你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

在 Azure 机器学习工作室中管理提示流计算会话

项目
09/04/2024

提示流计算会话提供应用运行所需的计算资源，包括包含所有必要依赖项包的 Docker 映像。这种可靠且可缩放的环境可让提示流有效地执行其任务和函数，可提供无缝的用户体验。

计算会话管理的权限和角色

如要分配角色，需要具有 owner 身份，或者对资源具有 Microsoft.Authorization/roleAssignments/write 权限。

对于计算会话的用户，在工作区中分配 AzureML Data Scientist 角色。如要了解详细信息，请参阅“管理对 Azure 机器学习工作区的访问权限”。

角色分配可能需要几分钟时间才能生效。

在工作室中启动计算会话

在使用 Azure 机器学习工作室启动计算会话之前，请确保：

你在工作区中具有 AzureML Data Scientist 角色。
工作区中的默认数据存储（通常为 workspaceblobstore）是 Blob 类型。
工作区中存在工作目录 (workspaceworkingdirectory)。
如果使用虚拟网络进行提示流，则可以参阅“提示流的网络隔离”中的注意事项。

在流页面上启动计算会话

一个流绑定到一个计算会话。可以在流页面上启动计算会话。

选择开始。通过使用流文件夹中 flow.dag.yaml 中定义的环境启动计算会话，它在无服务器计算的虚拟机 (VM) 大小上运行，在工作区中有足够的配额。

选择“开始使用高级设置”。在高级设置中，可以：

选择计算类型。可以在无服务器计算和计算实例之间进行选择。

如果选择无服务器计算，可以指定以下设置：

自定义计算会话使用的 VM 大小。选择 VM 系列 D 及以上。有关更多信息，请参阅支持的 VM 系列和大小一节
自定义空闲时间，如果计算会话在一段时间内未使用，则会自动删除该会话。
设置用户分配的托管标识。计算会话使用此标识来提取基础映像、使用连接进行身份验证并安装包。请确保用户分配的托管标识具有足够的权限。如果未设置此标识，则默认使用用户标识。

可以使用以下 CLI 命令将用户分配的托管标识分配给工作区。详细了解如何为工作区创建并更新用户分配的标识。

az ml workspace update -f workspace_update_with_multiple_UAIs.yml --subscription <subscription ID> --resource-group <resource group name> --name <workspace name>

其中 workspace_update_with_multiple_UAIs.yml 的内容如下所示：

identity:
   type: system_assigned, user_assigned
   user_assigned_identities:
    '/subscriptions/<subscription_id>/resourcegroups/<resource_group_name>/providers/Microsoft.ManagedIdentity/userAssignedIdentities/<uai_name>': {}
    '<UAI resource ID 2>': {}

提示

Azure 机器学习工作区的用户分配托管标识需要以下 Azure RBAC 角色分配，才能访问与工作区关联的资源中的数据。

资源	权限
Azure 机器学习工作区	参与者
Azure 存储	参与者（控制平面）+ 存储 Blob 数据参与者 + 存储文件数据特权参与者（数据平面，使用文件共享中的流草稿和 Blob 中的数据）
Azure Key Vault（当使用访问策略权限模型时）	参与者 + 清除操作以外的任何访问策略权限，这是适用于链接的 Azure Key Vault 的默认模式。
Azure Key Vault（当使用 RBAC 权限模型时）	参与者（控制平面）+ Key Vault 管理员（数据平面）
Azure 容器注册表	参与者
Azure Application Insights	参与者

注意

作业提交者需要对用户分配的托管标识具有 assign 权限，你可以分配 Managed Identity Operator 角色，因为每次创建无服务器计算会话时，它都会将用户分配的托管标识分配给计算。

如果选择计算实例作为计算类型，则只能设置空闲关闭时间。
- 由于它在现有的计算实例上运行，因此 VM 大小是固定的，在会话端不能更改。
- 用于此会话的标识也在计算实例中定义，默认情况下它使用用户标识。详细了解如何为计算实例分配标识
- 对于用于定义计算会话生命周期的空闲关闭时间，如果会话在设置的时间内处于空闲状态，则会自动删除。如果在计算实例上启用了空闲关闭，那么它将从计算级别生效。
- 了解有关如何创建和管理计算实例的更多信息

