通过

CLI (v2) OneLake 连接 YAML 架构

适用于：Azure CLI ml 扩展 v2（当前）

注意

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 说明 允许的值 默认值
$schema 字符串 YAML 架构。 如果使用 Azure 机器学习 Visual Studio Code 扩展来创作 YAML 文件，请在该文件的顶部添加 $schema 以调用架构和资源完成。
name 字符串 必需。 连接名称。
description 字符串 连接描述。
tags 物体 连接标记字典。
type 字符串 必需。 连接类型。 one_lake one_lake
is_shared 布尔 如果中心内其他项目共享连接，则为 true；否则，为 false。 true
one_lake_artifact 物体 项目。
one_lake_artifact.type 字符串 Microsoft OneLake 项目类型。 lake_house lake_house
one_lake_artifact.workspace_id 字符串 必需。 工作区名称或 GUID。
one_lake_artifact.name 字符串 必需。 Microsoft OneLake 项目名称或 GUID。
one_lake_artifact.endpoint 字符串 必需。 项目的终结点。
credentials 物体 访问 Microsoft OneLake 的基于凭据的身份验证。 可以使用服务主体。 使用无凭据身份验证时请勿指定 credentials，设置为 None。
credentials.type 字符串 凭据的类型。 service_principal
credentials.client_id 字符串 Microsoft Entra ID 应用 ID。
credentials.client_secret 字符串 机密或密钥。
credentials.tenant_id 字符串 Microsoft Entra ID 租户 ID。

注解

az ml connection虽然命令可用于管理Azure 机器学习和 Azure AI Foundry 连接，但 oneLake 连接Microsoft特定于 Azure AI Foundry。

示例

这些示例将以 YAML 文件的形式显示，并通过 CLI 使用。 例如 az ml connection create -f <file-name>.yaml。

YAML：服务主体

#MicrosoftOneLakeConnection.yml

name: myonelake_sp
type: one_lake
one_lake_artifact:
    type: lake_house
    name: "XXXXXXXXXX"
    workspace_id: "XXXXXXXXXX"
    endpoint: contoso-onelake.dfs.fabric.microsoft.com

credentials:
    type: service_principal
    tenant_id: "XXXXXXXXXX"
    client_id: "XXXXXXXXXX"
    client_secret: "XXXXXXXXXX"

YAML：无凭据

#MicrosoftOneLakeConnection.yml

name: myonelake_cl
type: one_lake
one_lake_artifact:
    type: lake_house
    name: "XXXXXXXXXX"
    workspace_id: "XXXXXXXXXX"
    endpoint: contoso-onelake.dfs.fabric.microsoft.com

后续步骤