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

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
`$schema`	string	YAML 結構描述。如果您使用 Azure Machine Learning VS Code 擴充功能來撰寫 YAML 檔案，在檔案頂端包含 `$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。

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）。