批处理终结点上的授权

1. 使用 Azure CLI 通过交互式身份验证或设备代码身份验证登录：

   az login
   

2. 完成身份验证后，使用以下命令运行批处理部署作业：

   az ml batch-endpoint invoke --name $ENDPOINT_NAME \
                               --input https://azuremlexampledata.blob.core.chinacloudapi.cn/data/heart-disease-uci
   

1. 使用适用于 Python 的 Azure 机器学习 SDK 通过交互式身份验证或设备身份验证登录：

   from azure.ai.ml import MLClient
   from azure.identity import InteractiveAzureCredentials
   
   subscription_id = "<subscription>"
   resource_group = "<resource-group>"
   workspace = "<workspace>"
   
   ml_client = MLClient(InteractiveAzureCredentials(), subscription_id, resource_group, workspace)
   

2. 完成身份验证后，使用以下命令运行批处理部署作业：

   job = ml_client.batch_endpoints.invoke(
           endpoint_name,
           input=Input(path="https://azuremlexampledata.blob.core.chinacloudapi.cn/data/heart-disease-uci")
       )
   

使用 REST 时，建议使用服务主体调用批处理终结点。 但是，如果要通过自己的凭据使用 REST 测试特定部署，可以通过为帐户生成 Microsoft Entra 令牌来执行此操作。 执行以下步骤：

1. 为用户帐户获取有效令牌的最简单方法是使用 Azure CLI。 在控制台中运行以下命令：

   az account get-access-token --resource https://studio.ml.azure.cn \
                               --query "accessToken" \
                               --output tsv
   

2. 记下生成的输出。

3. 通过身份验证后，向调用 URI 发出请求，将 <TOKEN> 替换为你之前获取的值。

   请求：

   POST jobs HTTP/1.1
   Host: <ENDPOINT_URI>
   Authorization: Bearer <TOKEN>
   Content-Type: application/json
   

   正文：

   {
       "properties": {
           "InputData": {
               "mnistinput": {
                   "JobInputType" : "UriFolder",
                   "Uri":  "https://azuremlexampledata.blob.core.chinacloudapi.cn/data/heart-disease-uci"
               }
           }
       }
   }
   

1. 按照选项 3：创建新的客户端机密中的说明创建用于身份验证的机密。

2. 若要使用服务主体进行身份验证，请使用以下命令。 有关更多详细信息，请参阅使用 Azure CLI 登录。

   az login --service-principal \
            --tenant <tenant> \
            -u <app-id> \
            -p <password-or-cert> 
   

3. 完成身份验证后，使用以下命令运行批处理部署作业：

   az ml batch-endpoint invoke --name $ENDPOINT_NAME \
                               --input https://azuremlexampledata.blob.core.chinacloudapi.cn/data/heart-disease-uci/
   

1. 按照选项 3：创建新的客户端机密中的说明创建用于身份验证的机密。

2. 若要使用服务主体进行身份验证，请使用环境变量指示服务主体的租户 ID、客户端 ID 和客户端机密，如下所示：

   from azure.ai.ml import MLClient
   from azure.identity import EnvironmentCredential
   
   os.environ["AZURE_TENANT_ID"] = "<TENANT_ID>"
   os.environ["AZURE_CLIENT_ID"] = "<CLIENT_ID>"
   os.environ["AZURE_CLIENT_SECRET"] = "<CLIENT_SECRET>"
   
   subscription_id = "<subscription>"
   resource_group = "<resource-group>"
   workspace = "<workspace>"
   
   ml_client = MLClient(EnvironmentCredential(), subscription_id, resource_group, workspace)
   

3. 完成身份验证后，使用以下命令运行批处理部署作业：

   job = ml_client.batch_endpoints.invoke(
           endpoint_name,
           input=Input(path="https://azuremlexampledata.blob.core.chinacloudapi.cn/data/heart-disease-uci")
       )
   

1. 按照选项 3：创建新的客户端机密中的说明创建用于身份验证的机密。

2. 使用 Azure 中的登录服务获取授权令牌。 授权令牌是针对特定范围颁发的。 Azure 机器学习的资源类型为https://studio.ml.azure.cn。 请求应如下所示：

   请求：

   POST /{TENANT_ID}/oauth2/token HTTP/1.1
   Host: login.partner.microsoftonline.cn
   

   正文：

   grant_type=client_credentials&client_id=<CLIENT_ID>&client_secret=<CLIENT_SECRET>&resource=https://studio.ml.azure.cn
   

   重要

   请注意，用于调用批处理终结点的资源范围 (https://studio.ml.azure.cn) 不同于用于管理它们的资源范围。 Azure 中的所有管理 API 都使用资源范围 https://management.chinacloudapi.cn，包括 Azure 机器学习。

3. 完成身份验证后，请使用查询运行批处理部署作业：

   请求：

   POST jobs HTTP/1.1
   Host: <ENDPOINT_URI>
   Authorization: Bearer <TOKEN>
   Content-Type: application/json
   

   正文：

   {
       "properties": {
           "InputData": {
               "mnistinput": {
                   "JobInputType" : "UriFolder",
                   "Uri":  "https://azuremlexampledata.blob.core.chinacloudapi.cn/data/heart-disease-uci"
               }
           }
       }
   }
   

在已针对 Azure 资源托管标识进行了配置的资源上，可以使用托管标识进行登录。 使用资源的标识登录是通过 --identity 标志执行的。 更多详细信息，请参阅使用 Azure CLI 登录。

az login --identity

完成身份验证后，使用以下命令运行批处理部署作业：

az ml batch-endpoint invoke --name $ENDPOINT_NAME \
                            --input https://azuremlexampledata.blob.core.chinacloudapi.cn/data/heart-disease-uci

在已针对 Azure 资源托管标识进行了配置的资源上，可以使用托管标识进行登录。 将资源 ID 与 ManagedIdentityCredential 对象一起使用，如以下示例中所示：

from azure.ai.ml import MLClient
from azure.identity import ManagedIdentityCredential

subscription_id = "<subscription>"
resource_group = "<resource-group>"
workspace = "<workspace>"
resource_id = "<resource-id>"

ml_client = MLClient(ManagedIdentityCredential(resource_id), subscription_id, resource_group, workspace)

完成身份验证后，使用以下命令运行批处理部署作业：

job = ml_client.batch_endpoints.invoke(
        endpoint_name,
        input=Input(path="https://azuremlexampledata.blob.core.chinacloudapi.cn/data/heart-disease-uci")
    )

可以使用 Azure 机器学习的 REST API 使用托管标识启动批处理终结点作业。 具体步骤因所使用的基础服务而异。 部分示例包括（但不限于）：

• Azure 数据工厂的托管标识
• 如何使用应用服务和 Azure Functions 的托管标识。
• 如何在 Azure VM 上使用 Azure 资源的托管标识获取访问令牌。

还可以使用 Azure CLI 获取托管标识的身份验证令牌，并将其传递至批处理终结点 URI。