Event Grid kaynağı olarak Azure Machine Learning

Bu makale, makine öğrenmesi çalışma alanı olaylarının özelliklerini ve şemasını sağlar. Olay şemalarına giriş için bkz . Azure Event Grid olay şeması.

Kullanılabilir olay türleri

Azure Machine Learning aşağıdaki olay türlerini yayar:

Olay türü Açıklama
Microsoft.MachineLearningServices.ModelRegistered Yeni bir Model veya Model sürümü başarıyla kaydedildiğinde oluşturulur.
Microsoft.MachineLearningServices.ModelDeployed Modeller bir Uç Noktaya başarıyla dağıtıldığında oluşturulur.
Microsoft.MachineLearningServices.RunCompleted Bir Çalıştırma başarıyla tamamlandığında oluşturulur.
Microsoft.MachineLearningServices.DatasetDrift Algılandı Veri kümesi kayma izleyicisi kayma algıladığında tetiklenir.
Microsoft.MachineLearningServices.RunStatusChanged Bir çalıştırma durumu değiştiğinde oluşturulur.

Örnek olaylar

Bir olay tetiklendiğinde Event Grid hizmeti bu olayla ilgili verileri abone olan uç noktaya gönderir. Bu bölüm, bu verilerin her olay için nasıl görüneceğine ilişkin bir örnek içerir.

Microsoft.MachineLearningServices.ModelRegistered olayı

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "models/sklearn_regression_model:20",
  "type": "Microsoft.MachineLearningServices.ModelRegistered",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "ModelName": "sklearn_regression_model",
    "ModelVersion": 20,
    "ModelTags": {
        "area": "diabetes",
        "type": "regression"
    },
    "ModelProperties": {
        "type": "test"
    }
  },
  "specversion": "1.0"
}]

Microsoft.MachineLearningServices.ModelDeployed olayı

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "endpoints/my-sklearn-service",
  "type": "Microsoft.MachineLearningServices.ModelDeployed",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "ServiceName": "my-sklearn-service",
    "ServiceComputeType": "ACI",
    "ModelIds": "sklearn_regression_model:1,sklearn_regression_model:2",
    "ServiceTags": {
        "area": "diabetes",
        "type": "regression"
    },
    "ServiceProperties": {
        "type": "test"
    }
  },
  "specversion": "1.0"
}]

Microsoft.MachineLearningServices.RunCompleted olayı

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "experiments/0fa9dfaa-cba3-4fa7-b590-23e48548f5c1/runs/AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
  "type": "Microsoft.MachineLearningServices.RunCompleted",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "experimentId": "0fa9dfaa-cba3-4fa7-b590-23e48548f5c1",
    "experimentName": "automl-local-regression",
    "runId": "AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
    "runType": null,
    "runTags": {},
    "runProperties": {
        "runTemplate": "automl_child",
        "pipeline_id": "5adc0a4fe02504a586f09a4fcbb241f9a4012062",
        "pipeline_spec": "{\"objects\": [{\"class_name\": \"StandardScaler\", \"module\": \"sklearn.preprocessing\", \"param_args\": [], \"param_kwargs\": {\"with_mean\": true, \"with_std\": false}, \"prepared_kwargs\": {}, \"spec_class\": \"preproc\"}, {\"class_name\": \"LassoLars\", \"module\": \"sklearn.linear_model\", \"param_args\": [], \"param_kwargs\": {\"alpha\": 0.001, \"normalize\": true}, \"prepared_kwargs\": {}, \"spec_class\": \"sklearn\"}], \"pipeline_id\": \"5adc0a4fe02504a586f09a4fcbb241f9a4012062\"}",
        "training_percent": "100",
        "predicted_cost": "0.062226144097381045",
        "iteration": "5",
        "run_template": "automl_child",
        "run_preprocessor": "StandardScalerWrapper",
        "run_algorithm": "LassoLars",
        "conda_env_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/conda_env_v_1_0_0.yml",
        "model_name": "AutoMLad912b2d65",
        "scoring_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/scoring_file_v_1_0_0.py",
        "model_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/model.pkl"
    }
  },
  "specversion": "1.0"
}]

Microsoft.MachineLearningServices.DatasetDriftDetected olayı

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "datadrifts/{}/runs/{}",
  "type": "Microsoft.MachineLearningServices.DatasetDriftDetected",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "DataDriftId": "01d29aa4-e6a4-470a-9ef3-66660d21f8ef",
    "DataDriftName": "myDriftMonitor",
    "RunId": "01d29aa4-e6a4-470a-9ef3-66660d21f8ef_1571590300380",
    "BaseDatasetId": "3c56d136-0f64-4657-a0e8-5162089a88a3",
    "TargetDatasetId": "d7e74d2e-c972-4266-b5fb-6c9c182d2a74",
    "DriftCoefficient": 0.83503490684792081,
    "StartTime": "2019-07-04T00:00:00+00:00",
    "EndTime": "2019-07-05T00:00:00+00:00"
  },
  "specversion": "1.0"
}]

