Aracılığıyla paylaş

Dağıtılan Machine Learning Studio (klasik) web hizmetleri için uç noktalar oluşturma

  • Makale

ŞUNLAR IÇIN GEÇERLIDIR: Şunun için geçerlidir. Machine Learning Studio (klasik) Için geçerli değildir.Azure Machine Learning

Önemli

Machine Learning Stüdyosu (klasik) desteği 31 Ağustos 2024'te sona erecektir. Bu tarihe kadar Azure Machine Learning'e geçmenizi öneririz.

1 Aralık 2021'den başlayarak artık yeni Machine Learning Stüdyosu (klasik) kaynakları oluşturamayacaksınız. 31 Ağustos 2024'e kadar mevcut Machine Learning Stüdyosu (klasik) kaynaklarını kullanmaya devam edebilirsiniz.

ML Stüdyosu (klasik) belgeleri kullanımdan kaldırılacak ve gelecekte güncelleştirilmeyecektir.

Bir web hizmeti dağıtıldıktan sonra, bu hizmet için varsayılan bir uç noktası oluşturulur. Varsayılan uç noktası, API anahtarı kullanılarak çağrılabilir. Web Hizmetleri portalından kendi anahtarlarıyla daha fazla uç nokta ekleyebilirsiniz. Web hizmetindeki her uç nokta bağımsız olarak ele alınır, kısıtlanır ve yönetilir. Her uç nokta, müşterilerinize dağıtabileceğiniz yetkilendirme anahtarına sahip benzersiz bir URL'dir.

Web hizmetine uç nokta ekleme

Machine Learning Web Hizmetleri portalını kullanarak bir web hizmetine uç nokta ekleyebilirsiniz. Uç nokta oluşturulduktan sonra zaman uyumlu API'ler, toplu API'ler ve Excel çalışma sayfaları aracılığıyla kullanabilirsiniz.

Not

Web hizmetine ek uç noktalar eklediyseniz, varsayılan uç noktayı silemezsiniz.

  1. Machine Learning Studio'da (klasik) sol gezinti sütununda Web Hizmetleri'ne tıklayın.
  2. Web hizmeti panosunun en altında Uç noktaları yönet'e tıklayın. Machine Learning Web Hizmetleri portalı, web hizmetinin uç noktalar sayfasında açılır.
  3. Yeni'yi tıklatın.
  4. Yeni uç nokta için bir ad ve açıklama yazın. Uç nokta adları 24 karakter veya daha az uzunlukta olmalı ve küçük harf alfabelerinden veya sayılardan oluşturulmalıdır. Günlük düzeyini ve örnek verilerin etkinleştirilip etkinleştirilmediğini seçin. Günlüğe kaydetme hakkında daha fazla bilgi için bkz . Machine Learning web hizmetleri için günlüğe kaydetmeyi etkinleştirme.

Ek uç noktalar ekleyerek web hizmetini ölçeklendirme

Varsayılan olarak, yayımlanan her web hizmeti 20 eşzamanlı isteği destekleyecek şekilde yapılandırılır ve 200 eşzamanlı istek kadar yüksek olabilir. Machine Learning Studio (klasik), web hizmetiniz için en iyi performansı sağlamak üzere ayarı otomatik olarak iyileştirir ve portal değeri yoksayılır.

200 olan Maksimum Eşzamanlı Çağrılar değerinin desteklediğinden daha yüksek bir yüke sahip API'yi çağırmayı planlıyorsanız, aynı web hizmetinde birden çok uç nokta oluşturmanız gerekir. Daha sonra yükünüzü bunların tümüne rastgele dağıtabilirsiniz.

Web hizmetinin ölçeklenmesi yaygın bir görevdir. Ölçeklendirmenin bazı nedenleri 200'den fazla eşzamanlı isteği desteklemek, birden çok uç nokta üzerinden kullanılabilirliği artırmak veya web hizmeti için ayrı uç noktalar sağlamaktır. Machine Learning Web Hizmeti portalı aracılığıyla aynı web hizmeti için ek uç noktalar ekleyerek ölçeği artırabilirsiniz.

API'yi buna karşılık yüksek bir oranda çağırmazsanız yüksek eşzamanlılık sayısı kullanmanın zarar verici olabileceğini unutmayın. Yüksek yük için yapılandırılmış bir API'ye görece düşük yük koyarsanız gecikme süresinde zaman aşımları ve/veya ani artışlar görebilirsiniz.

Zaman uyumlu API'ler genellikle düşük gecikme süresinin istendiği durumlarda kullanılır. Buradaki gecikme süresi, API'nin bir isteği tamamlaması için gereken süreyi gösterir ve ağ gecikmelerini hesaba eklemez. 50 ms gecikme süresine sahip bir API'niz olduğunu varsayalım. Kullanılabilir kapasiteyi azaltma düzeyi Yüksek ve En Fazla Eşzamanlı Çağrı = 20 ile tam olarak kullanmak için, bu API'yi saniyede 20 * 1000 / 50 = 400 kez çağırmanız gerekir. Bunu daha da genişleterek, 200'lük Maksimum Eşzamanlı Çağrılar, 50 ms gecikme süresi varsayılarak API'yi saniyede 4000 kez çağırmanıza olanak tanır.

Sonraki adımlar

Machine Learning web hizmetini kullanma.