Condividi tramite

Importare da un database SQL Server locale

  • Articolo

Importante

Il supporto dello studio di Azure Machine Learning (versione classica) terminerà il 31 agosto 2024. È consigliabile passare ad Azure Machine Learning entro tale data.

A partire dal 1° dicembre 2021 non sarà possibile creare nuove risorse dello studio di Azure Machine Learning (versione classica). Fino al 31 agosto 2024 sarà possibile continuare a usare le risorse dello studio di Azure Machine Learning (versione classica).

La documentazione relativa allo studio di Machine Learning (versione classica) è in fase di ritiro e potrebbe non essere aggiornata in futuro.

Questo articolo descrive come usare il modulo Importa dati in Machine Learning Studio (versione classica) per importare dati da un database SQL Server locale in un esperimento di Machine Learning.

Nota

Si applica a: Machine Learning Studio (versione classica)

Moduli di trascinamento della selezione simili sono disponibili nella finestra Azure Machine Learning progettazione.

Machine Learning possibile accedere a un database SQL Server locale se i dati vengono forniti usando un gateway Gestione dati Microsoft. Pertanto, prima di usare Importa dati, è necessario soddisfare questi requisiti:

Dopo aver stabilito la connessione al gateway, è possibile specificare proprietà aggiuntive, ad esempio i nomi del server e del database, il metodo di autenticazione e una query di database.

Come installare un gateway Gestione dati Microsoft

Per accedere a un database SQL Server locale in Machine Learning, è necessario scaricare e installare Microsoft Gestione dati Gateway e quindi registrare il gateway in Machine Learning Studio (versione classica).

Per informazioni dettagliate sull'installazione e la registrazione del gateway, vedere questi articoli:

Come importare dati da un database SQL Server locale

Dopo aver installato un gateway Gestione dati in un computer in cui può accedere al database SQL Server ed è stato registrato il gateway in Machine Learning Studio (versione classica), è necessario configurare il modulo Importa dati.

Prima di iniziare, disabilitare il blocco popup del browser per il sito, studio.azureml.net.

Se si usa il browser Google Chrome, è necessario scaricare e installare uno dei plug-in disponibili in Google Chrome WebStore: Fare clic una sola volta sull'estensione dell'app.

Usare l'Importazione guidata dati

Il modulo include una nuova procedura guidata che consente di scegliere un'opzione di archiviazione, selezionare tra sottoscrizioni e account esistenti e configurare rapidamente tutte le opzioni.

  1. Aggiungere il modulo Importa dati all'esperimento. È possibile trovare il modulo in Studio (versione classica), nella categoria Input e output dati.

  2. Fare clic su Avvia Importazione guidata dati e seguire le istruzioni visualizzate.

  3. Al termine della configurazione, per copiare effettivamente i dati nell'esperimento, fare clic con il pulsante destro del mouse sul modulo e scegliere Esegui selezionato.

Se è necessario modificare una connessione dati esistente, la procedura guidata carica tutti i dettagli di configurazione precedenti in modo che non sia necessario ricominciare da zero.

Impostare manualmente le proprietà nel modulo Importa dati

  1. Aggiungere il modulo Importa dati all'esperimento. È possibile trovare il modulo in Studio (versione classica), nella categoria Input e output dati.

  2. Per Origine dati selezionare Impostazioni locali database SQL.

  3. Impostare le opzioni seguenti specifiche per il database SQL Server database.

    • Gateway dati: selezionare il gateway creato. Il gateway deve essere registrato o non viene visualizzato nell'elenco.

    • Nome server di database: digitare il nome dell'istanza SQL Server database.

    • Nome database: digitare il nome del database.

    • Fare clic su Enter values (Immetti valori) in User name and password (Nome utente e password) e specificare le credenziali del database. È possibile usare Autenticazione integrata di Windows o Autenticazione di SQL Server, in base al tipo di configurazione del database SQL Server locale.

      Importante

      Il gestore delle credenziali deve essere avviato dall'interno della stessa rete dell'istanza SQL Server e del client gateway. Le credenziali non possono essere passate tra domini.

    • Digitare o incollare nel database eseguire una query SQL istruzione che descrive i dati da leggere. Convalidare sempre SQL'istruzione e verificare i risultati della query in anticipo, usando uno strumento come Visual Studio Esplora server o SQL Server Data Tools.

    • Se non è previsto che il set di dati cambi tra le esecuzioni dell'esperimento, selezionare l'opzione Usa risultati memorizzati nella cache . Quando questa opzione è selezionata, se non sono presenti altre modifiche ai parametri del modulo, l'esperimento carica i dati alla prima esecuzione del modulo e successivamente usa una versione memorizzata nella cache del set di dati.

  4. Eseguire l'esperimento.

Risultati

Quando Import Data carica i dati in Studio (versione classica), potrebbe essere eseguita una conversione implicita dei tipi, a seconda dei tipi di dati usati nel database di origine. Per altre informazioni sui tipi di dati, vedere Tipi di dati del modulo.

Al termine, fare clic sul set di dati di output e selezionare Visualizza per verificare se i dati sono stati importati correttamente.

Facoltativamente, è possibile modificare il set di dati e i relativi metadati usando gli strumenti di Studio (versione classica):

  • Usare Modifica metadati per modificare i nomi delle colonne, convertire una colonna in un tipo di dati diverso o per indicare quali colonne sono etichette o caratteristiche.

  • Usare Seleziona colonne nel set di dati per selezionare un subset di colonne.

