AdlaStep 類別
建立 Azure ML 管線步驟,以使用 Azure Data Lake Analytics執行 U-SQL 腳本。
如需使用此 AdlaStep 的範例,請參閱筆記本 https://aka.ms/pl-adla 。
建立 Azure ML 管線步驟,以使用 Azure Data Lake Analytics執行 U-SQL 腳本。
- 繼承
-
azureml.pipeline.core._adla_step_base._AdlaStepBaseAdlaStep
建構函式
AdlaStep(script_name, name=None, inputs=None, outputs=None, params=None, degree_of_parallelism=None, priority=None, runtime_version=None, compute_target=None, source_directory=None, allow_reuse=True, version=None, hash_paths=None)
參數
- inputs
- list[Union[InputPortBinding, DataReference, PortDataReference, PipelineData]]
輸入埠系結的清單。
輸出埠系結的清單。
- allow_reuse
- bool
指出當使用相同的設定重新執行時,此步驟是否應該重複使用先前的結果。 預設會啟用重複使用。 如果步驟內容 (腳本/相依性) 以及輸入和參數保持不變,則會重複使用此步驟上一次執行的輸出。 重複使用步驟時,不會提交要計算的作業,而是立即提供給任何後續步驟使用上一次執行的結果。 如果您使用 Azure Machine Learning 資料集作為輸入,重複使用取決於資料集的定義是否已變更,而不是基礎資料是否已變更。
- hash_paths
- list
已淘汰:不再需要。
檢查步驟內容的變更時,雜湊的路徑清單。 如果未偵測到任何變更,管線將會重複使用上一次執行的步驟內容。 根據預設,的內容 source_directory
會雜湊,但 .amlignore 或 .gitignore 中列出的檔案除外。
- outputs
- list[Union[PipelineData, <xref:azureml.pipeline.core.pipeline_output_dataset.PipelineAbstractOutputDataset>, OutputPortBinding]]
輸出埠系結的清單。
- allow_reuse
- bool
指出當使用相同的設定重新執行時,此步驟是否應該重複使用先前的結果。 預設會啟用重複使用。 如果步驟內容 (腳本/相依性) 以及輸入和參數保持不變,則會重複使用此步驟上一次執行的輸出。 重複使用步驟時,不會提交要計算的作業,而是立即提供給任何後續步驟使用上一次執行的結果。 如果您使用 Azure Machine Learning 資料集作為輸入,重複使用取決於資料集的定義是否已變更,而不是基礎資料是否已變更。
- hash_paths
- list
已淘汰:不再需要。
檢查步驟內容的變更時,雜湊的路徑清單。 如果未偵測到任何變更,管線將會重複使用上一次執行的步驟內容。 根據預設,的內容 source_directory
會雜湊,但 .amlignore 或 .gitignore 中列出的檔案除外。
備註
您可以在腳本中使用 @@name@@ 語法來參考輸入、輸出和參數。
如果 name 是輸入或輸出埠系結的名稱,腳本中任何出現的 @@name@@ ,就會取代為對應埠系結的實際資料路徑。
如果 name 符合 params 聽寫中的任何索引鍵,則任何出現的 @@name@@ 都會取代為聽寫中的對應值。
AdlaStep 僅適用于儲存在Data Lake Analytics帳戶之預設Data Lake Storage中的資料。 如果資料位於非預設儲存體中,請使用 DataTransferStep 將資料複製到預設儲存體。 您可以在Azure 入口網站中開啟Data Lake Analytics帳戶,然後流覽至左窗格中 [設定] 底下的 [資料來源] 專案,以尋找預設儲存體。
下列範例示範如何在 Azure Machine Learning 管線中使用 AdlaStep。
adla_step = AdlaStep(
name='extract_employee_names',
script_name='sample_script.usql',
source_directory=sample_folder,
inputs=[sample_input],
outputs=[sample_output],
compute_target=adla_compute)
方法
create_node |
從 AdlaStep 步驟建立節點,並將其新增至指定的圖形。 這個方法不適合直接使用。 使用此步驟具現化管線時,Azure ML 會自動傳遞透過此方法所需的參數,以便將步驟新增至代表工作流程的管線圖形。 |
create_node
從 AdlaStep 步驟建立節點,並將其新增至指定的圖形。
這個方法不適合直接使用。 使用此步驟具現化管線時,Azure ML 會自動傳遞透過此方法所需的參數,以便將步驟新增至代表工作流程的管線圖形。
create_node(graph, default_datastore, context)
參數
- context
- <xref:azureml.pipeline.core._GraphContext>
圖形內容。
傳回
node 物件。
傳回類型
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應