Pianificare processi di importazione dati (anteprima)

SI APPLICA A:Estensione ML dell'interfaccia della riga di comando di Azure v2 (corrente)Python SDK azure-ai-ml v2 (corrente)

Questo articolo spiega come pianificare importazioni di dati programmaticamente e usare l'interfaccia utente di pianificazione per eseguire la stessa operazione. È possibile creare una pianificazione in base al tempo trascorso. Le pianificazioni basate sul tempo possono gestire le attività di routine, ad esempio le normali importazioni di dati per mantenerle aggiornate. Dopo aver appreso come creare pianificazioni, si apprenderà come recuperarle, aggiornarle e disattivarle tramite l’interfaccia della riga di comando, l’SDK e le risorse dell'interfaccia utente di Studio.

Prerequisiti

• L’uso di Azure Machine Learning richiede una sottoscrizione di Azure. Se non si ha una sottoscrizione di Azure, creare un account gratuito prima di iniziare. Provare la versione gratuita o a pagamento di Azure Machine Learning.

Interfaccia della riga di comando di Azure

• Installare l'interfaccia della riga di comando di Azure e l'estensione ml. Effettuare la procedura di installazione riportata in Installare, configurare e usare l'interfaccia della riga di comando (v2).

• Se non è presente, creare un'area di lavoro di Azure Machine Learning. Per la creazione di un’area di lavoro, vedere Installare, configurare e usare l'interfaccia della riga di comando (v2).

Python SDK

• Se non è presente, creare un'area di lavoro di Azure Machine Learning.
• SDK Python v2 di Azure Machine Learning.

Studio

• Un'area di lavoro di Azure Machine Learning. Vedere Creare risorse dell'area di lavoro.
• Riconoscimento delle pipeline di Azure Machine Learning. Vedere che cosa sono le pipeline di Machine Learning e come creare un processo della pipeline nell'interfaccia della riga di comando v2 o nell’SDK v2.

Pianificare un’importazione dati

Per l’importazione di dati su base ricorrente, è necessario creare una pianificazione. Una Schedule associa un'azione di importazione dati con un trigger. Il trigger può essere cron, che usa un'espressione cron per descrivere il ritardo tra le esecuzioni o un oggetto recurrence, che specifica la frequenza per attivare un processo. In ogni caso, occorre prima creare una definizione di importazione dati. È possibile scegliere un'importazione dati esistente o definita inline. Per altre informazioni, vedere Creare un'importazione di dati nell'interfaccia della riga di comando, nell'SDK e nell'interfaccia utente.

Creare una programmazione

Creare una pianificazione basata sul tempo con il modello di ricorrenza

Interfaccia della riga di comando di Azure

SI APPLICA A: estensione ML dell'interfaccia della riga di comando di Azure v2 (corrente)

YAML: pianificare l'importazione dati con un criterio di ricorrenza

$schema: https://azuremlschemas.azureedge.net/latest/schedule.schema.json
name: simple_recurrence_import_schedule
display_name: Simple recurrence import schedule
description: a simple hourly recurrence import schedule

trigger:
  type: recurrence
  frequency: day #can be minute, hour, day, week, month
  interval: 1 #every day
  schedule:
    hours: [4,5,10,11,12]
    minutes: [0,30]
  start_time: "2022-07-10T10:00:00" # optional - default will be schedule creation time
  time_zone: "Pacific Standard Time" # optional - default will be UTC

import_data: ./my-snowflake-import-data.yaml

YAML: pianificare una definizione di importazione dati inline con un criterio di ricorrenza nell'archivio dati gestito

$schema: https://azuremlschemas.azureedge.net/latest/schedule.schema.json
name: inline_recurrence_import_schedule
display_name: Inline recurrence import schedule
description: an inline hourly recurrence import schedule

trigger:
  type: recurrence
  frequency: day #can be minute, hour, day, week, month
  interval: 1 #every day
  schedule:
    hours: [4,5,10,11,12]
    minutes: [0,30]
  start_time: "2022-07-10T10:00:00" # optional - default will be schedule creation time
  time_zone: "Pacific Standard Time" # optional - default will be UTC

import_data:
  type: mltable
  name: my_snowflake_ds
  path: azureml://datastores/workspacemanagedstore
  source:
    type: database
    query: select * from TPCH_SF1.REGION
    connection: azureml:my_snowflake_connection

Un trigger contiene queste proprietà:

• (Obbligatorio) type specifica il tipo di pianificazione, recurrence o cron. La sezione seguente contiene altre informazioni.

