CLI （v2） 鏈接已啟用 Azure Arc 的 Kubernetes 叢集 （KubernetesCompute） YAML 架構
您可以在 找到 https://azuremlschemas.azureedge.net/latest/kubernetesCompute.schema.json來源 JSON 架構。
注意
本文件中詳述的 YAML 語法是以最新版 ML CLI v2 延伸模組的 JSON 結構描述為基礎。 此語法僅保證能與最新版的 ML CLI v2 延伸模組搭配運作。 您可以在 https://azuremlschemasprod.azureedge.net/ 找到舊版延伸模組的結構描述。
YAML 語法
| 機碼 | 類型 | 描述 | 允許的值 | 預設值 |
|---|---|---|---|---|
$schema |
string | YAML 結構描述。 如果您使用 Azure Machine Learning VS Code 擴充功能來撰寫 YAML 檔案，在檔案頂端包含 $schema 可讓您叫用結構描述和資源完成。 |
||
type |
string | 必要。 計算的類型。 | kubernetes |
|
name |
字串 | 必要。 計算的名稱。 | ||
description |
字串 | 計算的描述。 | ||
resource_id |
字串 | 已啟用 Azure Arc 的 Kubernetes 叢集的完整資源識別碼，以作為計算目標連結至工作區。 | ||
namespace |
字串 | 要用於計算目標的 Kubernetes 命名空間。 命名空間必須在 Kubernetes 叢集中建立，才能將叢集附加至工作區作為計算目標。 在此計算目標上執行的所有 Azure 機器學習 工作負載都會在此欄位中指定的命名空間下執行。 | ||
identity |
object | 要指派給計算的受控識別組態。 KubernetesCompute 叢集僅支援一個系統指派的身分識別或多個使用者指派的身分識別，而不是同時支援這兩者。 | ||
identity.type |
字串 | 要指派給計算的受控識別類型。 如果類型為 user_assigned，則也必須指定 identity.user_assigned_identities 屬性。 |
system_assigned, user_assigned |
|
identity.user_assigned_identities |
陣列 | 使用者指派身分識別的完整資源識別碼清單。 |
備註
這些az ml compute命令可用來管理連結至 Azure 機器學習 工作區的已啟用 Azure Arc 的 Kubernetes 叢集 （KubernetesCompute）。