次の方法で共有


WorkspaceOperations クラス

WorkspaceOperations。

このクラスを直接インスタンス化しないでください。 代わりに、インスタンス化して属性としてアタッチする MLClient インスタンスを作成する必要があります。

継承
azure.ai.ml.operations._workspace_operations_base.WorkspaceOperationsBase
WorkspaceOperations

コンストラクター

WorkspaceOperations(operation_scope: OperationScope, service_client: AzureMachineLearningWorkspaces, all_operations: OperationsContainer, credentials: TokenCredential | None = None, **kwargs: Dict)

パラメーター

operation_scope
service_client
all_operations
credentials
既定値: None

メソッド

begin_create

新しい Azure Machine Learning ワークスペースを作成します。

ワークスペースが既に存在する場合は、そのワークスペースを返します。

begin_delete

ワークスペースを削除します。

begin_diagnose

ワークスペースのセットアップの問題を診断します。

ワークスペースが想定どおりに動作していない場合は、この診断を実行して、ワークスペースが壊れているかどうかをチェックできます。 プライベート エンドポイント ワークスペースの場合は、ネットワークがこのワークスペースにセットアップされ、依存リソースが問題として設定されているかどうかをチェックにも役立ちます。

begin_provision_network

ワークスペースをトリガーしてマネージド ネットワークをプロビジョニングします。 spark を true として指定すると、Spark をサポートするためにワークスペースのマネージド ネットワークが準備されます。

begin_sync_keys

ワークスペースをトリガーして、キーをただちに同期します。 ワークスペース内のリソースのキーが変更された場合、それらのキーが自動的に更新されるのに約 1 時間かかる場合があります。 この関数を使用すると、必要に応じてキーを更新できます。 たとえば、ストレージ キーを再生成した後、ストレージにただちにアクセスする必要がある場合などに使用します。

begin_update
get

ワークスペースを名前で取得します。

get_keys

ワークスペースのキーを取得します。

list

ユーザーが現在のリソース グループまたはサブスクリプションでアクセスできるすべてのワークスペースを一覧表示します。

begin_create

新しい Azure Machine Learning ワークスペースを作成します。

ワークスペースが既に存在する場合は、そのワークスペースを返します。

begin_create(workspace: Workspace, update_dependent_resources: bool = False, **kwargs: Dict) -> LROPoller[Workspace]

パラメーター

workspace
Workspace
必須

ワークスペース定義。

update_dependent_resources
<xref:boolean>
必須

依存リソースを更新するかどうか

戻り値

ワークスペースを返す LROPoller のインスタンス。

の戻り値の型 :

begin_delete

ワークスペースを削除します。

begin_delete(name: str, *, delete_dependent_resources: bool, permanently_delete: bool = False, **kwargs: Dict) -> LROPoller[None]

パラメーター

name
str
必須

ワークスペースの名前

delete_dependent_resources
bool

ワークスペースに関連付けられているリソース (コンテナー レジストリ、ストレージ アカウント、キー コンテナー、Application Insights など) を削除するかどうか。 既定値は False です。 これらのリソースを削除するには、True に設定します。

permanently_delete
bool

ワークスペースは既定で論理的に削除され、ワークスペース データの回復が可能になります。 論理的な削除の動作をオーバーライドし、ワークスペースを完全に削除するには、このフラグを true に設定します。

戻り値

操作の状態を追跡するポーリングャー。

の戻り値の型 :

begin_diagnose

ワークスペースのセットアップの問題を診断します。

ワークスペースが想定どおりに動作していない場合は、この診断を実行して、ワークスペースが壊れているかどうかをチェックできます。 プライベート エンドポイント ワークスペースの場合は、ネットワークがこのワークスペースにセットアップされ、依存リソースが問題として設定されているかどうかをチェックにも役立ちます。

begin_diagnose(name: str, **kwargs: Dict) -> LROPoller[DiagnoseResponseResultValue]

パラメーター

name
str
必須

ワークスペースの名前

戻り値

操作の状態を追跡するポーリングャー。

の戻り値の型 :

begin_provision_network

ワークスペースをトリガーしてマネージド ネットワークをプロビジョニングします。 spark を true として指定すると、Spark をサポートするためにワークスペースのマネージド ネットワークが準備されます。

begin_provision_network(*, workspace_name: str | None = None, include_spark: bool = False, **kwargs) -> LROPoller[ManagedNetworkProvisionStatus]

パラメーター

workspace_name
str

ワークスペースの名前。

include_spark

ワークスペースマネージド ネットワークが Spark をサポートするように準備する必要があるかどうか。

戻り値

LROPoller のインスタンス。

の戻り値の型 :

begin_sync_keys

ワークスペースをトリガーして、キーをただちに同期します。 ワークスペース内のリソースのキーが変更された場合、それらのキーが自動的に更新されるのに約 1 時間かかる場合があります。 この関数を使用すると、必要に応じてキーを更新できます。 たとえば、ストレージ キーを再生成した後、ストレージにただちにアクセスする必要がある場合などに使用します。

begin_sync_keys(name: str | None = None) -> LROPoller

パラメーター

name
str
必須

ワークスペースの名前。

戻り値

None または同期キーの結果を返す LROPoller のインスタンス。

の戻り値の型 :

begin_update

begin_update(workspace: Workspace, *, update_dependent_resources: bool = False, **kwargs: Dict) -> LROPoller[Workspace]

get

ワークスペースを名前で取得します。

get(name: str | None = None, **kwargs: Dict) -> Workspace

パラメーター

name
str
必須

ワークスペースの名前。

戻り値

指定された名前のワークスペース。

の戻り値の型 :

get_keys

ワークスペースのキーを取得します。

get_keys(name: str | None = None) -> WorkspaceKeys

パラメーター

name
str
必須

ワークスペースの名前。

戻り値

ワークスペース依存リソースのキー。

の戻り値の型 :

list

ユーザーが現在のリソース グループまたはサブスクリプションでアクセスできるすべてのワークスペースを一覧表示します。

list(*, scope: str = 'resource_group') -> Iterable[Workspace]

パラメーター

scope
str

リストのスコープ "resource_group" または "subscription"、既定値は "resource_group" です

戻り値

Workspace オブジェクトのインスタンスのような反復子

の戻り値の型 :