Componentes de entrada e saída de serviço Web

Este artigo descreve os componentes Entrada de Serviço Web e Saída de Serviço Web no designer do Azure Machine Learning.

O componente Web Service Input só pode se conectar a uma porta de entrada com o tipo DataFrameDirectory. O componente Web Service Output só pode ser conectado a partir de uma porta de saída com o tipo DataFrameDirectory. Você pode encontrar os dois componentes na árvore de componentes, na categoria Serviço Web .

O componente Web Service Input indica onde os dados do usuário entram no pipeline. O componente Saída do serviço Web indica onde os dados do usuário são retornados em um pipeline de inferência em tempo real.

Como usar a entrada e saída do serviço Web

Quando você cria um pipeline de inferência em tempo real a partir do pipeline de treinamento, os componentes Entrada e Saída de Serviço Web serão adicionados automaticamente para mostrar onde os dados do usuário entram no pipeline e onde os dados são retornados.

Nota

A geração automática de um pipeline de inferência em tempo real é um processo baseado em regras e de melhor esforço. Não há garantia de correção.

Você pode adicionar ou remover manualmente os componentes Entrada de serviço Web e Saída de serviço Web para atender às suas necessidades. Certifique-se de que seu pipeline de inferência em tempo real tenha pelo menos um componente de entrada de serviço Web e um componente de saída de serviço Web. Se você tiver vários componentes de Entrada de Serviço Web ou Saída de Serviço Web, verifique se eles têm nomes exclusivos. Você pode inserir o nome no painel direito do componente.

Você também pode criar manualmente um pipeline de inferência em tempo real adicionando componentes de Entrada e Saída de Serviço Web ao pipeline não enviado.

Nota

O tipo de pipeline será determinado na primeira vez que você enviá-lo. Certifique-se de adicionar componentes de entrada de serviço Web e saída de serviço Web antes de enviar pela primeira vez.

O exemplo a seguir mostra como criar manualmente o pipeline de inferência em tempo real a partir do componente Execute Python Script.

Depois de enviar o pipeline e a execução ser concluída com êxito, você pode implantar o ponto de extremidade em tempo real.

Nota

No exemplo anterior, Enter Data Manually fornece o esquema de dados para entrada de serviço Web e é necessário para implantar o ponto de extremidade em tempo real. Geralmente, você sempre deve conectar um componente ou conjunto de dados à porta onde a Entrada de Serviço Web está conectada para fornecer o esquema de dados.

Próximos passos

Saiba mais sobre como implantar o ponto de extremidade em tempo real.

Consulte o conjunto de componentes disponíveis para o Azure Machine Learning.