Eseguire, quindi, questo comando nell'interfaccia della riga di comando:

> az ml schedule create -f <file-name>.yml

Python SDK

SI APPLICA A: Python SDK azure-ai-ml v2 (corrente)

from azure.ai.ml.data_transfer import Database
from azure.ai.ml.constants import TimeZone
from azure.ai.ml.entities import (
    ImportDataSchedule,
    RecurrenceTrigger,
    RecurrencePattern,
)
from datetime import datetime

source = Database(connection="azureml:my_sf_connection", query="select * from my_table")

path = "azureml://datastores/workspaceblobstore/paths/snowflake/schedule/${{name}}"


my_data = DataImport(
    type="mltable", source=source, path=path, name="my_schedule_sfds_test"
)

schedule_name = "my_simple_sdk_create_schedule_recurrence"

schedule_start_time = datetime.utcnow()

recurrence_trigger = RecurrenceTrigger(
    frequency="day",
    interval=1,
    schedule=RecurrencePattern(hours=1, minutes=[0, 1]),
    start_time=schedule_start_time,
    time_zone=TimeZone.UTC,
)

import_schedule = ImportDataSchedule(
    name=schedule_name, trigger=recurrence_trigger, import_data=my_data
)

ml_client.schedules.begin_create_or_update(import_schedule).result()

RecurrenceTrigger contiene le proprietà seguenti:

• (Obbligatorio) Per un'esperienza di codifica migliore, usare RecurrenceTrigger per la pianificazione delle ricorrenze.

Studio

Quando le prestazioni e gli output dell’importazione dati sono soddisfacenti, è possibile configurare una pianificazione per l’attivazione automatica di quella importazione.

1. Passare ad Azure Machine Learning Studio

2. Nel riquadro di spostamento a sinistra selezionare Dati in Asset. Nella scheda Importazione dati, selezionare l'asset di dati importati a cui collegare una pianificazione. Viene visualizzata la pagina Importa cronologia processi, come illustrato in questo screenshot:

   

3. Nella pagina Importa cronologia processi, selezionare l'hyperlink URL Importa nome processo più recente per aprire la pagina dei dettagli del processo delle pipeline, come illustrato in questo screenshot:

   

4. Nella pagina dei dettagli del processo della pipeline di un’importazione dati selezionare Pianificazione ->Crea nuova pianificazione per aprire la procedura guidata di creazione della pianificazione, come illustrato in questo screenshot:

   

5. Le Impostazioni di base della procedura guidata di creazione della pianificazione includono le proprietà visualizzate in questo screenshot:

   

• Nome: identificatore univoco della pianificazione nell'area di lavoro.

• Descrizione: descrizione della pianificazione.

• Trigger: criterio di ricorrenza della pianificazione, che include queste proprietà:

  • Fuso orario: il calcolo dell'ora di attivazione si basa su questo fuso orario; per impostazione predefinita, è UTC (Coordinated Universal Time).
  • Ricorrenza o Espressione cron: selezionare la ricorrenza per specificare il criterio ricorrente. In Ricorrenza è possibile specificare la frequenza di ricorrenza in minuti, ore, giorni, settimane o mesi.
  • Avvio: la pianificazione diventa attiva per la prima volta in questa data. Per impostazione predefinita, la data di creazione di questa pianificazione.
  • Fine: la pianificazione diventerà inattiva dopo questa data. Per impostazione predefinita è NONE, vale a dire che la pianificazione rimane attiva fino a quando viene disabilitata manualmente.
  • Tag: tag della pianificazione selezionati.

  Dopo aver configurato le impostazioni di base, è possibile selezionare Rivedi + Crea; in tal modo, la pianificazione invierà automaticamente l'importazione dati in base al criterio di ricorrenza specificato. È possibile anche selezionare Avanti e passare alla procedura guidata per selezionare o aggiornare i parametri dell’importazione dati.

Nota

Queste proprietà si applicano solo all’interfaccia della riga di comando e all’SDK:

• (Obbligatorio) frequency specifica l'unità di tempo che descrive la frequenza con cui viene attivata la pianificazione. Può avere valori

  • minute
  • hour
  • day
  • week
  • month

• (Obbligatorio) interval specifica la frequenza di attivazione della pianificazione in base alla frequenza, vale a dire il numero di unità di tempo di attesa fino alla successiva attivazione della pianificazione.

