla in de enskilda mapparna korrekt. Observera att behållare har två filer, en för loggar (ir_logs) och en för dina dataentiteter (ir_root). Både model.json-filen och mapparna för dataentiteter (markerade Reco_) ska vara kapslade under mappen ir_root.
     
   • Använd Microsoft Azure Storage Explorer: För att använda Azure Storage Explorer, gå till Hantera ditt molnlagring på Azure för att ladda ner gratisappen och följ instruktionerna för att ladda upp filerna till ditt lagringskonto.

3. Se till att Azure Portals filstruktur och mappnamn i ir_root överensstämmer med de hämtade exempelmapparna datauppsättning. Om det görs korrekt ser filstrukturen för Intelligent Recommendations _rootmappen ut på följande sätt. Bilden tittar in i mappen ircontainer/ir_root särskilt med:

   

4. Välj Egenskaper i det vänstra navigeringsfönstret och kopiera behållares URL. Kopiera länken eftersom du behöver den för att ange anslutningssträngen i ett kommande installationssteg.

   

Nu kan du utföra resten av kvarvarande installationsstegen.

Gå tillbaka till överst

Steg 3: Ställa in felloggning

1. Välj behållare, samma behållare som du använde som rotmapp för Intelligent Recommendations. I vårt exempel är behållaren irconconer och rotmappen är ir_root.

2. Du behöver skapa sedan målmappen för loggarna som har skrivits av Intelligent Recommendations. I det här exemplet skapade vi en mapp med namnet ir_logs.

   

Kommentar

Om du har använt samma behållare för att dela data med Intelligent Recommendations och för att logga tillbaka data i Data Lake Storage, rekommenderar vi starkt att du använder en annan mapp för att skriva felloggar till Data Lake Storage än den rotmapp som används för att dela data med Intelligent Recommendations.

Kommentar

För den första körningen kan modellsteget ta upp till flera timmar innan du är redo att ställa frågor och är redo att svara med resultat.

Gå tillbaka till överst

Steg 4: Skapa tjänstkontot Intelligent Recommendations

1. Logga in på Azure Portal och sök efter Intelligent Recommendations eller gå till Intelligent Recommendations-konton.

2. Starta ett nytt konto för Intelligent Recommendations genom att välja Skapa.

   

3. På fliken Kontoinformation, ange värden i fälten Prenumeration, Resursgrupp och Namn.

   • Om du inte har någon Azure-prenumeration skapar du ett kostnadsfritt utvärderingskonto här.

   • Värdet Namn är viktigt eftersom det visas i Intelligent Recommendations slutpunkt DNS-namnet. Den ska vara globalt unik (över Azure), alfanumerisk och skiftlägeskänsliga.

   • För värdet Rapporter anslutningssträng klistra in URL:en du kopierade från Data Lake Storage-kontots behållaregenskaper och lägg till tillägget i din loggmapp. Den här länken kopplar din modell till mappen loggar för att skapa felloggar. Se till att lägga till loggmappen (/ir_logs) du skapade i slutet av URL:en.

4. På fliken Autentiseringsinformation anger du de autentiserade användarna eller apparna som kan visa rekommendationerna från en fråga till tjänsten. Lägg till minst en Microsoft Entra ID-användare (vi föreslår att du lägger till dig själv för den här snabbstartsguiden) eller ett huvudkontor för Microsoft Entra ID-tjänst med behörighet att anropa API:et:

   

   Kommentar

   Om du vill lägga till dig själv som en autentiserad användare anger du en rad med typen = Användare och anger sedan klientorganisations-ID samt ditt användar-ID för Microsoft Entra ID. ID för klientorganisation finns på startportalen för Microsoft Entra ID. Du hittar ditt användar-ID genom att söka efter din användare i Microsoft Entra ID och kopiera värdet ObjectID. För mer information om hur du hittar ditt klientorganisations-ID, se Så här hittar du ditt klientorganisations-ID för Microsoft Entra ID.

5. Granska och skapa kontoresursen Intelligent Recommendations.

6. Efter distributionen markerar du resursgruppslänken eller väljer knappen Gå till resurs för att gå tillbaka till hemportalen för Intelligent Recommendations.

