WorkspaceOperations Classe
WorkspaceOperations.
Non è consigliabile creare direttamente un'istanza di questa classe. È invece necessario creare un'istanza di MLClient che lo crea e lo associa come attributo.
- Ereditarietà
-
azure.ai.ml.operations._workspace_operations_base.WorkspaceOperationsBaseWorkspaceOperations
Costruttore
WorkspaceOperations(operation_scope: OperationScope, service_client: AzureMachineLearningWorkspaces, all_operations: OperationsContainer, credentials: TokenCredential | None = None, **kwargs: Dict)Parametri
- operation_scope
- service_client
- all_operations
- credentials
Metodi
| begin_create |
Creare una nuova area di lavoro di Azure Machine Learning. Restituisce l'area di lavoro se esiste già. |
| begin_delete |
Eliminare un'area di lavoro. |
| begin_diagnose |
Diagnosticare i problemi di configurazione dell'area di lavoro. Se l'area di lavoro non funziona come previsto, è possibile eseguire questa diagnosi per verificare se l'area di lavoro è stata interrotta. Per l'area di lavoro dell'endpoint privato, sarà anche utile verificare se la configurazione di rete in questa area di lavoro e la relativa risorsa dipendente come problema o meno. |
| begin_provision_network |
Attiva l'area di lavoro per effettuare il provisioning della rete gestita. Specificando spark abilitato come true prepara la rete gestita dell'area di lavoro per il supporto di Spark. |
| begin_sync_keys |
Attiva l'area di lavoro per sincronizzare immediatamente le chiavi. Se le chiavi per qualsiasi risorsa nell'area di lavoro vengono modificate, è possibile che siano aggiornate automaticamente circa un'ora. Questa funzione consente di aggiornare le chiavi al momento della richiesta. Uno scenario di esempio richiede l'accesso immediato all'archiviazione dopo la rigenerazione delle chiavi di archiviazione. |
| begin_update | |
| get |
Ottenere un'area di lavoro in base al nome. |
| get_keys |
Ottenere chiavi per l'area di lavoro. |
| list |
Elencare tutte le aree di lavoro a cui l'utente può accedere nel gruppo di risorse o nella sottoscrizione corrente. |
begin_create
Creare una nuova area di lavoro di Azure Machine Learning.
Restituisce l'area di lavoro se esiste già.
begin_create(workspace: Workspace, update_dependent_resources: bool = False, **kwargs: Dict) -> LROPoller[Workspace]Parametri
- update_dependent_resources
- <xref:boolean>
Se aggiornare le risorse dipendenti
Restituisce
Istanza di LROPoller che restituisce un'area di lavoro.
Tipo restituito
begin_delete
Eliminare un'area di lavoro.
begin_delete(name: str, *, delete_dependent_resources: bool, permanently_delete: bool = False, **kwargs: Dict) -> LROPoller[None]Parametri
- delete_dependent_resources
- bool
Se eliminare le risorse associate all'area di lavoro, ad esempio il Registro contenitori, l'account di archiviazione, l'insieme di credenziali delle chiavi e le informazioni dettagliate sulle applicazioni. Il valore predefinito è False. Impostare su True per eliminare queste risorse.
- permanently_delete
- bool
Le aree di lavoro vengono eliminate per impostazione predefinita per consentire il ripristino dei dati dell'area di lavoro. Impostare questo flag su true per eseguire l'override del comportamento di eliminazione temporanea ed eliminare definitivamente l'area di lavoro.
Restituisce
Un poller per tenere traccia dello stato dell'operazione.
Tipo restituito
begin_diagnose
Diagnosticare i problemi di configurazione dell'area di lavoro.
Se l'area di lavoro non funziona come previsto, è possibile eseguire questa diagnosi per verificare se l'area di lavoro è stata interrotta. Per l'area di lavoro dell'endpoint privato, sarà anche utile verificare se la configurazione di rete in questa area di lavoro e la relativa risorsa dipendente come problema o meno.
begin_diagnose(name: str, **kwargs: Dict) -> LROPoller[DiagnoseResponseResultValue]Parametri
Restituisce
Un poller per tenere traccia dello stato dell'operazione.
Tipo restituito
begin_provision_network
Attiva l'area di lavoro per effettuare il provisioning della rete gestita. Specificando spark abilitato come true prepara la rete gestita dell'area di lavoro per il supporto di Spark.
begin_provision_network(*, workspace_name: str | None = None, include_spark: bool = False, **kwargs) -> LROPoller[ManagedNetworkProvisionStatus]Parametri
- workspace_name
- str
Nome dell'area di lavoro.
- include_spark
Se la rete gestita dell'area di lavoro deve essere preparata per supportare Spark.
Restituisce
Istanza di LROPoller.
Tipo restituito
begin_sync_keys
Attiva l'area di lavoro per sincronizzare immediatamente le chiavi. Se le chiavi per qualsiasi risorsa nell'area di lavoro vengono modificate, è possibile che siano aggiornate automaticamente circa un'ora. Questa funzione consente di aggiornare le chiavi al momento della richiesta. Uno scenario di esempio richiede l'accesso immediato all'archiviazione dopo la rigenerazione delle chiavi di archiviazione.
begin_sync_keys(name: str | None = None) -> LROPollerParametri
Restituisce
Istanza di LROPoller che restituisce Nessuna o il risultato delle chiavi di sincronizzazione.
Tipo restituito
begin_update
begin_update(workspace: Workspace, *, update_dependent_resources: bool = False, **kwargs: Dict) -> LROPoller[Workspace]get
Ottenere un'area di lavoro in base al nome.
get(name: str | None = None, **kwargs: Dict) -> WorkspaceParametri
Restituisce
Area di lavoro con il nome specificato.
Tipo restituito
get_keys
Ottenere chiavi per l'area di lavoro.
get_keys(name: str | None = None) -> WorkspaceKeysParametri
Restituisce
Chiavi delle risorse dipendenti dell'area di lavoro.
Tipo restituito
list
Elencare tutte le aree di lavoro a cui l'utente può accedere nel gruppo di risorse o nella sottoscrizione corrente.
list(*, scope: str = 'resource_group') -> Iterable[Workspace]Parametri
- scope
- str
ambito dell'elenco, "resource_group" o "sottoscrizione", impostazione predefinita "resource_group"
Restituisce
Iteratore come l'istanza degli oggetti Workspace
Tipo restituito
Azure SDK for Python