• (Facoltativo) schedule definisce il criterio di ricorrenza contenente hours, minutes e weekdays.

  • Quando frequency è uguale a day, un criterio può specificare hours e minutes.
  • Quando frequency è uguale a week e month, un criterio può specificare hours, minutes e weekdays.
  • hours deve essere un numero intero o un elenco, compreso tra 0 e 23.
  • minutes deve essere un numero intero o un elenco, compreso tra 0 e 59.
  • weekdays è una stringa o un elenco compreso tra monday e sunday.
  • Se schedule viene omesso, i processi vengono attivati in base alla logica di start_time, frequency e interval.

• (Facoltativo) start_time descrive la data e l'ora di inizio, con un fuso orario. Se start_time viene omesso, start_time equivale all’ora di creazione del processo. Per un'ora di inizio nel passato, il primo processo viene eseguito in occasione dell’ora di esecuzione successiva calcolata.

• (Facoltativo) end_time descrive la data e l'ora di fine, con un fuso orario. Se end_time viene omesso, la pianificazione continua ad attivare i processi fino a quando la pianificazione viene disabilitata manualmente.

• (Facoltativo) time_zone specifica il fuso orario della ricorrenza. Se viene omesso, il fuso orario predefinito è UTC. Per altre informazioni sui valori del fuso orario, vedere appendice per i valori del fuso orario.

Creare una pianificazione basata sul tempo con l'espressione cron

Interfaccia della riga di comando di Azure

YAML: pianificare un'importazione dati con un’espressione cron

SI APPLICA A: estensione ML dell'interfaccia della riga di comando di Azure v2 (corrente)

YAML: pianificare un'importazione dati con un’espressione cron (anteprima)

$schema: https://azuremlschemas.azureedge.net/latest/schedule.schema.json
name: simple_cron_import_schedule
display_name: Simple cron import schedule
description: a simple hourly cron import schedule

trigger:
  type: cron
  expression: "0 * * * *"
  start_time: "2022-07-10T10:00:00" # optional - default will be schedule creation time
  time_zone: "Pacific Standard Time" # optional - default will be UTC

import_data: ./my-snowflake-import-data.yaml

YAML: pianificare una definizione di importazione dati inline con un’espressione cron (anteprima)

$schema: https://azuremlschemas.azureedge.net/latest/schedule.schema.json
name: inline_cron_import_schedule
display_name: Inline cron import schedule
description: an inline hourly cron import schedule

trigger:
  type: cron
  expression: "0 * * * *"
  start_time: "2022-07-10T10:00:00" # optional - default will be schedule creation time
  time_zone: "Pacific Standard Time" # optional - default will be UTC

import_data:
  type: mltable
  name: my_snowflake_ds
  path: azureml://datastores/workspaceblobstore/paths/snowflake/${{name}}
  source:
    type: database
    query: select * from TPCH_SF1.REGION
    connection: azureml:my_snowflake_connection

La sezione trigger definisce i dettagli della pianificazione e contiene queste proprietà:

• (Obbligatorio) type specifica il tipo di pianificazione cron.

> az ml schedule create -f <file-name>.yml

L'elenco continua qui:

Python SDK

SI APPLICA A: Python SDK azure-ai-ml v2 (corrente)

from azure.ai.ml.data_transfer import Database
from azure.ai.ml.constants import TimeZone
from azure.ai.ml.entities import CronTrigger, ImportDataSchedule

source = Database(connection="azureml:my_sf_connection", query="select * from my_table")

path = "azureml://datastores/workspaceblobstore/paths/snowflake/schedule/${{name}}"


my_data = DataImport(
    type="mltable", source=source, path=path, name="my_schedule_sfds_test"
)

schedule_name = "my_simple_sdk_create_schedule_cron"

cron_trigger = CronTrigger(
    expression="15 10 * * 1",
    start_time=datetime.utcnow(),
    end_time="2023-12-03T18:40:00",
)
import_schedule = ImportDataSchedule(
    name=schedule_name, trigger=cron_trigger, import_data=my_data
)
ml_client.schedules.begin_create_or_update(import_schedule).result()

La sezione CronTrigger definisce i dettagli della pianificazione e contiene queste proprietà:

• (Obbligatorio) Per un'esperienza di codifica migliore, usare CronTrigger per la pianificazione delle ricorrenze.

