源 JSON 架构可在 https://azuremlschemas.azureedge.net/latest/kubernetesCompute.schema.json 中找到。
注释
本文档中详细介绍的 YAML 语法基于最新版本的 ML CLI v2 扩展的 JSON 架构。 此语法必定仅适用于最新版本的 ML CLI v2 扩展。 可以在 https://azuremlschemasprod.azureedge.net/ 上查找早期扩展版本的架构。
YAML 语法
| 密钥 | 类型 | Description | 允许的值 | 默认值 |
|---|---|---|---|---|
$schema |
字符串 | YAML 架构。 如果使用 Azure 机器学习 VS Code 扩展来创作 YAML 文件，则可通过在文件顶部包含 $schema 来调用架构和资源完成操作。 |
||
type |
字符串 | 必填。 计算的类型。 | kubernetes |
|
name |
字符串 | 必填。 计算的名称。 | ||
description |
字符串 | 计算的说明。 | ||
resource_id |
字符串 | 已启用 Azure Arc 的 Kubernetes 群集的完全限定的资源 ID，以作为计算目标附加到工作区。 | ||
namespace |
字符串 | 要用于计算目标的 Kubernetes 命名空间。 必须先在 Kubernetes 群集中创建命名空间，然后才能将群集作为计算目标附加到工作区。 在此计算目标上运行的所有 Azure 机器学习工作负荷都将在此字段中指定的命名空间下运行。 | ||
identity |
对象 | 要分配给计算的托管标识配置。 KubernetesCompute 群集仅支持一个系统分配的标识或多个用户分配的标识，而不是同时支持这两个标识。 | ||
identity.type |
字符串 | 要分配给计算的托管标识的类型。 如果该类型为 user_assigned， identity.user_assigned_identities 则还必须指定该属性。 |
system_assigned、user_assigned |
|
identity.user_assigned_identities |
数组 | 用户分配标识的完全限定资源 ID 的列表。 |
注解
这些 az ml compute 命令可用于管理附加到 Azure 机器学习工作区的已启用 Azure Arc 的 Kubernetes 群集（KubernetesCompute）。