使用计算会话提交在 CLI/SDK 中运行的流

除了工作室，还可以在提交流运行时在 CLI/SDK 中指定计算会话。

Azure CLI
Python SDK

还可以在资源部分下指定实例类型或计算实例名称。如果未指定实例类型或计算实例名称，Azure 机器学习会根据配额、成本、性能和磁盘大小等因素选择实例类型（VM 大小）。详细了解无服务器计算。

$schema: https://azuremlschemas.azureedge.net/promptflow/latest/Run.schema.json
flow: <path_to_flow>
data: <path_to_flow>/data.jsonl

# specify identity used by serverless compute.
# default value
# identity:
#   type: user_identity 

# use workspace first UAI
# identity:
#   type: managed
  
# use specified client_id's UAI
# identity:
#   type: managed
#   client_id: xxx

column_mapping:
  url: ${data.url}

# define cloud resource

resources:
  instance_type: <instance_type> # serverless compute type
  # compute: <compute_instance_name> # use compute instance as compute type

通过 CLI 提交此运行：

pfazure run create --file run.yml

# load flow
flow = "<path_to_flow>"
data = "<path_to_flow>/data.jsonl"


# create run
run = Run(
    # local flow file
    flow=flow,
    # remote data
    data=data,
    # to customize runtime instance type and compute instance, you can provide them in resources
    # resources={
    #     "instance_type": "STANDARD_DS11_V2",
    #     "compute": "my_compute_instance"
    # }
    # to customize identity, you can provide them in identity
    # identity={
    #     "type": "managed",
    # }
)

base_run = pf.runs.create_or_update(run=run)

了解完整的端到端代码示例 1：将提示流与基于 LLM 的应用程序 DevOps 集成。

注意

如果使用 CLI/SDK 提交流运行，则空闲关闭时间为一小时。你可以转到计算页面来发布计算。

流文件夹之外的引用文件

有时，你可能想要引用流文件夹外部的 requirements.txt 文件。例如，你可能有包含多个流的复杂项目，并且它们共享同一个 requirements.txt 文件。为此，可以将字段 additional_includes 添加到 flow.dag.yaml。此字段的值是流文件夹的相对文件/文件夹路径的列表。例如，如果 requirements.txt 位于流文件夹的父文件夹中，则可以将 ../requirements.txt 添加到 additional_includes 字段。

inputs:
  question:
    type: string
outputs:
  output:
    type: string
    reference: ${answer_the_question_with_context.output}
environment:
  python_requirements_txt: requirements.txt
additional_includes:
  - ../requirements.txt
...

requirements.txt 文件被复制到流文件夹中，并使用它来启动计算会话。

在工作室流页面上更新计算会话

在流页面上，可以使用以下选项来管理计算会话：

更改计算会话设置，可以更改无服务器计算的计算设置，如 VM 大小和用户分配的托管标识，如果使用的是计算实例，则可以更改为使用其他实例。也可以更改
还可以为无服务器计算更改用户分配的托管标识。如果更改 VM 大小，则会使用新的 VM 大小重置计算会话。如果你
从 requirements.txt 安装包打开提示流 UI 中的 requirements.txt，可以在其中添加包。
查看已安装的包显示在计算会话中安装的程序包。它包括安装到基础映像的包和在流文件夹中的 requirements.txt 文件中指定的包。
重置计算会话会删除当前计算会话，并创建具有相同环境的新计算会话。如果遇到包冲突问题，可以尝试此选项。
停止计算会话会删除当前计算会话。如果基础计算上没有活动的计算会话，则无服务器计算资源也将被删除。

还可以通过在流文件夹中的 requirements.txt 文件中添加包来自定义用于运行此流的环境。在此文件中添加更多包后，可以选择以下任一选项：

在流文件夹中保存并安装触发器 pip install -r requirements.txt。此过程可能需要几分钟时间，具体视安装的包而定。
仅保存 requirements.txt 文件。稍后可以自行安装包。

注意

可以更改 requirements.txt 的位置以及文件名，但请务必在流文件夹中的 flow.dag.yaml 文件中进行更改。

不要将 promptflow 和 promptflow-tools 的版本固定在 requirements.txt 中，因为系统已经将它们包含在会话基础映像中。

requirements.txt 不支持本地 wheel文件。在映像中构建它们，并在 flow.dag.yaml 中更新自定义的基础映像。了解有关如何构建自定义基础映像的更多信息。