L'elenco continua qui:

Studio

Quando le prestazioni e gli output dell’importazione dati sono soddisfacenti, è possibile configurare una pianificazione per l’attivazione automatica di quella importazione.

1. Passare ad Azure Machine Learning Studio

2. Nel riquadro di spostamento a sinistra selezionare Dati in Asset. Nella scheda Importazione dati selezionare l'asset di dati importati a cui collegare una pianificazione. Viene visualizzata la pagina Importa cronologia processi, come illustrato in questo screenshot:

   

3. Nella pagina Importa cronologia processi, selezionare l'hyperlink URL Importa nome processo più recente per aprire la pagina dei dettagli del processo delle pipeline, come illustrato in questo screenshot:

   

4. Nella pagina dei dettagli del processo della pipeline di un’importazione dati selezionare Pianificazione ->Crea nuova pianificazione per aprire la procedura guidata di creazione della pianificazione, come illustrato in questo screenshot:

   

5. Le Impostazioni di base della procedura guidata di creazione della pianificazione includono le proprietà visualizzate in questo screenshot:

   

• Nome: identificatore univoco della pianificazione nell'area di lavoro.

• Descrizione: descrizione della pianificazione.

• Trigger: criterio di ricorrenza della pianificazione, che include queste proprietà:

  • Fuso orario: il calcolo dell'ora di attivazione si basa su questo fuso orario; per impostazione predefinita, è UTC (Coordinated Universal Time).
  • Ricorrenza o Espressione cron: selezionare la ricorrenza per specificare il criterio ricorrente. Con l'espressione Cron è possibile specificare un criterio di ricorrenza più flessibile e personalizzato.
  • Avvio: la pianificazione diventa attiva per la prima volta in questa data. Per impostazione predefinita, la data di creazione di questa pianificazione.
  • Fine: la pianificazione diventerà inattiva dopo questa data. Per impostazione predefinita è NONE, vale a dire che la pianificazione rimane attiva fino a quando viene disabilitata manualmente.
  • Tag: tag della pianificazione selezionati.

  Dopo aver configurato le impostazioni di base, è possibile selezionare Rivedi + Crea; in tal modo, la pianificazione invierà automaticamente l'importazione dati in base al criterio di ricorrenza specificato. È possibile anche selezionare Avanti e passare alla procedura guidata per selezionare o aggiornare i parametri dell’importazione dati.

• (Obbligatorio) expression usa un'espressione crontab standard per esprimere una pianificazione ricorrente. Una singola espressione è costituita da cinque campi delimitati da spazi:

  MINUTES HOURS DAYS MONTHS DAYS-OF-WEEK

  • Un singolo carattere jolly (*), che copre tutti i valori per il campo. Un *, in giorni, indica tutti i giorni di un mese (che varia con mese e anno).

  • expression: "15 16 * * 1" nell'esempio precedente indica le 16:15 di ogni lunedì.

  • In questa tabella sono elencati i valori validi per ogni campo:

    Campo	Intervallo	Commento
    MINUTES	0-59	-
    HOURS	0-23	-
    DAYS	-	Non supportato. Il valore viene ignorato e considerato come *.
    MONTHS	-	Non supportato. Il valore viene ignorato e considerato come *.
    DAYS-OF-WEEK	0-6	Zero (0) indica la domenica. Sono accettati anche i nomi dei giorni.

  • Per altre informazioni sulle espressioni crontab, visitare la risorsa wiki dell'espressione Crontab su GitHub.

  Importante

  DAYS e MONTH non sono supportati. Se si passa uno di questi valori, verrà ignorato e considerato come *.

• (Facoltativo) start_time specifica la data e l'ora di inizio con il fuso orario della pianificazione. Ad esempio, start_time: "2022-05-10T10:15:00-04:00" indica che la pianificazione inizia dalle 10:15:00 del 10 maggio 2022 nel fuso orario UTC-4. Se start_time viene omesso, start_time è uguale all'ora di creazione della pianificazione. Per un'ora di inizio nel passato, il primo processo viene eseguito in occasione dell’ora di esecuzione successiva calcolata.

• (Facoltativo) end_time descrive la data e l'ora di fine, con un fuso orario. Se end_time viene omesso, la pianificazione continua ad attivare i processi fino a quando la pianificazione viene disabilitata manualmente.

