Esquema YAML do repositório de recursos CLI (v2)

Artigo
10/16/2024

APLICA-SE A: Azure CLI ml extension v2 (atual)

Nota

A sintaxe YAML detalhada neste documento é baseada no esquema JSON para a versão mais recente da extensão ML CLI v2. Esta sintaxe é garantida apenas para funcionar com a versão mais recente da extensão ML CLI v2. Você pode encontrar os esquemas para versões de extensão mais antigas em https://azuremlschemasprod.azureedge.net/.

Sintaxe YAML

Chave	Tipo	Description	Valores permitidos	Default value
$schema	string	O esquema YAML. Se você usar a extensão VS Code do Aprendizado de Máquina do Azure para criar o arquivo YAML, incluindo $schema na parte superior do arquivo permitirá que você invoque o esquema e a conclusão de recursos.
nome	string	Obrigatório. Nome do repositório de recursos.
compute_runtime	objeto	A configuração de tempo de execução de computação usada para o trabalho de materialização.
compute_runtime.spark_runtime_version	string	A versão de tempo de execução do Azure Machine Learning Spark.	3.4	3.4
offline_store	objeto
offline_store.type	string	Obrigatório se offline_store for fornecido. O tipo de armazenamento offline. Apenas o tipo de armazenamento data lake gen2 é suportado.	azure_data_lake_gen2
offline_store.target	string	Obrigatório se offline_store for fornecido. O URI de armazenamento do datalake Gen2 no formato de `/subscriptions/<subscription_id>/resourceGroups/<resource_group>/providers/Microsoft.Storage/storageAccounts/<account>/blobServices/default/containers/<container>`.
online_store	objeto
online_store.type	string	Obrigatório se online_store for fornecido. O tipo de loja online. Apenas o cache redis é suportado.	redis
online_store.target	string	Obrigatório se online_store for fornecido. O URI do Cache Redis no formato de `/subscriptions/<subscription_id>/resourceGroups/<resource_group>/providers/Microsoft.Cache/Redis/<redis-name>`.
materialization_identity	objeto	A identidade gerenciada atribuída pelo usuário que foi usada para o trabalho de materialização. Essa identidade precisa receber as funções necessárias para acessar o serviço de Repositório de Recursos, a fonte de dados e o armazenamento offline.
materialization_identity.client_id	string	O ID do cliente para sua identidade gerenciada atribuída pelo usuário.
materialization_identity.resource_id	string	O ID do recurso para sua identidade gerenciada atribuída pelo usuário.
materialization_identity.principal_id	string	o ID principal da identidade gerenciada atribuída pelo usuário.
descrição	string	Descrição da loja de recursos.
etiquetas	objeto	Dicionário de tags para o repositório de recursos.
display_name	string	Nome para exibição do repositório de recursos na interface do usuário do estúdio. Pode não ser exclusivo dentro do grupo de recursos.
localização	string	A localização da loja de recursos.		O local do grupo de recursos.
resource_group	string	O grupo de recursos que contém o repositório de recursos. Se o grupo de recursos não existir, um novo será criado.

Você pode incluir outras propriedades do espaço de trabalho.

Observações

O az ml feature-store comando pode ser usado para gerenciar espaços de trabalho do repositório de recursos do Azure Machine Learning.

Exemplos

Exemplos estão disponíveis no repositório GitHub de exemplos. Alguns exemplos comuns são mostrados aqui:

YAML básico

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

YAML com configuração de loja offline

$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

Configurar a loja online na CLI com YAML

$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

Configurar a loja online na CLI com Python

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)

Partilhar via