Exportação para Base de Dados SQL do Azure
Importante
O suporte para o Estúdio de ML (clássico) terminará a 31 de agosto de 2024. Recomendamos a transição para o Azure Machine Learning até essa data.
A partir de 1 de dezembro de 2021, não poderá criar novos recursos do Estúdio de ML (clássico). Até 31 de agosto de 2024, pode continuar a utilizar os recursos existentes do Estúdio de ML (clássico).
- Consulte informações sobre projetos de machine learning em movimento de ML Studio (clássico) para Azure Machine Learning.
- Saiba mais sobre Azure Machine Learning.
A documentação do Estúdio de ML (clássico) está a ser descontinuada e poderá não ser atualizada no futuro.
Este artigo descreve como usar a opção Export to Base de Dados SQL do Azure no módulo de Dados de Exportação em Machine Learning Studio (clássico). Esta opção é útil quando pretende exportar dados da sua experiência de aprendizagem automática para um Base de Dados SQL do Azure ou Azure SQL Data Warehouse.
Nota
Aplica-se a: Machine Learning Studio (clássico) apenas
Módulos semelhantes de arrasto e queda estão disponíveis em Azure Machine Learning designer.
A exportação para uma base de dados SQL é útil em muitos cenários de aprendizagem automática: por exemplo, é possível que queira armazenar resultados intermédios, guardar pontuações ou manter tabelas de funcionalidades concebidas. Embora armazenar dados em um Base de Dados SQL do Azure ou Azure SQL Data Warehouse pode ser mais caro do que usar tabelas ou bolhas em Azure, não há taxas de transação contra SQL bases de dados. Além disso, o armazenamento de bases de dados é ideal para escrever rapidamente quantidades menores de informação frequentemente utilizada, para a partilha de dados entre experiências, ou para reportar resultados, previsões e métricas.
Por outro lado, pode haver limites na quantidade de dados que pode armazenar numa base de dados, dependendo do seu tipo de subscrição. Também deve considerar a utilização de uma base de dados e uma conta que esteja na mesma região que o seu espaço de trabalho de aprendizagem automática.
Para exportar dados, forneça o nome da instância e o nome da base de dados onde os dados são armazenados, e execute o módulo usando uma conta que tenha permissões de escrita. Também deve especificar o nome da tabela e mapear as colunas da sua experiência para colunas na tabela.
Como exportar dados para um Base de Dados SQL do Azure
Adicione o módulo de Dados de Exportação à sua experiência no Studio (clássico). Pode encontrar este módulo na categoria entrada e saída de dados .
Ligação Exportar dados para o módulo que produz os dados que pretende exportar.
Para o destino Data, selecione Base de Dados SQL do Azure. Esta opção também suporta o Azure SQL Data Warehouse.
Indicar o nome do servidor e base de dados em Base de Dados SQL do Azure ou Azure SQL Data Warehouse.
Nome do servidor de base de dados: Digite o nome do servidor como gerado pelo Azure. Tipicamente tem o formulário
<generated_identifier>.database.windows.net
.Nome da base de dados: Digite o nome de uma base de dados existente no servidor que acabou de especificar. O módulo de Dados de Exportação não pode criar uma base de dados.
Nome da conta do utilizador do servidor: Digite o nome de utilizador para uma conta que tenha permissões de acesso à base de dados.
Senha de conta de utilizador do servidor: Forneça a palavra-passe para a conta de utilizador especificada.
Especifique as colunas para exportar, e se quiser mudar o nome das colunas.
Lista de colunas separadas em vírgula: Digite os nomes das colunas da experiência que pretende escrever na base de dados.
Nome da tabela de dados: Digite o nome da tabela para armazenar os dados dentro
Para Base de Dados SQL do Azure, se a mesa não existir, é criada uma nova tabela.
Para o Azure SQL Data Warehouse, a tabela já deve existir e ter o esquema correto, por isso certifique-se de criá-lo com antecedência.
Lista separada por vírgulas de colunas de dados: Digite os nomes das colunas como deseja que apareçam na tabela de destino.
Para Base de Dados SQL do Azure, pode alterar os nomes das colunas, mas deve manter as colunas na mesma ordem que listaste as colunas para exportação, na lista de colunas separadas pela Vírgula a serem guardadas.
Para a Azure SQL Data Warehouse, os nomes das colunas devem corresponder aos que já estão no esquema da tabela de destino.
Número de linhas escritas por SQL Azure operação: Esta opção especifica quantas linhas devem ser escritas para a tabela de destino em cada lote.
Por predefinição, o valor é definido para 50, que é o tamanho padrão do lote para Base de Dados SQL do Azure. No entanto, deve aumentar este valor se tiver um grande número de linhas para escrever.
Para o Azure SQL Data Warehouse, recomendamos que desemende este valor para 1. Se utilizar um tamanho maior do lote, o tamanho da cadeia de comando enviada para Azure SQL Data Warehouse pode exceder o comprimento de corda permitido, causando um erro.