• (Facoltativo) time_zone specifica il fuso orario dell’espressione. Se time_zone viene omesso, il fuso orario predefinito è UTC. Per altre informazioni sui valori del fuso orario, vedere appendice per i valori del fuso orario.

Limitazioni :

• Attualmente, la pianificazione di Azure Machine Learning v2 non supporta trigger basati su eventi.
• Usare l’SDK o l’interfaccia della riga di comando v2 di Azure Machine Learning per specificare un modello di ricorrenza complesso contenente più timestamp di attivazione. L'interfaccia utente visualizza solo il criterio complesso e non supporta la modifica.
• Se si imposta la ricorrenza come il 31° giorno di ogni mese, la pianificazione non attiverà i processi nei mesi con meno di 31 giorni.

Elencare le pianificazioni in un'area di lavoro

Interfaccia della riga di comando di Azure

SI APPLICA A: estensione ML dell'interfaccia della riga di comando di Azure v2 (corrente)

az ml schedule list

Python SDK

SI APPLICA A: Python SDK azure-ai-ml v2 (corrente)

schedules = ml_client.schedules.list()
[s.name for s in schedules]

Studio

Nel portale di Studio, sotto l’estensione Processi, selezionare la scheda Tutte le pianificazioni. Questa scheda mostra tutte le pianificazioni dei processi create tramite l'SDK, l’interfaccia della riga di comando o l’interfaccia utente, in un unico elenco. L'elenco delle pianificazioni include una panoramica di tutte le pianificazioni in questa area di lavoro, come illustrato in questo screenshot:

Controllare i dettagli della pianificazione

Interfaccia della riga di comando di Azure

SI APPLICA A: estensione ML dell'interfaccia della riga di comando di Azure v2 (corrente)

az ml schedule show -n simple_cron_data_import_schedule

Python SDK

SI APPLICA A: Python SDK azure-ai-ml v2 (corrente)

created_schedule = ml_client.schedules.get(name=schedule_name)
[created_schedule.name]

Studio

È possibile selezionare il nome di una pianificazione per visualizzare la pagina dei dettagli della pianificazione. La pagina dei dettagli della pianificazione contiene le schede seguenti, come illustrato in questo screenshot:

• Panoramica: informazioni di base per la pianificazione specificata.

  

• Definizione processo: definisce il processo attivato dalla pianificazione specificata, come illustrato in questo screenshot:

  

Aggiornare una pianificazione

Interfaccia della riga di comando di Azure

SI APPLICA A: estensione ML dell'interfaccia della riga di comando di Azure v2 (corrente)

az ml schedule update -n simple_cron_data_import_schedule  --set description="new description" --no-wait

Nota

Per aggiornare più dei soli tag/descrizione, è consigliabile usare az ml schedule create --file update_schedule.yml

Python SDK

SI APPLICA A: Python SDK azure-ai-ml v2 (corrente)

job_schedule = ml_client.schedules.begin_create_or_update(
    schedule=job_schedule
).result()
print(job_schedule)

Studio

Aggiornare una definizione di importazione dati alla pianificazione esistente

Per modificare la frequenza di importazione o creare una nuova associazione per il processo di importazione dati, è possibile aggiornare la definizione di importazione di una pianificazione esistente.

Nota

Per aggiornare una pianificazione esistente, verrà rimossa l'associazione della pianificazione con la definizione di importazione precedente. Una pianificazione può avere una sola definizione di processo di importazione. Tuttavia, più pianificazioni possono richiamare una definizione di importazione dati.

1. Passare ad Azure Machine Learning Studio

2. Nel riquadro di spostamento a sinistra selezionare Dati in Asset. Nella scheda Importazione dati selezionare l'asset di dati importati a cui collegare una pianificazione. Viene visualizzata la pagina Importa cronologia processi, come illustrato in questo screenshot:

   

3. Nella pagina Importa cronologia processi selezionare il collegamento Importa nome processo più recente per aprire la pagina dei dettagli del processo delle pipeline, come illustrato in questo screenshot:

   

4. Nella pagina dei dettagli del processo della pipeline di un’importazione di dati selezionare Pianificazione ->Aggiornata a una pianificazione esistente per aprire la procedura guidata di selezione della pianificazione, come illustrato in questo screenshot:

   

5. Selezionare una pianificazione esistente dall'elenco, come illustrato in questo screenshot:

   

   Importante

   Accertarsi di selezionare la pianificazione corretta da aggiornare. Al termine dell'aggiornamento, la pianificazione attiverà importazioni di dati diverse.

