az ml datastore

Nota:

Esta referencia forma parte de la extensión ml para la CLI de Azure (versión 2.15.0 o posterior). La extensión instalará automáticamente la primera vez que ejecute un comando az ml datastore . Obtenga más información sobre las extensiones.

Administración de almacenes de datos de Azure ML.

Los almacenes de datos de Azure ML vinculan de forma segura los servicios de Azure Storage al área de trabajo para que pueda acceder al almacenamiento sin tener que codificar de forma rígida la información de conexión en los scripts. Los secretos de conexión, como las credenciales de autenticación del servicio de almacenamiento, se almacenan en key Vault del área de trabajo.

Al crear un área de trabajo, se crea automáticamente una cuenta de Azure Storage como un recurso asociado. Se crea un contenedor de blobs en esta cuenta y su información de conexión se almacena como un almacén de datos denominado "workspaceblobstore". Esto sirve como almacén de datos predeterminado del área de trabajo y el contenedor de blobs se usa para almacenar los artefactos del área de trabajo y los registros y salidas del trabajo de aprendizaje automático.

Comandos

Nombre	Description	Tipo	Estado
az ml datastore create	Crear un almacén de datos.	Extensión	GA
az ml datastore delete	Elimine un almacén de datos.	Extensión	GA
az ml datastore list	Enumerar almacenes de datos en un área de trabajo.	Extensión	GA
az ml datastore mount	Monte un almacén de datos específico en una ruta de acceso local. Por ahora solo se admite Linux.	Extensión	Vista previa
az ml datastore show	Mostrar detalles de un almacén de datos.	Extensión	GA
az ml datastore update	Actualizar un almacén de datos.	Extensión	GA

az ml datastore create

Crear un almacén de datos.

Esto conecta el servicio de almacenamiento de Azure subyacente al área de trabajo. Los tipos de servicio de almacenamiento a los que se puede conectar actualmente mediante la creación de un almacén de datos incluyen Azure Blob Storage, Azure File Share, Azure Data Lake Storage Gen1 y Azure Data Lake Storage Gen2.

az ml datastore create --file
                       --resource-group
                       --workspace-name
                       [--name]
                       [--set]

Ejemplos

Creación de un almacén de datos a partir de un archivo de especificación de YAML

az ml datastore create --file blobstore.yml --resource-group my-resource-group --workspace-name my-workspace

Parámetros requeridos

--file -f

Ruta de acceso local al archivo YAML que contiene la especificación del almacén de datos de Azure ML. Los documentos de referencia de YAML para el almacén de datos se pueden encontrar en: https://aka.ms/ml-cli-v2-datastore-blob-yaml-reference, https://aka.ms/ml-cli-v2-datastore-file-yaml-reference, https://aka.ms/ml-cli-v2-datastore-data-lake-gen1-yaml-reference, . https://aka.ms/ml-cli-v2-datastore-data-lake-gen2-yaml-reference

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--name -n

Nombre del almacén de datos. Esto sobrescribe el campo "name" del archivo YAML proporcionado a --file/-f.

--set

Actualice un objeto especificando una ruta de acceso de propiedad y un valor que se va a establecer. Ejemplo: --set property1.property2=.

Parámetros globales

--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc

valor predeterminado: json

--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml datastore delete

Elimine un almacén de datos.

Esto elimina la información de conexión al servicio de almacenamiento del área de trabajo, pero no elimina los datos subyacentes en el almacenamiento.

az ml datastore delete --name
                       --resource-group
                       --workspace-name

Parámetros requeridos

--name -n

Nombre del almacén de datos.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros globales

--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc

valor predeterminado: json

--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml datastore list

Enumerar almacenes de datos en un área de trabajo.

az ml datastore list --resource-group
                     --workspace-name
                     [--max-results]

Ejemplos

Enumere todos los almacenes de datos de un área de trabajo mediante el argumento --query para ejecutar una consulta JMESPath en los resultados de los comandos.

az ml datastore list --query "[].{Name:name}"  --output table --resource-group my-resource-group --workspace-name my-workspace

Parámetros requeridos

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--max-results -r

Número máximo de resultados que se van a devolver.