Microsoft.MachineLearningServices.RunStatusChanged olayı

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "experiments/0fa9dfaa-cba3-4fa7-b590-23e48548f5c1/runs/AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
  "type": "Microsoft.MachineLearningServices.RunStatusChanged",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "experimentId": "0fa9dfaa-cba3-4fa7-b590-23e48548f5c1",
    "experimentName": "automl-local-regression",
    "runId": "AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
    "runType": null,
    "runTags": {},
    "runProperties": {
        "runTemplate": "automl_child",
        "pipeline_id": "5adc0a4fe02504a586f09a4fcbb241f9a4012062",
        "pipeline_spec": "{\"objects\": [{\"class_name\": \"StandardScaler\", \"module\": \"sklearn.preprocessing\", \"param_args\": [], \"param_kwargs\": {\"with_mean\": true, \"with_std\": false}, \"prepared_kwargs\": {}, \"spec_class\": \"preproc\"}, {\"class_name\": \"LassoLars\", \"module\": \"sklearn.linear_model\", \"param_args\": [], \"param_kwargs\": {\"alpha\": 0.001, \"normalize\": true}, \"prepared_kwargs\": {}, \"spec_class\": \"sklearn\"}], \"pipeline_id\": \"5adc0a4fe02504a586f09a4fcbb241f9a4012062\"}",
        "training_percent": "100",
        "predicted_cost": "0.062226144097381045",
        "iteration": "5",
        "run_template": "automl_child",
        "run_preprocessor": "StandardScalerWrapper",
        "run_algorithm": "LassoLars",
        "conda_env_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/conda_env_v_1_0_0.yml",
        "model_name": "AutoMLad912b2d65",
        "scoring_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/scoring_file_v_1_0_0.py",
        "model_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/model.pkl"
    },
   "runStatus": "failed"
   },
  "specversion": "1.0"
}]

Olay özellikleri

Bir olay aşağıdaki üst düzey verilere sahiptir:

Özellik Türü Açıklama
source Dize Olay kaynağının tam kaynak yolu. Bu alan yazılabilir değil. Event Grid bu değeri sağlar.
subject Dize Olay konusunun yayımcı tarafından tanımlanan yolu.
type Dize Bu olay kaynağı için kayıtlı olay türlerinden biri.
time Dize Sağlayıcının UTC saati temelinde olayın oluşturulduğu saat.
id Dize Olayın benzersiz tanımlayıcısı.
data nesne Blob depolama olay verileri.
specversion Dize CloudEvents şema belirtimi sürümü.

Veri nesnesi her olay türü için aşağıdaki özelliklere sahiptir:

Microsoft.MachineLearningServices.ModelRegistered

Özellik Türü Açıklama
ModelName Dize Kayıtlı olan modelin adı.
ModelVersion Dize Modelin kayıtlı sürümü.
ModelTags nesne Kayıtlı olan modelin etiketleri.
ModelProperties nesne Kayıtlı olan modelin özellikleri.

Microsoft.MachineLearningServices.ModelDeployed

Özellik Türü Açıklama
ServiceName Dize Dağıtılan hizmetin adı.
ServiceComputeType Dize Dağıtılan hizmetin işlem türü (örneğin, ACI, AKS).
ModelIds Dize Model kimliklerinin virgülle ayrılmış listesi. Hizmette dağıtılan modellerin kimlikleri.
ServiceTags nesne Dağıtılan hizmetin etiketleri.
ServiceProperties nesne Dağıtılan hizmetin özellikleri.

Microsoft.MachineLearningServices.RunCompleted

Özellik Türü Açıklama
experimentId Dize Çalıştırmanın ait olduğu denemenin kimliği.
experimentName Dize Çalıştırmanın ait olduğu denemenin adı.
runId Dize Tamamlanan Çalıştırma kimliği.
runType Dize Tamamlanan Çalıştırmanın Çalıştırma Türü.
runTags nesne Tamamlanan Çalıştır'ın etiketleri.
runProperties nesne Tamamlanan Çalıştırma'nın özellikleri.

Microsoft.MachineLearningServices.DatasetDrift Algılandı

Özellik Türü Açıklama
DataDriftId Dize Olayı tetikleyen veri kayma izleyicisinin kimliği.
DataDriftName Dize Olayı tetikleyen veri kayma izleyicisinin adı.
RunId Dize Veri kaydığını algılayan Çalıştırma kimliği.
BaseDatasetId Dize Kaymayı algılamak için kullanılan temel Veri Kümesinin kimliği.
TargetDatasetId Dize Kaymayı algılamak için kullanılan hedef Veri Kümesinin kimliği.
DriftCoefficient çift Olayı tetikleyen katsayı sonucu.
StartTime datetime Kayma algılama ile sonuçlanan hedef veri kümesi zaman serisinin başlangıç zamanı.
EndTime datetime Kayma algılama ile sonuçlanan hedef veri kümesi zaman serisinin bitiş zamanı.

Microsoft.MachineLearningServices.RunStatusChanged

Özellik Türü Açıklama
experimentId Dize Çalıştırmanın ait olduğu denemenin kimliği.
experimentName Dize Çalıştırmanın ait olduğu denemenin adı.
runId Dize Tamamlanan Çalıştırma kimliği.
runType Dize Tamamlanan Çalıştırmanın Çalıştırma Türü.
runTags nesne Tamamlanan Çalıştır'ın etiketleri.
runProperties nesne Tamamlanan Çalıştırma'nın özellikleri.
runStatus Dize Çalıştır'ın durumu.

Öğreticiler ve nasıl yapılır kılavuzları

Ünvan Açıklama
Azure Machine Learning olaylarını kullanma Azure Machine Learning'i Event Grid ile tümleştirmeye genel bakış.

Sonraki adımlar

  • Last updated on