şirket içi SQL Server veritabanından içeri aktar
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.
- makine öğrenimi projelerini ML Studio (klasik) konumundan Azure Machine Learning taşımaya yönelik bilgilerebakın.
- Azure Machine Learninghakkında daha fazla bilgi edinin.
ML Stüdyosu (klasik) belgeleri kullanımdan kaldırılacak ve gelecekte güncelleştirilmeyecektir.
bu makalede, şirket içi bir SQL Server veritabanından makine öğrenimi denemesine veri aktarmak için Machine Learning Studio 'da (klasik) veri alma modülünün nasıl kullanılacağı açıklanır.
Not
uygulama hedefi: yalnızca Machine Learning Studio (klasik)
benzer sürükle ve bırak modülleri Azure Machine Learning tasarımcısındakullanılabilir.
Machine Learning, veriler bir Microsoft Veri Yönetimi ağ geçidi kullanılarak sağlandıysa, şirket içi SQL Server veritabanına erişebilir. Bu nedenle, verileri Içeri aktar'ı kullanmadan önce şu gereksinimleri karşılamanız gerekir:
- veri kaynağına erişebilen bir Microsoft Veri Yönetimi ağ geçidi yükler
- ağ geçidini Machine Learning çalışma alanınıza kaydetme
- Ağ geçidini tanımlamak için Içeri aktarma verilerini yapılandırın
Ağ Geçidi bağlantısı kurulduktan sonra sunucu ve veritabanı adları, kimlik doğrulama yöntemi ve veritabanı sorgusu gibi ek özellikleri belirtebilirsiniz.
Microsoft Veri Yönetimi ağ geçidi nasıl yüklenir
Machine Learning bir şirket içi SQL Server veritabanına erişmek için, Microsoft Veri Yönetimi ağ geçidiniindirip yüklemeniz ve sonra ağ geçidini Machine Learning Studio 'ya (klasik) kaydetmeniz gerekir.
Ağ geçidini yükleme ve kaydetme hakkında daha fazla bilgi için şu makalelere bakın:
şirket içi SQL Server veritabanından verileri içeri aktarma
Veri Yönetimi ağ geçidi, SQL Server veritabanınıza erişebileceği ve ağ geçidini Machine Learning Studio 'da (klasik) kaydettiğiniz bir bilgisayara yüklendikten sonra, verileri içeri aktarma modülünü yapılandırmanız gerekir.
Başlamadan önce, site studio.azureml.net
için tarayıcınızın açılır pencere engelleyicisini devre dışı bırakın.
Google Chrome tarayıcısını kullanıyorsanız, Google Chrome WebStore 'da bulunan eklentilerin birini indirip kurmanız gerekir: uygulama uzantısı ' na tıklayın.
Veri alma Sihirbazı 'nı kullanma
Modül, bir depolama seçeneği seçmenize, mevcut abonelikler ve hesaplar arasından seçim yapmanıza ve tüm seçenekleri hızlı bir şekilde yapılandırmanıza yardımcı olacak yeni bir sihirbaz sunar.
Veri alma modülünü denemenize ekleyin. Modülü, veri girişi ve çıkış kategorisinde Studio 'da (klasik) bulabilirsiniz.
Veri alma Sihirbazı 'Nı Başlat ' a tıklayın ve istemleri izleyin.
Yapılandırma tamamlandığında, verileri denemenize fiili olarak kopyalamak için modüle sağ tıklayıp Seçileni Çalıştır' ı seçin.
Var olan bir veri bağlantısını düzenlemeniz gerekiyorsa, sihirbaz, sıfırdan tekrar başlamak zorunda kalmaması için önceki tüm yapılandırma ayrıntılarını yükler.
Verileri Içeri aktarma modülündeki özellikleri el ile ayarlama
Veri alma modülünü denemenize ekleyin. Modülü, veri girişi ve çıkış kategorisinde Studio 'da (klasik) bulabilirsiniz.
veri kaynağıiçin şirket içi SQL Veritabanıseçin.
SQL Server veritabanına özel aşağıdaki seçenekleri ayarlayın.
Veri ağ geçidi: oluşturduğunuz ağ geçidini seçin. Ağ geçidinin kayıtlı olması veya listede gösterilmemelidir.
veritabanı sunucusu adı: SQL Server örneğinin adını yazın.
Veritabanı adı: veritabanı adını yazın.
Kullanıcı adı ve parola altında değer girin ' e tıklayın ve veritabanı kimlik bilgilerinizi girin. şirket içi SQL Server nasıl yapılandırıldığına bağlı olarak, Windows tümleşik kimlik doğrulaması veya SQL Server kimlik doğrulaması kullanabilirsiniz.