Parámetros globales

--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc

valor predeterminado: json

--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml datastore mount

Vista previa

Este comando está en versión preliminar y en desarrollo. Niveles de referencia y soporte técnico: https://aka.ms/CLI_refstatus

Monte un almacén de datos específico en una ruta de acceso local. Por ahora solo se admite Linux.

az ml datastore mount --path
                      [--mode]
                      [--mount-point]
                      [--persistent]
                      [--resource-group]
                      [--workspace-name]

Ejemplos

Montaje de un almacén de datos por nombre

az ml datastore mount --mount-point /mnt/my-datastore --mode ro_mount --path my-datastore

Montaje de un almacén de datos mediante la dirección URL de forma abreviada del almacén de datos

az ml datastore mount --mount-point /mnt/my-datastore --mode ro_mount --path azureml://datastores/my-datastore

Montaje de un almacén de datos por dirección URL de formato largo del almacén de datos

az ml datastore mount --mount-point /mnt/my-datastore --mode ro_mount --path azureml://subscriptions/my-sub-id/resourcegroups/my-rg/providers/Microsoft.MachineLearningServices/workspaces/myworkspace/datastores/my-datastore

Parámetros requeridos

--path

Ruta de acceso del almacén de datos que se va a montar, en forma de <datastore_name> o azureml://datastores/<datastore_name>.

Parámetros opcionales

--mode

Modo de montaje, ya sea ro_mount (solo lectura) o rw_mount (lectura y escritura).

valor predeterminado: ro_mount

--mount-point

Ruta de acceso local que se usa como punto de montaje.

valor predeterminado: /home/azureuser/mount/data

--persistent

Hacer que el montaje persista en los reinicios. Solo se admite en la instancia de proceso.

valor predeterminado: False

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros globales

--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc

valor predeterminado: json

--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml datastore show

Mostrar detalles de un almacén de datos.

az ml datastore show --name
                     --resource-group
                     --workspace-name

Parámetros requeridos

--name -n

Nombre del almacén de datos.

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros globales

--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc

valor predeterminado: json

--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.

az ml datastore update

Actualizar un almacén de datos.

Se pueden actualizar las propiedades 'description', 'tags' y 'credential'.

az ml datastore update --resource-group
                       --workspace-name
                       [--add]
                       [--file]
                       [--force-string]
                       [--name]
                       [--remove]
                       [--set]

Parámetros requeridos

--resource-group -g

Nombre del grupo de recursos. Puede configurar el grupo predeterminado mediante az configure --defaults group=<name>.

--workspace-name -w

Nombre del área de trabajo de Azure ML. Puede configurar el área de trabajo predeterminada mediante az configure --defaults workspace=<name>.

Parámetros opcionales

--add

Agregue un objeto a una lista de objetos especificando una ruta de acceso y pares clave-valor. Ejemplo: --add property.listProperty <key=value, string or JSON string>.

valor predeterminado: []

--file -f

Ruta de acceso local al archivo YAML que contiene la especificación del almacén de datos de Azure ML. Los documentos de referencia de YAML para el almacén de datos se pueden encontrar en: https://aka.ms/ml-cli-v2-datastore-blob-yaml-reference, https://aka.ms/ml-cli-v2-datastore-file-yaml-reference, https://aka.ms/ml-cli-v2-datastore-data-lake-gen1-yaml-reference, . https://aka.ms/ml-cli-v2-datastore-data-lake-gen2-yaml-reference

--force-string

Al usar 'set' o 'add', conserve los literales de cadena en lugar de intentar convertir en JSON.

valor predeterminado: False

--name -n

Nombre del almacén de datos. Esto sobrescribe el campo "name" del archivo YAML proporcionado a --file/-f.

--remove

Quite una propiedad o un elemento de una lista. Ejemplo: --remove property.list <indexToRemove> O --remove propertyToRemove.

valor predeterminado: []

--set

Actualice un objeto especificando una ruta de acceso de propiedad y un valor que se va a establecer. Ejemplo: --set property1.property2=<value>.

valor predeterminado: []

Parámetros globales

--debug

Aumente el nivel de detalle de registro para mostrar todos los registros de depuración.

--help -h

Muestre este mensaje de ayuda y salga.

--only-show-errors

Mostrar solo los errores y suprimir las advertencias.

--output -o

Formato de salida.

valores aceptados: json, jsonc, none, table, tsv, yaml, yamlc

valor predeterminado: json

--query

Cadena de consulta de JMESPath. Para más información y ejemplos, consulte http://jmespath.org/.

--subscription

Nombre o identificador de la suscripción Puede configurar la suscripción predeterminada mediante az account set -s NAME_OR_ID.

--verbose

Aumente el nivel de detalle de registro. Use --debug para obtener registros de depuración completos.