共用方式為


CLI (v2) 鏈接已啟用 Azure Arc 的 Kubernetes 叢集 (KubernetesCompute) YAML 架構

適用於:Azure CLI ml 延伸模組 v2 (目前)

您可以在 找到 https://azuremlschemas.azureedge.net/latest/kubernetesCompute.schema.json來源 JSON 架構。

注意

本文件中詳述的 YAML 語法是以最新版 ML CLI v2 延伸模組的 JSON 結構描述為基礎。 此語法僅保證能與最新版的 ML CLI v2 延伸模組搭配運作。 您可以在 https://azuremlschemasprod.azureedge.net/ 找到舊版延伸模組的結構描述。

YAML 語法

機碼 類型 描述 允許的值 預設值
$schema string YAML 結構描述。 如果您使用 Azure Machine Learning VS Code 擴充功能來撰寫 YAML 檔案,在檔案頂端包含 $schema 可讓您叫用結構描述和資源完成。
type string 必要。 計算的類型。 kubernetes
name 字串 必要。 計算的名稱。
description 字串 計算的描述。
resource_id 字串 已啟用 Azure Arc 的 Kubernetes 叢集的完整資源識別碼,以作為計算目標連結至工作區。
namespace 字串 要用於計算目標的 Kubernetes 命名空間。 命名空間必須在 Kubernetes 叢集中建立,才能將叢集附加至工作區作為計算目標。 在此計算目標上執行的所有 Azure 機器學習 工作負載都會在此欄位中指定的命名空間下執行。
identity object 要指派給計算的受控識別組態。 KubernetesCompute 叢集僅支援一個系統指派的身分識別或多個使用者指派的身分識別,而不是同時支援這兩者。
identity.type 字串 要指派給計算的受控識別類型。 如果類型為 user_assigned,則也必須指定 identity.user_assigned_identities 屬性。 system_assigned, user_assigned
identity.user_assigned_identities 陣列 使用者指派身分識別的完整資源識別碼清單。

備註

這些az ml compute命令可用來管理連結至 Azure 機器學習 工作區的已啟用 Azure Arc 的 Kubernetes 叢集 (KubernetesCompute)。

下一步