Utilize resultados em cache: Selecione esta opção para evitar escrever novos resultados sempre que a experiência for executada. Se não houver outras alterações nos parâmetros do módulo, a experiência escreve os dados apenas na primeira vez que o módulo é executado. No entanto, uma nova escrita é sempre realizada se algum parâmetro tiver sido alterado nos Dados de Exportação que alterassem os resultados.
Execute a experimentação.
Exemplos
Por exemplo, como utilizar o módulo de Dados de Exportação , consulte a Galeria Azure AI:
Passo de previsão de varejo Passo 1 de 6 - pré-processamento de dados: O modelo de previsão de retalho ilustra uma tarefa de aprendizagem automática baseada em dados armazenados em Azure SQLDB. Demonstra técnicas úteis, como a utilização da base de dados Azure SQL para passar conjuntos de dados entre experiências em diferentes contas, guardar e combinar previsões, e como criar uma base de dados Azure SQL apenas para aprendizagem automática.
Construa e implemente um modelo de machine learning utilizando SQL Server num Azure VM: Este artigo acompanha-o através de uma base de dados SQL Server hospedada num VM Azure como fonte para armazenar dados de treino e previsões. Também ilustra como a base de dados relacional pode ser usada para engenharia de recursos e seleção de recursos.
Como utilizar o Azure ML com o Azure SQL Data Warehouse: Demonstra a utilização de dados da Azure SQL Data Warehouse para construir um modelo de clustering.
Utilizar Machine Learning com SQL Data Warehouse: Demonstra como criar um modelo de regressão para prever preços, utilizando dados no Azure SQL Data Warehouse.
Notas técnicas
Esta secção contém detalhes de implementação, dicas e respostas a perguntas frequentes.
Perguntas comuns
Usando uma base de dados em uma região geográfica diferente
Se o Base de Dados SQL do Azure ou SQL Data Warehouse estiver numa região diferente da conta de machine learning, os escritos podem ser mais lentos.
Além disso, é cobrado por entrada de dados e saídas na subscrição se o nó de computação estiver numa região diferente da conta de armazenamento.
Por que alguns caracteres nos dados de saída não são apresentados corretamente
Machine Learning apoia a codificação UTF-8. Se as colunas de cordas na sua base de dados utilizarem uma codificação diferente, os caracteres podem não ser guardados corretamente.
Além disso, Machine Learning não podem desír em conta tipos de dados de saída, tais como money
.
Parâmetros do módulo
Nome | Intervalo | Tipo | Predefinição | Description |
---|---|---|---|---|
Origem de dados | Lista | Fonte de dados ou pia | Armazenamento de Blobs do Azure | A fonte de dados pode ser HTTP, FTP, HTTPS ou FTPS anónimos, um ficheiro no armazenamento Azure BLOB, uma tabela Azure, um Base de Dados SQL do Azure ou Azure SQL Data Warehouse, uma tabela Hive ou um ponto final OData. |
Nome do servidor de base de dados | qualquer | String | nenhum | |
Nome da base de dados | qualquer | String | nenhum | |
Nome da conta do utilizador do servidor | qualquer | String | nenhum | |
Senha de conta de utilizador do servidor | nenhum | |||
Lista separada de vírgulas a guardar | nenhum | |||
Nome da tabela de dados | qualquer | String | nenhum | |
Lista separada de vírgula de colunas de dados | Cadeia | String | nenhum | String |
Número de linhas escritas por SQL Azure operação | String | Número inteiro | 50 | String |
Use resultados em cache | VERDADEIRO/FALSO | Booleano | FALSE | O módulo só executa se não existir cache válido; caso contrário, utilize dados em cache da execução prévia. |
Exceções
Exceção | Description |
---|---|
Erro 0027 | Uma exceção ocorre quando dois objetos têm que ter o mesmo tamanho, mas não são. |
Erro 0003 | Uma exceção ocorre se uma ou mais entradas forem nulas ou vazias. |
Erro 0029 | Uma exceção ocorre quando um URI inválido é passado. |
Erro 0030 | uma exceção ocorre quando não é possível descarregar um ficheiro. |
Erro 0002 | Ocorre uma exceção se um ou mais parâmetros não puderem ser analisados ou convertidos do tipo especificado para o tipo exigido pelo método-alvo. |
Erro 0009 | Ocorre uma exceção se o nome da conta de armazenamento Azure ou o nome do recipiente forem especificados incorretamente. |
Erro 0048 | Uma exceção ocorre quando não é possível abrir um ficheiro. |
Erro 0015 | Uma exceção ocorre se a ligação da base de dados tiver falhado. |
Erro 0046 | Uma exceção ocorre quando não é possível criar um diretório em caminho especificado. |
Erro 0049 | Uma exceção ocorre quando não é possível analisar um ficheiro. |
Para obter uma lista de erros específicos dos módulos Studio (clássicos), consulte Machine Learning Códigos de Erro.
Para obter uma lista de exceções da API, consulte Machine Learning CÓDIGOs de Erro da API REST.
Ver também
Importar Dados
Dados de Exportação
Exportação para Azure Blob Armazenamento
Exportação para Consulta de Colmeia
Exportação para quadro de Azure