CLI(v2) 기능 저장소 YAML 스키마

아티클
10/16/2024

참고 항목

이 문서에 자세히 설명된 YAML 구문은 최신 버전의 ML CLI v2 확장에 대한 JSON 스키마를 기반으로 합니다. 이 구문은 최신 버전의 ML CLI v2 확장에서만 작동하도록 보장됩니다. https://azuremlschemasprod.azureedge.net/에서 이전 확장 버전에 대한 스키마를 찾을 수 있습니다.

YAML 구문

키	형식	설명	허용된 값	Default value
$schema	string	YAML 스키마입니다. Azure Machine Learning VS Code 확장을 사용하여 YAML 파일을 제작하는 경우 파일 맨 위에 $schema를 포함하여 스키마 및 리소스 완료를 호출할 수 있습니다.
name	string	필수입니다. 기능 저장소의 이름입니다.
compute_runtime	개체	구체화 작업에 사용되는 컴퓨팅 런타임 구성입니다.
compute_runtime.spark_runtime_version	string	Azure Machine Learning Spark 런타임 버전입니다.	3.4	3.4
offline_store	개체
offline_store.type	string	Offline_store가 제공되는 경우 필수입니다. 오프라인 저장소의 형식입니다. Data Lake Gen2 형식의 스토리지만 지원됩니다.	azure_data_lake_gen2
offline_store.target	string	Offline_store가 제공되는 경우 필수입니다. `/subscriptions/<subscription_id>/resourceGroups/<resource_group>/providers/Microsoft.Storage/storageAccounts/<account>/blobServices/default/containers/<container>` 형식의 Datalake Gen2 스토리지 URI입니다.
online_store	개체
online_store.type	string	online_store 제공된 경우 필요합니다 . 온라인 스토어의 유형입니다. redis 캐시만 지원됩니다.	Redis
online_store.target	string	online_store 제공된 경우 필요합니다 . Redis Cache URI 형식입니다 `/subscriptions/<subscription_id>/resourceGroups/<resource_group>/providers/Microsoft.Cache/Redis/<redis-name>`.
materialization_identity	개체	구체화 작업에 사용되는 사용자 할당 관리 ID입니다. 기능 저장소 서비스, 데이터 원본 및 오프라인 스토리지에 액세스하는 데 필요한 역할을 이 ID에 부여해야 합니다.
materialization_identity.client_id	string	사용자 할당 관리 ID의 클라이언트 ID입니다.
materialization_identity.resource_id	string	사용자 할당 관리 ID의 리소스 ID입니다.
materialization_identity.principal_id	string	사용자 할당 관리 ID의 주체 ID입니다.
description	string	기능 저장소에 대한 설명입니다.
tags	개체	기능 저장소에 대한 태그 사전입니다.
display_name	string	스튜디오 UI에 기능 저장소의 표시 이름입니다. 리소스 그룹 내에서 고유하지 않을 수 있습니다.
location	string	기능 저장소의 위치입니다.		리소스 그룹 위치입니다.
resource_group	string	기능 저장소가 포함된 리소스 그룹입니다. 리소스 그룹이 없으면 새 그룹이 만들어집니다.

다른 작업 영역 속성을 포함할 수 있습니다.

설명

Azure Machine Learning 기능 저장소 작업 영역을 관리하는 데 az ml feature-store 명령을 사용할 수 있습니다.

예제

예제는 예제 GitHub 리포지토리에서 사용할 수 있습니다. 몇 가지 일반적인 예는 다음과 같습니다.

YAML 기본

$schema: http://azureml/sdk-2-0/FeatureStore.json
name: mktg-feature-store
location: eastus

오프라인 저장소 구성이 포함된 YAML

$schema: http://azureml/sdk-2-0/FeatureStore.json
name: mktg-feature-store

compute_runtime:
    spark_runtime_version: 3.2

offline_store:
    type: azure_data_lake_gen2
    target: /subscriptions/<sub-id>/resourceGroups/<rg>/providers/Microsoft.Storage/storageAccounts/<account_name>/blobServices/default/containers/<container_name>

materialization_identity:
    client_id: xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx
    resource_id: /subscriptions/<sub-id>/resourceGroups/<rg>/providers/Microsoft.ManagedIdentity/userAssignedIdentities/<uai-name>

# Many of workspace parameters will also be supported:
location: eastus
display_name: marketing feature store
tags:
  foo: bar

YAML을 사용하여 CLI에서 온라인 저장소 구성

$schema: http://azureml/sdk-2-0/FeatureStore.json
name: mktg-feature-store

compute_runtime:
  spark_runtime_version: 3.4

online_store:
  type: redis
  target: "/subscriptions/<sub-id>/resourceGroups/<rg>/providers/Microsoft.Cache/Redis/<redis-name>"

materialization_identity:
  client_id: 00001111-aaaa-2222-bbbb-3333cccc4444
  principal_id: aaaaaaaa-bbbb-cccc-1111-222222222222
  resource_id: /subscriptions/<sub-id>/resourceGroups/<rg>/providers/Microsoft.ManagedIdentity/userAssignedIdentities/<uai-name>

# Many of workspace parameters will also be supported:
location: eastus
display_name: marketing feature store
tags:
  foo: bar

Python을 사용하여 CLI에서 온라인 저장소 구성

redis_arm_id = f"/subscriptions/{subscription_id}/resourceGroups/{resource_group_name}/providers/Microsoft.Cache/Redis/{redis_name}"
online_store = MaterializationStore(type="redis", target=redis_arm_id)
 
fs = FeatureStore(
    name=featurestore_name,
    location=location,
    online_store=online_store,
)
 
# wait for feature store creation
fs_poller = ml_client.feature_stores.begin_create(fs)

# move the feature store to a YAML file

yaml_path = root_dir + "/featurestore/featurestore_with_online.yaml"
fs.dump(yaml_path)

다음을 통해 공유