Önemli
kimlik bilgisi yöneticisi, SQL Server örneğiyle aynı ağ içinden ve ağ geçidi istemcisiyle başlatılmalıdır. Etki alanları arasında kimlik bilgileri geçirilemez.
okumak istediğiniz verileri açıklayan bir SQL ifadesini veritabanına yazın veya yapıştırın. SQL ifadesini her zaman doğrulayın ve Visual Studio Sunucu Gezgini veya SQL Server Veri Araçları gibi bir araç kullanarak sorgu sonuçlarını önceden doğrulayın.
Veri kümesinin deneme çalıştırmaları arasında değiştirilmesi beklenmiyorsa, önbelleğe alınmış sonuçları kullan seçeneğini belirleyin. Bu seçildiğinde, modül parametrelerinde başka değişiklik yoksa, deneme, modülü ilk kez çalıştırıldığında verileri yükler ve ardından veri kümesinin önbelleğe alınmış bir sürümünü kullanır.
Denemeyi çalıştırın.
Sonuçlar
Veri Içeri aktarma verileri Studio 'ya (klasik) yüklendiğinde, kaynak veritabanında kullanılan veri türlerine bağlı olarak bazı örtük tür dönüştürme gerçekleştirilebilir. Veri türleri hakkında daha fazla bilgi için bkz. Modül veri türleri.
Tamamlandığında, çıktı veri kümesine tıklayın ve verilerin başarıyla içeri aktarılmadığını görmek için Görselleştir ' i seçin.
İsteğe bağlı olarak, Studio 'daki araçları kullanarak veri kümesini ve meta verilerini değiştirebilirsiniz (klasik):
Sütun adlarını değiştirmek, bir sütunu farklı bir veri türüne dönüştürmek veya hangi sütunların Etiketler ya da Özellikler olduğunu belirtmek için meta verileri Düzenle ' yi kullanın.
Sütunların bir alt kümesini seçmek için veri kümesindeki sütunları seç ' i kullanın.
Veri kümesini ölçütlere göre ayırmak veya ilk n satırı almak için bölüm ve örnek kullanın.
Teknik notlar
Bu bölümde, sık sorulan soruların uygulama ayrıntıları, ipuçları ve yanıtları yer almaktadır.
Sık sorulan sorular
Verileri kaynaktan okunmakta olacak şekilde filtreleyebilirim?
Içeri aktarma verileri modülü, veri okunmakta olduğundan filtrelemeyi desteklemez. Yalnızca ihtiyacınız olan satırları üreten bir görünüm oluşturmanızı veya bir sorgu tanımlamanızı öneririz.
Not
Gerekenden daha fazla veri yüklebileceğinizi fark ederseniz, yeni bir veri kümesini okuyarak ve daha eski ve daha büyük verilerle aynı adla kaydederek önbelleğe alınmış veri kümesinin üzerine yazabilirsiniz.
Neden "tür ondalık değer desteklenmiyor" hatasını alıyorum
SQL veritabanından veri okurken desteklenmeyen bir veri türünü bildiren bir hata iletisiyle karşılaşabilirsiniz.
SQL veritabanından aldığınız veriler Machine Learning desteklenmeyen veri türleri içeriyorsa, verileri okumadan önce ondalık sayıları desteklenen bir veri türüne dönüştürmelisiniz veya dönüştürmeniz gerekir. Bunun nedeni, Içeri aktarma verilerinin duyarlık kaybına neden olacak dönüştürmeleri otomatik olarak gerçekleştirememeidir.
Neden bazı karakterler doğru görüntülenmiyor
Machine Learning UTF-8 kodlamasını destekler. Veritabanınızdaki dize sütunları farklı bir kodlama kullanıyorsa, karakterler doğru şekilde içeri aktarılmayabilir.
Bu karakterleri korumak için kullanabileceğiniz bir seçenek, verileri Azure Storage 'da bir CSV dosyasına dışarı aktarmak ve CSV seçeneğini kodlama ile birlikte kullanarak özel sınırlayıcılar, kod sayfası vb. parametreleri belirtir.
şirket içi sunucum üzerinde bir Veri Yönetimi ağ geçidi ayarladım. Çalışma alanları arasında aynı ağ geçidini paylaşabilir
Hayır. Her çalışma alanı için ayrı bir ağ geçidi oluşturmanız gerekir.
birden çok Veri Yönetimi ağ geçitlerini tek bir çalışma alanında (örneğin, her biri geliştirme, test, üretim vb.) ayarlayabilmeniz halinde, bir ağ geçidi çalışma alanları genelinde paylaşılamaz.
