Poznámka
Přístup k této stránce vyžaduje autorizaci. Můžete se zkusit přihlásit nebo změnit adresáře.
Přístup k této stránce vyžaduje autorizaci. Můžete zkusit změnit adresáře.
platí pro: SQL Server 2019 (15.x) – Linux
Tento článek vysvětluje, jak nainstalovat SQL Server Machine Learning Services do Dockeru. Pomocí služby Machine Learning Services můžete spouštět skripty Pythonu a R v databázi. Neposkytujeme předem připravené kontejnery se službou Machine Learning Services. Můžete ho vytvořit z kontejnerů SQL Serveru pomocí ukázkové šablony dostupné na GitHubu.
Požadavky
Rozhraní příkazového řádku Gitu
Docker Engine 1.8 nebo novější v jakékoli podporované linuxové distribuci. Další informace naleznete v části Získání Dockeru. SQL Server v kontejnerech se v systémech Windows nebo macOS nepodporuje pro produkční použití.
Klonování úložiště mssql-docker
Následující příkaz naklonuje úložiště mssql-docker
git do místního adresáře.
Otevřete terminál Bash v Linuxu nebo Macu.
Vytvořte adresář pro uložení místní kopie úložiště mssql-docker.
Spuštěním příkazu git clone naklonujte úložiště mssql-docker:
git clone https://github.com/microsoft/mssql-docker mssql-docker
Sestavení image kontejneru SQL Serveru s Linuxem
Pokud chcete sestavit image Dockeru, proveďte následující kroky:
Změňte adresář na adresář mssql-mlservices:
/mssql-docker/linux/preview/examples/mssql-mlservices
Ve stejném adresáři spusťte následující příkaz:
docker build -t mssql-server-mlservices .
Spusťte příkaz:
Důležitý
Proměnná prostředí
SA_PASSWORD
je zastaralá. Místo toho použijteMSSQL_SA_PASSWORD
.docker run -d -e MSSQL_PID=Developer -e ACCEPT_EULA=Y -e ACCEPT_EULA_ML=Y -e MSSQL_SA_PASSWORD=<password> -v <directory on the host OS>:/var/opt/mssql -p 1433:1433 mssql-server-mlservices
Poznámka
Pro MSSQL_PID můžete použít některou z následujících hodnot: Developer (free), Express (free), Enterprise (placené), Standard (placené). Pokud používáte placenou edici, ujistěte se, že jste zakoupili licenci. Nahraďte
<password>
skutečným heslem. Připojení svazku pomocí-v
je volitelné. Nahraďte<directory on the host OS>
skutečným adresářem, do kterého chcete připojit data databáze a soubory protokolů.Potvrďte spuštěním následujícího příkazu:
docker ps -a
Poznámka
Pokud chcete sestavit image Dockeru, musíte nainstalovat balíčky, které mají velikost několika GB. Spuštění skriptu může nějakou dobu trvat v závislosti na šířce pásma sítě.
Spuštění image kontejneru SQL Serveru s Linuxem
Před spuštěním kontejneru nastavte proměnné prostředí. Nastavte proměnnou prostředí PATH_TO_MSSQL na hostitelský adresář:
export MSSQL_PID='Developer' export ACCEPT_EULA='Y' export ACCEPT_EULA_ML='Y' export PATH_TO_MSSQL='/home/mssql/'
Poznámka
Proces spouštění produkčních edicí SQL Serveru v kontejnerech se mírně liší. Další informace najdete v tématu Konfigurace imagí kontejneru SQL Serveru naDockeru . Pokud používáte stejné názvy kontejnerů a porty, zbývající část tohoto návodu stále funguje s produkčními kontejnery.
Pokud chcete zobrazit kontejnery, spusťte příkaz
docker ps
:sudo docker ps -a
Pokud sloupec STATUS zobrazuje stav up, SQL Server běží v kontejneru a naslouchá na portu zadaném ve sloupci PORTY. Pokud sloupec STAV kontejneru SQL Serveru zobrazuje Ukončeno, podívejte se do části Řešení problémů v konfiguračním průvodci.
Výstup:
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES 941e1bdf8e1d mcr.microsoft.com/mssql/server/mssql-server-linux "/bin/sh -c /opt/m..." About an hour ago Up About an hour 0.0.0.0:1401->1433/tcp sql1
Povolit služby strojového učení
Pokud chcete službu Machine Learning Services povolit, připojte se k instanci SQL Serveru a spusťte následující příkaz T-SQL:
EXECUTE sp_configure 'external scripts enabled', 1;
RECONFIGURE WITH OVERRIDE;
Související obsah
- Kurz k Pythonu: Nasazení modelu lineární regrese s využitím strojového učení SQL
- Kurz Pythonu: Kategorizace zákazníků pomocí clusteringu K-Means s využitím strojového učení SQL
- rychlý start : Spouštění jednoduchých skriptů jazyka R s využitím strojového učení SQL
- Návod R: Předpověď jízdného taxislužby v NYC pomocí binární klasifikace