AzureMachineLearningFileSystem 类

像访问文件系统一样访问 Azure 机器学习定义的 URI。 这会在 Azure 机器学习定义的 URI 上公开类似于文件系统的 API

初始化新的 AzureMachineLearningFileSystem 对象

继承

fsspec.asyn.AsyncFileSystem

AzureMachineLearningFileSystem

构造函数

AzureMachineLearningFileSystem(*args, **kwargs)

参数

名称	说明
uri 必需	str Azure 机器学习定义的 URI 支持数据存储 URI、数据资产 URI 和注册表 URI。 数据存储 URI 格式：“azureml://subscriptions/{subscription_id}/resourcegroups/{resource_group}/ [providers/Microsoft.MachineLearningServices/]workspaces/{workspace}/datastores/{datastore_name}/[paths/{path}]” 其中： {subscription_id} 是 Azure 订阅的 ID。 {resource_group} 是 Azure 资源组的名称。 {workspace} 是 Azure 机器学习工作区的名称。 {datastore_name} 是数据存储的名称。 [paths/{path}] 是表示数据存储内路径的可选段。 数据资产 URI 格式：“azureml://subscriptions/{subscription_id}/resourcegroups/{resource_group}/ [providers/Microsoft.MachineLearningServices/]workspaces/{workspace}/data/{data_name}/[versions/{version}]” 其中： {subscription_id}、{resource_group} 和 {workspace} 的含义与上述相同。 {data_name} 是数据资产的名称。 [versions/{version}] 是表示数据资产版本的可选段。 注意：在这两种 URI 格式中，段“providers/Microsoft.MachineLearningServices/”是可选的。 我们支持包含和不带此段的 URI。 注册表 URI 格式：“azureml://registries/{registry_name}/data/{data_name}/versions/{version}”
uri 必需	str 用于初始化 AzureMachineLearningFileSystem 的 URI。

注解

这将使 pandas/dask 能够加载 Azure 机器学习定义的 URI。

方法

get	将文件 () 复制到本地。
glob	uri 的通配结果
put	将文件 () 复制到本地。
to_absolute_path	将文件系统根目录中的相对路径转换为绝对路径

get

将文件 () 复制到本地。

get(rpath, lpath, recursive=False, callback=<fsspec.callbacks.NoOpCallback object>, **kwargs)

glob

uri 的通配结果

glob(path=None, **kwargs)

参数

名称	说明
path 必需	str glob 的路径，可以是长形式的数据存储 URI，也可以是采用 {datastore}/{relative_path} 格式的相对路径

返回

类型	说明
list[str]	文件路径列表

put

将文件 () 复制到本地。

put(lpath, rpath, recursive=False, callback=<fsspec.callbacks.NoOpCallback object>, **kwargs)

to_absolute_path

将文件系统根目录中的相对路径转换为绝对路径

static to_absolute_path(path: str)

参数

名称	说明
path 必需

属性

protocol

protocol: ClassVar[str | tuple[str, ...]] = 'azureml'