共用方式為


AdlaCompute 類別

管理 Azure Machine Learning 中的 Azure Data Lake Analytics計算目標。

Azure Data Lake Analytics 是 Azure 雲端中的巨量資料分析平台。 它可以當做具有 Azure Machine Learning 管線的計算目標使用。 如需詳細資訊,請參閱 什麼是 Azure Machine Learning 中的計算目標?

類別 ComputeTarget 建構函式。

擷取與所提供工作區相關聯的 Compute 物件的雲端標記法。 傳回對應至所擷取之 Compute 物件之特定類型的子類別實例。

繼承
AdlaCompute

建構函式

AdlaCompute(workspace, name)

參數

名稱 Description
workspace
必要

包含要擷取之 AdlaCompute 物件的工作區物件。

name
必要
str

要擷取之 AdlaCompute 物件的名稱。

workspace
必要

包含要擷取之 Compute 物件的工作區物件。

name
必要
str

要擷取之 Compute 物件的 名稱。

備註

在使用 Azure Data Lake Analytics 之前,請先建立其帳戶。 若要建立一個,請參閱開始使用 Azure Data Lake Analytics

下列範例示範如何使用 方法,將 ADLA 帳戶附加至工作區 attach_configuration


   adla_compute_name = 'testadl' # Name to associate with new compute in workspace

   # ADLA account details needed to attach as compute to workspace
   adla_account_name = "<adla_account_name>" # Name of the Azure Data Lake Analytics account
   adla_resource_group = "<adla_resource_group>" # Name of the resource group which contains this account

   try:
       # check if already attached
       adla_compute = AdlaCompute(ws, adla_compute_name)
   except ComputeTargetException:
       print('attaching adla compute...')
       attach_config = AdlaCompute.attach_configuration(resource_group=adla_resource_group, account_name=adla_account_name)
       adla_compute = ComputeTarget.attach(ws, adla_compute_name, attach_config)
       adla_compute.wait_for_completion()

   print("Using ADLA compute:{}".format(adla_compute.cluster_resource_id))
   print("Provisioning state:{}".format(adla_compute.provisioning_state))
   print("Provisioning errors:{}".format(adla_compute.provisioning_errors))

完整範例可從 https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/machine-learning-pipelines/intro-to-pipelines/aml-pipelines-use-adla-as-compute-target.ipynb

方法

attach

已淘汰。 請改用 attach_configuration 方法。

將現有的 Azure Data Lake Analytics計算資源與提供的工作區產生關聯。

attach_configuration

建立設定物件以附加 Azure Data Lake Analytics計算目標。

delete

從相關聯的工作區中移除 AdlaCompute 物件。

如果此物件是透過 Azure Machine Learning 建立的,則也會刪除對應的雲端式物件。 如果此物件是在外部建立,而且只會附加至工作區,則會引發 ComputeTargetException ,而且不會變更任何專案。

deserialize

將 JSON 物件轉換成 AdlaCompute 物件。

detach

將 AdlaCompute 物件與其相關聯的工作區中斷連結。

基礎雲端物件不會刪除,只會移除關聯。

refresh_state

執行物件的屬性就地更新。

此方法會根據對應雲端物件的目前狀態來更新屬性。 這主要用於手動輪詢計算狀態。

serialize

將此 AdlaCompute 物件轉換成 JSON 序列化字典。

attach

已淘汰。 請改用 attach_configuration 方法。

將現有的 Azure Data Lake Analytics計算資源與提供的工作區產生關聯。

static attach(workspace, name, resource_id)

參數

名稱 Description
workspace
必要

要與計算資源建立關聯的工作區物件。

name
必要
str

要與所提供工作區內計算資源建立關聯的名稱。 不需要符合要附加的計算資源名稱。

resource_id
必要
str

所連結計算資源的 Azure 資源識別碼。

傳回

類型 Description

計算物件的 AdlaCompute 物件表示。

例外狀況

類型 Description

attach_configuration

建立設定物件以附加 Azure Data Lake Analytics計算目標。

static attach_configuration(resource_group=None, account_name=None, resource_id=None)

參數

名稱 Description
resource_group
str

Data Lake Analytics帳戶所在的資源組名。

預設值: None
account_name
str

Data Lake Analytics 帳戶名稱。

預設值: None
resource_id
str

所連結計算資源的 Azure 資源識別碼。

預設值: None

傳回

類型 Description

附加計算物件時要使用的組態物件。

例外狀況

類型 Description

delete

從相關聯的工作區中移除 AdlaCompute 物件。

如果此物件是透過 Azure Machine Learning 建立的,則也會刪除對應的雲端式物件。 如果此物件是在外部建立,而且只會附加至工作區,則會引發 ComputeTargetException ,而且不會變更任何專案。

delete()

例外狀況

類型 Description

deserialize

將 JSON 物件轉換成 AdlaCompute 物件。

static deserialize(workspace, object_dict)

參數

名稱 Description
workspace
必要

AdlaCompute 物件的工作區物件與 相關聯。

object_dict
必要

要轉換成 AdlaCompute 物件的 JSON 物件。

傳回

類型 Description

所提供 JSON 物件的 AdlaCompute 標記法。

例外狀況

類型 Description

備註

ComputeTargetException如果提供的工作區不是計算相關聯的工作區,則引發 。

detach

將 AdlaCompute 物件與其相關聯的工作區中斷連結。

基礎雲端物件不會刪除,只會移除關聯。

detach()

例外狀況

類型 Description

refresh_state

執行物件的屬性就地更新。

此方法會根據對應雲端物件的目前狀態來更新屬性。 這主要用於手動輪詢計算狀態。

refresh_state()

例外狀況

類型 Description

serialize

將此 AdlaCompute 物件轉換成 JSON 序列化字典。

serialize()

傳回

類型 Description

這個 AdlaCompute 物件的 JSON 表示。

例外狀況

類型 Description