Gå tillbaka till överst

Steg 5: Konfigurera behörigheter för datasjö

För att konfigurera säkerheten på behållarnivån lägger du till behörigheter så att IR kan läsa indata från rotmappen för Intelligent Recommendations i syfte att aktivera modellutbildning. Du aktiverar också skrivbehörigheter för att tillåta IR att skriva loggar till en dedikerad loggmapp. Du kan ge åtkomst till tjänsten Intelligent Recommendations med hjälp av systemtilldelad hanterad identitet och\eller användartilldelad hanterad identitet. Microsoft rekommenderar att du använder en systemtilldelad hanterad identitet för den här snabbstartsguiden. Du hittar en självstudie om hur du konfigurerar med en användartilldelad hanterad identitet på sidan Ställ in Data Lake Storage.

Metod för tilldelad system hanterad identitet

Så här anger du säkerhet för systemets tilldelade hanterade identitet:

1. Öppna konto för Intelligent Recommendations.
2. I den vänstra rutan väljer du Identitet.
3. Under fliken Systemtilldelad aktiverar du Status till PÅ och väljer Spara.

4. Gå tillbaka till ditt lagringskonto och välj Behållare i det vänstra navigeringsfönstret och välj ircontainer (eller något annat namn som du har gett din behållare).
5. Välj Åtkomstkontroll (IAM) i det vänstra fönstret.

6. Om du vill tillåta att Intelligent Recommendations läser loggdata tilldelar du Storage Blob-dataläsare.

   1. Under Bevilja åtkomst till denna resurs väljer du Lägg till rolltilldelning.
   2. I Roll, välj Storage Blob-dataläsare, välj nästa.
   3. På nästa skärm under avsnittet Tilldela åtkomst till, välj Hanterad identitet och välj + Välj medlemmar.
   4. Under Hanterad identitet, välj kategorin Intelligent Recommendations-konto.

   

   5. Därefter ser du en lista med konton för Intelligent Recommendations. Välj det relevanta konto med åtkomst till det här lagringskontot och välj sedan Välj.

      

   6. Slutför ditt beslut genom att välja knappen Granska + Tilldela. Upprepa de här stegen för att konfigurera Storage Blob-datadeltagare också.

7. Om du vill tillåta tjänsten Intelligent Recommendations att skriva loggindata lägger du till behörigheter för Blobb-datadeltagare för lagring:

   1. Under Bevilja åtkomst till denna resurs väljer du Lägg till rolltilldelning.
   2. I Roll, välj Storage Blob-datadeltagare, välj nästa.
   3. På nästa skärm under avsnittet Tilldela åtkomst till, välj Hanterad identitet och välj + Välj medlemmar.
   4. Under Hanterad identitet, välj kategorin Intelligent Recommendations-konto.
   5. Därefter ser du en lista med konton för Intelligent Recommendations. Välj det relevanta konto med åtkomst till det här lagringskontot och välj sedan Välj.
   6. Slutför ditt beslut genom att välja knappen Granska + Tilldela. Upprepa de här stegen för att konfigurera Storage Blob-datadeltagare också.

Kontrollera dina rolltilldelningar

Kontrollera att du har rätt behörighet genom att gå tillbaka till ditt lagringskonto och ircontainer.

1. Från ircontainer, välj Åtkomstkontroll (IAM) i vänstra rutan.
2. Välj Vy från avsnittet Vyåtkomst till resurs .
3. Sök efter tjänsten Intelligent Recommendations och kontrollera att tjänsten finns i avsnittet Rolltilldelningar med Storage Blob-dataläsare och Storage Blob-datadeltagare. Om dessa roller saknas går du tillbaka och lägger till roller igen enligt stegen som beskrivs tidigare

Mer information om konfigurationen av Data Lake Storage finns i Skapa ett lagringskonto.

Gå tillbaka till överst

Steg 6: Lägg till modellerings- och betjäningsresurser

När du kommer tillbaka till kontosidan visas nu information om den nya entitetsresursen du skapade. Konfigurera nu komponenterna för modellering och betjäning.

