Compartir a través de

创建外部连接（预览版）

适用范围：Azure CLI ml 扩展 v2（最新版）Python SDK azure-ai-ml v2（最新版）

本文介绍如何连接到外部数据源，使其数据可供 Azure 机器学习使用。 你还将了解如何连接到多个外部非数据服务。 可以使用 Azure 机器学习 CLI、用于 Python 的 Azure 机器学习 SDK 或机器学习工作室来创建这些连接。

Azure 机器学习连接安全地将用户名和密码存储为密钥保管库中的机密。 Azure 连接充当密钥保管库代理，与连接的交互是与 Azure Key Vault 的直接交互。 Key Vault 基于角色的访问控制（RBAC）管理对数据资源的访问。 在将凭据存储到密钥保管库后，您无需直接处理这些凭据。

Azure 支持连接到以下外部源以实现数据可用性：

  • Snowflake
  • Azure SQL 数据库

重要

此功能目前处于公开预览状态。 此预览版在提供时没有附带服务级别协议，我们不建议将其用于生产工作负荷。 某些功能可能不受支持或者受限。

有关详细信息，请参阅适用于 Azure 预览版的补充使用条款。

先决条件

  • Azure 机器学习的订阅。

  • Azure 机器学习工作区。

  • 安装了扩展版本 2.15.1 或更高版本的 ml Azure CLI。

    如果有较旧的 Azure CLI 版本或扩展，请使用以下代码卸载它并安装新版本。

    az extension remove -n ml
az extension add -n ml --yes
az extension show -n ml 2.15.1

创建 Snowflake 数据连接

可以使用 Azure 机器学习 CLI、用于 Python 的 Azure 机器学习 SDK 或机器学习工作室创建使用用户名/密码身份验证的 Snowflake 数据连接。

还可以使用 Azure CLI 或 Python SDK 创建将 OAuth 与服务主体配合使用的 Snowflake 连接。 机器学习工作室不支持创建 OAuth 连接。

创建使用用户名/密码身份验证的连接

若要创建 Snowflake 连接，请先组装定义连接的 YAML 文件，然后运行调用 YAML 文件的命令或脚本。 对于 Python SDK，还可以直接指定连接信息，而无需使用 YAML 文件。

可以在 YAML 文件中存储凭据，并在创建连接时重写 Azure CLI 命令行中的存储凭据。 但是，最好避免将凭据存储在文件中，因为安全漏洞可能会导致凭据泄漏。 你可以省略 credentials 值，并在命令行中提供这些值。

以下 YAML 文件定义使用用户名/密码身份验证的 Snowflake 连接。 若要创建文件，请提供一个<connection-name> ，并将<account> 、<database> 、<warehouse> 和<role>占位符替换为 Snowflake 帐户中的值。 如果未提供值 <role>，则值默认为 PUBLIC。 使用 my_snowflake_connection.yaml 等名称保存文件。

$schema: http://azureml/sdk-2-0/Connection.json
type: snowflake
name: <connection-name>

target: jdbc:snowflake://<account>.snowflakecomputing.com/?db=<database>&warehouse=<warehouse>&role=<role>
credentials:
    type: username_password
    username: <snowflake-username>
    password: <snowflake-password>

若要创建连接，请运行以下命令行之一，为占位符提供 YAML 文件名 <yaml-filename> 。

  • 若要使用存储在 YAML 文件中的用户名和密码，请运行以下命令：

    az ml connection create --file <yaml-filename>.yaml

  • 要在命令行中作为参数提供用户名和密码，请运行以下命令，并在占位符 <username> 和 <password> 处输入您的信息：

    az ml connection create --file <yaml-filename>.yaml --set credentials.username="<username>" credentials.password="<password>"

使用 Azure CLI 或 Python SDK 创建与 OAuth 身份验证的连接

可以使用 Azure CLI 或 Python SDK 创建一个 Snowflake 连接，该连接使用 OAuth 的服务主体进行身份验证。

重要

必须先 将 Azure 配置为代表客户端颁发 OAuth 令牌，然后才能使用 OAuth 创建连接。 此配置过程为 OAuth 连接创建所需的服务主体。

若要为 Azure 机器学习创建 OAuth 连接，需要以下信息：

  • 客户端 ID：服务主体的 ID
  • 客户端密码：服务主体机密
  • 租户 ID：Microsoft Entra ID 租户的 ID

若要创建连接，请先组装定义连接的 YAML 文件，然后运行调用 YAML 文件的命令或脚本。 对于 Python SDK，还可以直接指定连接信息，而无需使用 YAML 文件。