Power BI veya Azure Data Factory için kullandığım şirket içi sunucuda bir Veri Yönetimi ağ geçidi ayarladım ve aynı ağ geçidini kullanmak için Machine Learning
her hizmet için ayrı bir Veri Yönetimi ağ geçidi gerekir. Power BI veya Azure Data Factory için kullanılmakta olan bir ağ geçidiniz zaten varsa, makine öğrenimi için ayrı bir sunucu ayarlamanız ve bir ağ geçidi kurmanız gerekir.
Tek bir sunucuya birden çok ağ geçidi yükleyemezsiniz.
verileri şirket içi SQL sunucusuna veremem istiyorum. şirket içi SQL sunucusuna veri yazmak için veri aktarma modülüyle ağ geçidini kullanabilir miyim?
şu anda Machine Learning yalnızca verilerin içeri aktarılmasını destekler. Gelecekte şirket içi veritabanınıza yazabilip yazamayacağını değerlendiriyoruz. bu sırada, verileri buluttan şirket içi veritabanınıza kopyalamak için Azure Data Factory kullanabilirsiniz.
Microsoft SQL Server olmayan bir veri kaynağıdır (Oracle, Teradata, vb.). verileri içeri aktarma modülündeki şirket içi seçeneğini kullanarak Machine Learning verileri okuyabilir miyim?
şu anda Machine Learning alma verisi modülü yalnızca Microsoft SQL Server destekler.
geçici bir çözüm olarak, şirket içi verilerinizi Azure Blob Depolama veya Azure veritabanı gibi bulut depolama alanına kopyalamak için Azure Data Factory kullanabilir ve sonra verileri içeri aktarma modülündeki bulut veri kaynağınızı kullanabilirsiniz.
Modül parametreleri
Name | Aralık | Tür | Varsayılan | Description |
---|---|---|---|---|
Veri kaynağı | Liste | Veri kaynağı veya havuz | Azure Blob Depolama | veri kaynağı, azure BLOB depolama, azure tablosu, Azure SQL Veritabanı, şirket içi SQL Server veritabanı, Hive tablosu veya bir OData uç noktası olmak üzere HTTP, FTP, anonim HTTPS veya ftps olabilir. |
Veri ağ geçidi | herhangi biri | DataGatewayName | yok | Veri ağ geçidi adı |
Veritabanı sunucusu adı | herhangi biri | Dize | yok | Şirket içi SQL Server |
Veritabanı adı | herhangi biri | Dize | yok | şirket içi SQL Server veritabanı örneği |
Kullanıcı adı ve parola | herhangi biri | SecureString | yok | Kullanıcı adı ve parola |
Veritabanı sorgusu | herhangi biri | StreamReader | yok | şirket içi SQL sorgusu |
Çıkışlar
Ad | Tür | Description |
---|---|---|
Sonuç veri kümesi | Veri tablosu | İndirilen verileri içeren veri kümesi |
Özel durumlar
Özel durum | Description |
---|---|
Hata 0027 | İki nesnenin aynı boyutta olması gerektiğinde bir özel durum oluşur, ancak bunlar değildir. |
Hata 0003 | Bir veya daha fazla giriş null veya boşsa bir özel durum oluşur. |
Hata 0029 | Geçersiz bir URI geçirildiğinde bir özel durum oluşur. |
Hata 0030 | bir dosya indirmek mümkün olmadığında içinde bir özel durum oluşur. |
Hata 0,0002 | Bir veya daha fazla parametre ayrıştırılamadıysanız veya belirtilen türden hedef yöntem tarafından istenen türe dönüştürülemiyorsa bir özel durum oluşur. |
Hata 0048 | Bir dosya açmak mümkün olmadığında bir özel durum oluşur. |
Hata 0015 | Veritabanı bağlantısı başarısız olursa bir özel durum oluşur. |
Hata 0046 | Belirtilen yolda bir dizin oluşturmak mümkün olmadığında bir özel durum oluşur. |
Hata 0049 | Bir dosya ayrıştırılmaya mümkün olmadığında bir özel durum oluşur. |
Studio (klasik) modüllerine özgü hataların listesi için bkz. Machine Learning hata kodları.
apı özel durumlarının listesi için bkz. Machine Learning REST API hata kodları.
Ayrıca bkz.
Verileri İçeri Aktarma
Verileri dışarı aktar
HTTP aracılığıyla Web URL’sinden içeri aktarma
Hive sorgusundan içeri aktar
Azure SQL Veritabanı’ndan içeri aktarma
Azure tablosundan içeri aktar
Azure Blob Depolama içeri aktar
Veri akışı sağlayıcılarından al