在 Azure DevOps 的专用源中添加包

要在 Azure DevOps 中使用专用源，需要执行以下步骤：

将托管标识分配给工作区或计算实例。
1. 使用无服务器计算作为计算会话，需要将用户分配的托管标识分配给工作区。
  1. 创建用户分配的托管标识，并在 Azure DevOps 组织中添加此标识。如要了解详细信息，请参阅“使用服务主体和托管标识”。
    
    注意
    
    如果“添加用户”按钮不可见，则你可能没有执行此操作所需的权限。
  2. 向工作区添加或更新用户分配的标识。
    
    注意
    
    请确保用户分配的托管标识在工作区链接的密钥保管库上具有 Microsoft.KeyVault/vaults/read。
2. 使用计算实例作为计算会话，需要为计算实例分配用户分配的托管标识。
将 {private} 添加到专用源 URL。例如，如果要在 Azure DevOps 的 test_feed 中安装 test_package，请将 -i https://{private}@{test_feed_url_in_azure_devops} 添加到 requirements.txt：
```
-i https://{private}@{test_feed_url_in_azure_devops}
test_package
```
在计算会话配置中使用用户分配的托管标识进行指定。
1. 如果使用的是无服务器计算，如果计算会话未运行，请在“使用高级设置开始”中指定用户分配的托管标识；如果计算会话正在运行，则使用“更改计算会话设置”按钮。
2. 如果使用的是计算实例，它将使用分配给计算实例的用户分配的托管标识。

注意

此方法主要侧重于在流开发阶段中快速测试。如果还需要将此流部署为终结点，请在映像中生成此专用源，并在 flow.dag.yaml 中更新自定义基础映像。详细了解如何生成自定义基础映像

更改计算会话的基础映像

默认情况下，我们使用最新的提示流基础映像。如果要使用不同的基础映像，可以构建自定义映像。

在工作室中，可以在“计算会话”设置下的“基础映像”设置中更改基础映像。

也可以在流文件夹的 flow.dag.yaml 文件中的 environment 下指定新的基础映像。
```
environment:
    image: <your-custom-image>
    python_requirements_txt: requirements.txt
```

要使用新的基础映像，需要重置计算会话。此过程需要几分钟时间，因为它会拉取新的基础映像并重新安装包。

管理计算会话使用的无服务器实例

使用无服务器计算作为计算会话时，可以管理无服务器实例。在计算页面的计算会话列表选项卡中查看无服务器实例。

还可以在“活动流和运行”选项卡下访问在计算上运行的流和运行。由于删除实例会影响流并在其上运行。

计算会话、计算资源、流和用户之间的关系

一个用户可以有多个计算资源（无服务器或计算实例）。由于不同的需求，单个用户可以拥有多个计算资源。例如，一个用户可以具有多个具有不同 VM 大小或不同用户分配的托管标识的计算资源。
一个计算资源只能由单个用户使用。计算资源用作单一用户的私有开发箱。多个用户不能共享相同的计算资源。
一个计算资源可以托管多个计算会话。计算会话是在基础计算资源上运行的容器。例如，提示流创作不需要太多计算资源，因此单一计算资源可以托管来自同一用户的多个计算会话。
一个计算会话一次只属于单一计算资源。但是，可以删除或停止计算会话，并将其重新分配给另一个计算资源。
一个流只能有一个计算会话。每个流都是独立的，并在流文件夹中为计算会话定义基础映像和所需的 python 包。

将运行时切换到计算会话

与计算实例运行时相比，计算会话具有以下优势：

自动管理会话和基础计算的生命周期。不再需要手动创建和管理它们。
通过在流文件夹中的 requirements.txt 文件中添加包来轻松自定义包，而不是创建自定义环境。

使用以下步骤将计算实例运行时切换到计算会话：

在流文件夹中准备 requirements.txt 文件。请确保不要在 requirements.txt 中固定 promptflow 和 promptflow-tools 的版本，因为基础映像中已包含这些内容。计算会话在启动时将包安装在 requirements.txt 文件中。
如果创建自定义环境来创建计算实例运行时，则可以从环境详细信息页面获取映像，并在流文件夹中的 flow.dag.yaml 文件中指定它。要了解更多信息，请参阅更改计算会话的基础映像。请确保你或在工作区上分配了托管标识的相关用户具有映像的 acr pull 权限。

对于计算资源，如果想手动管理生命周期，可以继续使用现有计算实例，或可以尝试由系统管理其生命周期的无服务器计算。

通过