Lägga till en modelleringsresurs

Du kan nu lägga till modellerings- och tjänstslutpunktresurser till ditt Intelligent Recommendations-konto och börja "hitta på" och sedan "betjänar" rekommendationer.

1. Välj Modellering och välj sedan Skapa.

   

2. Ange värden för följande egenskaper på sidan för att skapa modeller:

   • Namn: Kontrollera att namnet är unikt i kontot Intelligent Recommendations.
   • Region: Välj den region där data bearbetas. Du kanske vill granska organisationsdatapolicyn och ange rätt värde för det här fältet. Modellerings- och tjänsteslutpunkter behöver inte finnas i samma Azure-region. Om en viss region finns med i listan öppnar du en supportbiljett via ditt Azure-konto.
   • Funktionsuppsättning: Välj det paket du vill använda.
   • Anslutningssträng: klistra in URL:en du kopierade från Data Lake Storage-kontots behållaregenskaper och lägg till tillägget i din rotmapp. Vår behållare har till exempel en mapp med namnet ir_root, så vi lägger till \ir_root i slutet av anslutningssträngen. Denna länk kommer att ansluta den fullständiga sökvägen till Data Lake Storage till rotmappen där exempelfilen model.json sparas. Det går inte att använda modellering om data inte är korrekt ordnade och delade i Data Lake Storage. Eftersom vi använder en förkonfigurerad exempelfil behöver du inte bekymra dig om att modellresursen inte fungerar. Se till att lägga till rotmappen (/ir_logs) du skapade i slutet av URL:en.

   

3. På fliken Granska och skapa, välj Skapa och vänta sedan tills distributionen har slutförts.

Om informationen nu är korrekt formaterad och delad startar processen för "arbete" och modellering. När startar kommer Intelligent Recommendations API att börja betjäna dina Intelligent Recommendations.

Lägga till en slutpunkt resurs

1. Välj ditt nya konto och leta upp avsnittet Komponenter i det vänstra navigeringsfönstret.

   

2. Välj Tjänsteslutpunkter och välj sedan Skapa.

   

3. Det finns tre saker slutpunkt konfigurera för det här steget:

   • Namn: Bör endast vara unikt för ditt konto för Intelligent Recommendations. Den här strängen kommer också att ingå i tjänstens DNS-namn.
   • Region: Den Azure-region där tjänsten ska distribueras. Tjänsten körs i en aktiv-aktiv arkitektur i ett parområde för skalbarhet och växling vid fel. Om en viss region inte finns med i listan öppnar du en supportbiljett via ditt Azure-konto.
   • Förallokerad kapacitet: Antalet förfrågningar (transaktioner) i sekunden (RPS).

   

4. På fliken Granska och skapa, välj Skapa och vänta sedan tills distributionen har slutförts. Den här processen tar bara några sekunder.

5. Gå tillbaka till den överordnade resursen för det här kontot när du skapar modellresursen.

Gå tillbaka till överst

Steg 7: Se rekommendationsresultaten

När du har konfigurerat ditt konto för Intelligent Recommendations kan du se resultatet. Det gör du genom att söka efter den serveringsresurs du skapat. Den här URL:en är dina nya Intelligent Recommendations slutpunkt för att få rekommendationsresultat om du använder de Intelligent Recommendations REST-API:

När du har kopierat slutpunkt-URL kan du visa resultaten på ett par olika sätt:

• Göra ett autentiserat anrop med ett verktyg som du väljer, till exempel Insomnia, C++ eller Azure Machine Learning. Mer information finns i vår Snabbstartsguide: Göra ett autentiserat API-samtal.

• Koda en webbwidget eller tjänst som ska anropas i API för Intelligent Recommendations.

• Jupyter Notebook för Retail Recommender

Du måste konfigurera autentiseringen för att kunna ringa alla metoderna. Mer information finns i Snabbstartsguide: Göra ett autentiserat API-samtal.

Gå tillbaka till överst

Behöver du felsöka?

Vanliga frågor om Intelligent Recommendations-konto.

Se även

Snabbstartsguide: Ringa ett autentiserat API-samtal
Felloggar
API-statuskoder
Distributionsöversikt
Konfigurera Azure Data Lake Storage-rapporter
Använda datakontrakt för att dela data