6. È possibile anche modificare l'origine, la query e cambiare il percorso di destinazione per importazioni di dati future attivate dalla pianificazione.

7. Selezionare Rivedi + Aggiorna per completare il processo di aggiornamento. Una volta completato l'aggiornamento, verrà inviata una notifica.

8. È possibile visualizzare la nuova definizione di importazione dati nella pagina dei dettagli della pianificazione al termine dell'aggiornamento.

Aggiornamento nella pagina dei dettagli della pianificazione

Nella pagina dei dettagli della pianificazione è possibile selezionare Aggiorna impostazioni per aggiornare le impostazioni di base e le impostazioni avanzate, incluse le impostazioni di input/output e runtime del processo della pianificazione, come illustrato in questo screenshot:

Disabilitare una pianificazione

Interfaccia della riga di comando di Azure

SI APPLICA A: estensione ML dell'interfaccia della riga di comando di Azure v2 (corrente)

az ml schedule disable -n simple_cron_data_import_schedule --no-wait

Python SDK

job_schedule = ml_client.schedules.begin_disable(name=schedule_name).result()
job_schedule.is_enabled

Studio

È possibile disabilitare la pianificazione corrente nella pagina dei dettagli della pianificazione. È possibile disabilitare le pianificazioni anche nella scheda Tutte le pianificazioni.

Abilitare una pianificazione

Interfaccia della riga di comando di Azure

SI APPLICA A: estensione ML dell'interfaccia della riga di comando di Azure v2 (corrente)

az ml schedule enable -n simple_cron_data_import_schedule --no-wait

Python SDK

SI APPLICA A: Python SDK azure-ai-ml v2 (corrente)

# Update trigger expression
job_schedule.trigger.expression = "10 10 * * 1"
job_schedule = ml_client.schedules.begin_create_or_update(
    schedule=job_schedule
).result()
print(job_schedule)

Studio

È possibile abilitare la pianificazione corrente nella pagina dei dettagli della pianificazione. È possibile abilitare le pianificazioni anche nella scheda Tutte le pianificazioni.

Eliminare una pianificazione

Importante

Per eliminare una pianificazione, occorre prima disabilitarla. L'eliminazione è un'azione permanente e irreversibile. Una volta eliminata una pianificazione, non è possibile accedervi o recuperarla.

Interfaccia della riga di comando di Azure

SI APPLICA A: estensione ML dell'interfaccia della riga di comando di Azure v2 (corrente)

az ml schedule delete -n simple_cron_data_import_schedule

Python SDK

SI APPLICA A: Python SDK azure-ai-ml v2 (corrente)

# Only disabled schedules can be deleted
ml_client.schedules.begin_disable(name=schedule_name).result()
ml_client.schedules.begin_delete(name=schedule_name).result()

Studio

È possibile eliminare una pianificazione dalla pagina dei dettagli della pianificazione o dalla scheda di tutte le pianificazioni.

Supporto del controllo degli accessi in base al ruolo (RBAC)

Le pianificazioni generalmente vengono usate per la produzione. Per evitare problemi, potrebbe essere opportuno che gli amministratori dell'area di lavoro limitino le autorizzazioni di creazione e gestione delle pianificazioni all'interno di un'area di lavoro.

Attualmente sono disponibili tre regole di azione correlate alle pianificazioni ed è possibile configurarle nel portale di Azure. Per altre informazioni, visitare Come gestire l'accesso a un'area di lavoro di Azure Machine Learning.

Azione	Descrizione	Regola
Lettura	Ottenere ed elencare le pianificazioni nell'area di lavoro di Machine Learning	Microsoft.MachineLearningServices/workspaces/schedules/read
Scrittura	Creare, aggiornare, disabilitare e abilitare pianificazioni nell'area di lavoro di Machine Learning	Microsoft.MachineLearningServices/workspaces/schedules/write
Elimina	Eliminare una pianificazione nell’area di lavoro di Machine Learning	Microsoft.MachineLearningServices/workspaces/schedules/delete

Passaggi successivi

• Altre informazioni sullo schema YAML di pianificazione di importazione dati dell’interfaccia della riga di comando (v2).
• Informazioni su come gestire gli asset di dati importati.