创建以下 YAML 文件以定义使用 OAuth 的 Snowflake 连接。 请提供一个<connection-name>，并将<account>、<database>、<warehouse>和<service-principal-scope>占位符替换为您 Snowflake 帐户中的值。 对于凭据，请提供你的<client-id>、<client-secret>和<tenant_id>。

name: <connection-name>
type: snowflake
target: jdbc:snowflake://<account>.snowflakecomputing.com/?db=<database>&warehouse=<warehouse>&scope=<service-principal-scope>
credentials:
  type: service_principal
  client_id: <client-id>
  client_secret: <client-secret>
  tenant_id: <tenant-id>

  • 若要使用存储在 YAML 文件中的凭据信息创建连接，请运行以下命令，将 <yaml-filename> 占位符替换为 YAML 文件名。

    az ml connection create --file <yaml-filename>.yaml

  • 若要覆盖 YAML 文件中的凭据信息或在命令行中提供凭据，请运行以下命令，并为占位符输入您的 <client-id>、<client-secret> 和 <tenant-id> 值：

    az ml connection create --file <yaml-filename>.yaml --set credentials.client_id="<client-id>" credentials.client_secret="<client-secret>" credentials.tenant_id="<tenant-id>"

创建 Azure SQL 数据库数据连接

可以使用 Azure 机器学习 CLI、用于 Python 的 Azure 机器学习 SDK 或机器学习工作室创建 Azure SQL 数据库数据连接。

若要创建 Azure SQL 数据库连接，请先组装定义连接的 YAML 文件，然后运行调用 YAML 文件的 Azure CLI 或 Python SDK 命令或脚本。 对于 Python SDK，还可以直接指定连接信息，而无需使用 YAML 文件。

创建以下 YAML 文件以定义 Azure SQL 数据库连接，并使用名称（如 my_azuresqldb_connection.yaml）保存该文件。 提供 <connection-name>，并将<server>、<port>和<database>占位符替换为 Azure SQL 数据库中的相应值。

可以将 Azure SQL 数据库用户名和密码存储在此文件中，但更安全的做法是将这些值留空，并在创建连接的命令行中提供它们。

$schema: http://azureml/sdk-2-0/Connection.json

type: azure_sql_db
name: <connection-name>

target: Server=tcp:<server>,<port>;Database=<database>;Trusted_Connection=False;Encrypt=True;Connection Timeout=30
credentials:
    type: sql_auth
    username: <username>
    password: <password>

若要创建连接，请运行以下 CLI 命令行之一，为占位符提供 YAML 文件名 <yaml-filename> 。

  • 若要使用 YAML 文件中存储的用户名和密码，请运行以下命令：

    az ml connection create --file <yaml-filename>.yaml

  • 要在命令行中作为参数提供用户名和密码，请运行以下命令，并在占位符 <username> 和 <password> 处输入您的信息：

    az ml connection create --file <yaml-filename>.yaml --set credentials.username="<username>" credentials.password="<password>"

创建外部非数据连接

还可以创建与代码中使用的外部服务的非数据 Azure 机器学习连接。 本部分演示如何创建以下非数据连接：

  • Git
  • Python 源
  • Azure 容器注册表
  • 通用容器注册表
  • API 密钥

创建 Git 连接

可以使用 Azure CLI、Python SDK 或机器学习工作室创建 Git 连接。

若要使用 Azure CLI 创建 Git 连接，请使用以下 YAML 文件之一定义连接。 将文件命名为类似git-connection.yml的名字。

  • 若要使用个人访问令牌（PAT）进行连接，请提供<connection-name>，并将 <account>、<repo> 和 <PAT> 占位符替换为您 Git 帐户、存储库和 PAT 的值。

    name: <connection-name>
type: git
target: https://github.com/<account>/<repo>
credentials:
   type: pat
   pat: <PAT>