  • Usare Partition e Sample per separare il set di dati in base ai criteri o ottenere le prime n righe.

Note tecniche

Questa sezione contiene informazioni dettagliate sull'implementazione, suggerimenti e risposte alle domande frequenti.

Domande frequenti

È possibile filtrare i dati durante la lettura dall'origine?

Il modulo Importa dati non supporta il filtro durante la lettura dei dati. È consigliabile creare una vista o definire una query che generi solo le righe necessarie.

Nota

Se si ritiene di aver caricato più dati del necessario, è possibile sovrascrivere il set di dati memorizzato nella cache leggendo un nuovo set di dati e salvandolo con lo stesso nome del precedente set di dati più grande.

Perché viene visualizzato l'errore "Tipo decimale non supportato"

Quando si leggono dati da un database SQL, è possibile che venga visualizzato un messaggio di errore che segnala un tipo di dati non supportato.

Se i dati che si ottengono dal database SQL includono tipi di dati non supportati in Machine Learning, è necessario eseguire il cast o convertire i decimali in un tipo di dati supportato prima di leggere i dati. Il motivo è che l'importazione di dati non può eseguire automaticamente alcuna conversione che comporta una perdita di precisione.

Perché alcuni caratteri non vengono visualizzati correttamente

Machine Learning supporta la codifica UTF-8. Se le colonne stringa nel database usano una codifica diversa, i caratteri potrebbero non essere importati correttamente.

Un'opzione per mantenere questi caratteri è esportare i dati in un file CSV in Archiviazione di Azure e usare l'opzione CSV con codifica per specificare i parametri per i delimitatori personalizzati, la tabella codici e così via.

È stato configurato un Gestione dati gateway nel server locale. È possibile condividere lo stesso gateway tra aree di lavoro

No. È necessario creare un gateway separato per ogni area di lavoro.

Anche se è possibile configurare più gateway Gestione dati in una singola area di lavoro, ad esempio uno per sviluppo, test, produzione e così via, un gateway non può essere condiviso tra più aree di lavoro.

È stato configurato un gateway Gestione dati nel server locale che si usa per Power BI o Azure Data Factory e si vuole usare lo stesso gateway per Machine Learning

Ogni servizio richiede un gateway Gestione dati separato. Se si dispone già di un gateway usato per Power BI o Azure Data Factory, è necessario configurare un server separato e installare un gateway per Machine Learning.

Non è possibile installare più gateway in un singolo server.

Si vuole poter esportare i dati nel server SQL locale. È possibile usare il gateway con il modulo Esporta dati per scrivere dati nel server SQL locale?

Attualmente, Machine Learning supporta solo l'importazione di dati. Verrà valutato se sarà possibile scrivere nel database locale in futuro. Nel frattempo, è possibile usare Azure Data Factory per copiare dati dal cloud al database locale.

Si dispone di un'origine dati non Microsoft SQL Server (Oracle, Teradata e così via). È possibile leggere i dati in Machine Learning l'opzione locale nel modulo Importa dati?

Attualmente il modulo Machine Learning Importa dati supporta solo Microsoft SQL Server.

Come soluzione alternativa, è possibile usare Azure Data Factory per copiare i dati locali nell'archiviazione cloud, ad esempio Archiviazione BLOB di Azure o Database di Azure, e quindi usare l'origine dati cloud nel modulo Importa dati.

Parametri del modulo

Nome Intervallo Type Predefinito Descrizione
Origine dati Elenco Origine dati o sink Archiviazione BLOB di Azure L'origine dati può essere HTTP, FTP, HTTPS anonimo o FTPS, un file nell'archivio BLOB di Azure, una tabella di Azure, un database SQL di Azure, un database SQL Server locale, una tabella Hive o un endpoint OData.
Gateway dati any DataGatewayName Nessuno Nome del gateway dati
Database server name any string Nessuno Server SQL locale
Nome database any string Nessuno Istanza del database SQL Server locale
Nome utente e password any SecureString Nessuno Nome utente e password
Query di database any StreamReader Nessuno Query SQL locale

Output

Nome Tipo Descrizione
Set di dati di risultati Tabella dati Set di dati con dati scaricati

Eccezioni

Eccezione Descrizione
Errore 0027 Viene generata un'eccezione quando due oggetti che dovrebbero essere delle stesse dimensioni sono differenti.
Errore 0003 Si verifica un'eccezione se uno o più input sono Null o vuoti.
Errore 0029 Viene generata un'eccezione quando viene passato un URI non valido.
Errore 0030 Viene generata un'eccezione se non è possibile scaricare un file.
Errore 0002 Viene generata un'eccezione se non è stato possibile analizzare o convertire uno o più parametri dal tipo specificato nel tipo richiesto dal metodo di destinazione.
Errore 0048 Viene generata un'eccezione quando non è possibile aprire un file.
Errore 0015 Viene generata un'eccezione se la connessione al database non è riuscita.
Errore 0046 Viene generata un'eccezione quando non è possibile creare una directory nel percorso specificato.
Errore 0049 Viene generata un'eccezione quando non è possibile analizzare un file.

Per un elenco degli errori specifici dei moduli di Studio (versione classica), vedere Machine Learning codici di errore.

Per un elenco delle eccezioni API, vedere Machine Learning di errore dell'API REST.

Vedi anche

Importazione dei dati
Esportazione dei dati
Importazione da URL Web tramite HTTP
Importare da una query Hive
Importazione da Database SQL di Azure
Importare da una tabella di Azure
Importare da Archiviazione BLOB di Azure
Importare da provider di feed di dati