  • 若要在不使用凭据的情况下连接到公共存储库，请提供<connection-name>，并将<account>和<repo>占位符替换为你的值。

    name: <connection-name>
type: git
target: https://github.com/<account>/<repo>

通过运行以下命令创建 Azure 机器学习连接，为占位符提供 YAML 文件名 <yaml-filename> 。

az ml connection create --file <yaml-filename>.yaml

Python 源

可以使用 Azure CLI、Python SDK 或机器学习 Studio 创建与 Python 馈送的连接。

使用以下 YAML 文件之一定义 Python 源连接。 将文件命名 为python-feed-connection.yml。

  • 若要使用 PAT 进行连接，请提供一个<connection-name>，并将<feed-url>和<PAT>占位符替换为您源的值。

    name: <connection-name>
type: python_feed
target: https://<feed-url>
credentials:
   type: pat
   pat: <PAT>

  • 若要使用用户名和密码进行连接，请提供<connection-name>，并将<feed-url>、<username>和<password>占位符替换为您的feed的值。

    name: <connection-name>
type: python_feed
target: https://<feed-url>
credentials:
   type: username_password
   username: <username>
   password: <password>

  • 若要在不使用凭据的情况下连接到公共源，请提供<connection-name>，并将<feed-url>占位符替换为您的 Python 源 URL。

    name: <connection-name>
type: python_feed
target: https://<feed-url>

通过运行以下命令创建 Azure 机器学习连接，为占位符提供 YAML 文件名 <yaml-filename> 。

az ml connection create --file <yaml-filename>.yaml

Azure 容器注册表

可以使用 Azure CLI、Python SDK 或机器学习工作室创建到 Azure 容器注册表的连接。

使用以下 YAML 文件通过用户名/密码身份验证定义与 Azure 容器注册表的连接。

name: <connection-name>
type: container_registry
target: https://<container-registry-url>
credentials:
   type: username_password
   username: <username>
   password: <password>

若要创建连接，请运行以下命令：

az ml connection create --file connection.yaml

通用容器注册表

GenericContainerRegistry 工作区连接指定了用于镜像构建的外部注册表，例如 Nexus 或 Artifactory。 环境映像从指定的注册表推送，先前的缓存会被忽略。 可以使用 Azure CLI、Python SDK 或机器学习工作室创建与通用容器注册表的连接。

对于 Azure CLI 和 Python SDK，以下示例 YAML 文件定义了一个通用容器注册表连接。 使用自己的值更新示例值。

#myenv.yml
$schema: https://azuremlschemas.azureedge.net/latest/environment.schema.json 
name: docker-image-plus-conda-example 
image: mcr.microsoft.com/azureml/openmpi4.1.0-ubuntu20.04
type: python_feed
conda_file: conda_dep.yml
description: Environment created from a Docker image plus Conda environment

#conda_dep.yml
name: project_environment
dependencies:
  - python=3.10
  - pip:
    - azureml-defaults
channels:
  - anaconda
  - conda-forge

#connection.yml
name: ws_conn_generic_container_registry
type: container_registry
target: https://test-registry.com
credentials:
  type: username_password
  username: myusername
  password: <password>

#hello_world_job.yml
$schema: https://azuremlschemas.azureedge.net/latest/commandJob.schema.json
command: echo "hello world"
environment: azureml:myenv@latest

运行以下命令，使用前面的 YAML 文件和凭据创建连接。 使用自己的值更新示例值。

az ml connection create --file connection.yml --credentials username=myusername password=<password> --resource-group my-resource-group --workspace-name my-workspace

若要创建环境，请运行以下命令：

az ml environment create --name docker-image-plus-conda-example --version 1 --file myenv.yml  --conda-file conda_dep.yml --image mcr.microsoft.com/azureml/openmpi4.1.0-ubuntu20.04 --resource-group my-resource-group --workspace-name my-workspace

运行以下命令，验证是否已成功创建环境。

az ml environment show --name docker-image-plus-conda-example --version 1 --resource-group my-resource-group --workspace-name my-workspace

API 密钥

创建以下 YAML 文件以定义与 API 密钥的连接。 使用自己的值更新示例值。

name: my_api_key
type: api_key
api_base: "https://myapi.core.chinacloudapi.cn/mycontainer"
api_key: "aAbBcCdD"

若要创建连接，请运行以下命令：

az ml connection create --file connection.yaml

为了提高安全性，请不要在 YAML 文件中包含 api_key 值，而是在命令行中提供它。

az ml connection create --file connection.yml --set api_key="aAbBcCdD"

相关内容

  • Last updated on