接続を作成する (プレビュー)
適用対象:Azure CLI ML 拡張機能 v2 (現行)
Python SDK azure-ai-ml v2 (現行)
この記事では、Azure の外部にあるデータ ソースに接続して、そのデータを Azure Machine Learning サービスで使用できるようにする方法について学習します。 Azure 接続はキー コンテナーのプロキシとして機能し、接続とのやり取りは、Azure キー コンテナーとの直接のやり取りになります。 Azure Machine Learning 接続では、ユーザー名とパスワードのデータ リソースが、シークレットとしてキー コンテナーに安全に格納されます。 キー コンテナー RBAC では、これらのデータ リソースへのアクセスが制御されます。 Azure では、このデータの可用性のために、次の外部ソースへの接続がサポートされています。
- Snowflake DB
- Amazon S3
- Azure SQL DB
重要
現在、この機能はパブリック プレビュー段階にあります。 このプレビュー バージョンはサービス レベル アグリーメントなしで提供されており、運用環境のワークロードに使用することは推奨されません。 特定の機能はサポート対象ではなく、機能が制限されることがあります。
詳しくは、Microsoft Azure プレビューの追加使用条件に関するページをご覧ください。
前提条件
Azure サブスクリプション。 Azure サブスクリプションをお持ちでない場合は、開始する前に無料アカウントを作成してください。 無料版または有料版の Azure Machine Learning をお試しください。
Azure Machine Learning ワークスペース。
重要
Azure Machine Learning 接続では、接続の作成時に渡される資格情報をワークスペース Azure Key Vault に安全に保存します。 接続は、さらなる使用のためにキー コンテナーの保存場所から資格情報を参照します。 資格情報は、キー コンテナーに格納された後は直接処理する必要はありません。 資格情報を YAML ファイルに保存するオプションがあります。 CLI コマンドまたは SDK は、それらをオーバーライドできます。 セキュリティ侵害があると資格情報が漏洩する可能性があるため、YAML ファイルに資格情報を保存することを回避することをお勧めします。
Note
データを正常にインポートするには、SDK 用の最新の azure-ai-ml パッケージ (バージョン 1.5.0 以降) と ml 拡張機能 (バージョン 2.15.1 以降) がインストールされていることを確認してください。
以前の SDK パッケージまたは CLI 拡張機能がある場合は、以前のものを削除し、タブ セクションに表示されているコードを使用して新しいものをインストールしてください。 次に示す SDK および CLI 向けの手順に従います。
コードのバージョン
- Azure CLI
- Python SDK
-
[ スタジオ](#tab/azure-studio)
az extension remove -n ml
az extension add -n ml --yes
az extension show -n ml #(the version value needs to be 2.15.1 or later)
Snowflake DB 接続を作成する
- Azure CLI
- Python SDK
-
[ スタジオ](#tab/azure-studio)
この YAML ファイルでは、Snowflake DB 接続を作成します。 必ず、該当する値を更新してください。
# my_snowflakedb_connection.yaml
$schema: http://azureml/sdk-2-0/Connection.json
type: snowflake
name: my-sf-db-connection # add your datastore name here
target: jdbc:snowflake://<myaccount>.snowflakecomputing.com/?db=<mydb>&warehouse=<mywarehouse>&role=<myrole>
# add the Snowflake account, database, warehouse name and role name here. If no role name provided it will default to PUBLIC
credentials:
type: username_password
username: <username> # add the Snowflake database user name here or leave this blank and type in CLI command line
password: <password> # add the Snowflake database password here or leave this blank and type in CLI command line
CLI で Azure Machine Learning 接続を作成します。
オプション 1: YAML ファイルでユーザー名とパスワードを使用する
az ml connection create --file my_snowflakedb_connection.yaml
オプション 2: コマンド ラインでユーザー名とパスワードをオーバーライドする
az ml connection create --file my_snowflakedb_connection.yaml --set credentials.username="XXXXX" credentials.password="XXXXX"
Azure SQL DB 接続を作成する
- Azure CLI
- Python SDK
-
[ スタジオ](#tab/azure-studio)
この YAML スクリプトでは、Azure SQL DB 接続を作成します。 必ず、該当する値を更新してください。
# my_sqldb_connection.yaml
$schema: http://azureml/sdk-2-0/Connection.json
type: azure_sql_db
name: my-sqldb-connection
target: Server=tcp:<myservername>,<port>;Database=<mydatabase>;Trusted_Connection=False;Encrypt=True;Connection Timeout=30
# add the sql servername, port addresss and database
credentials:
type: sql_auth
username: <username> # add the sql database user name here or leave this blank and type in CLI command line
password: <password> # add the sql database password here or leave this blank and type in CLI command line
CLI で Azure Machine Learning 接続を作成します。
オプション 1: YAML ファイルからのユーザー名/パスワードを使用する
az ml connection create --file my_sqldb_connection.yaml
オプション 2: YAML ファイルでユーザー名とパスワードをオーバーライドする
az ml connection create --file my_sqldb_connection.yaml --set credentials.username="XXXXX" credentials.password="XXXXX"
Amazon S3 接続を作成する
- Azure CLI
- Python SDK
-
[ スタジオ](#tab/azure-studio)
次の YAML ファイルを使用して Amazon S3 接続を作成します。 必ず、該当する値を更新してください。
# my_s3_connection.yaml
$schema: http://azureml/sdk-2-0/Connection.json
type: s3
name: my_s3_connection
target: <mybucket> # add the s3 bucket details
credentials:
type: access_key
access_key_id: XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX # add access key id
secret_access_key: XxXxXxXXXXXXXxXxXxxXxxXXXXXXXXxXxxXXxXXXXXXXxxxXxXXxXXXXXxXXxXXXxXxXxxxXXxXXxXXXXXxXxxXX # add access key secret
CLI で Azure Machine Learning 接続を作成します。
az ml connection create --file my_s3_connection.yaml
非データ接続
次の接続の種類を使用して Git に接続できます。
- Python フィード
- Azure Container Registry
- API キーを使用する接続
これらの接続はデータ接続ではありませんが、コードで使うための外部サービスへの接続に使われます。
Git
次のいずれかの YAML ファイルを使って Git 接続を作成します。 必ず、該当する値を更新してください。
個人用アクセス トークン (PAT) を使って接続します。
#Connection.yml name: test_ws_conn_git_pat type: git target: https://github.com/contoso/contosorepo credentials: type: pat pat: dummy_pat
パブリック リポジトリに接続します (資格情報なし)。
#Connection.yml name: git_no_cred_conn type: git target: https://https://github.com/contoso/contosorepo
CLI で Azure Machine Learning 接続を作成します。
az ml connection create --file connection.yaml
Python フィード
次のいずれかの YAML ファイルを使って Python フィードへの接続を作成します。 必ず、該当する値を更新してください。
個人用アクセス トークン (PAT) を使って接続します。
#Connection.yml name: test_ws_conn_python_pat type: python_feed target: https://test-feed.com credentials: type: pat pat: dummy_pat
ユーザー名とパスワードを使って接続します。
name: test_ws_conn_python_user_pass type: python_feed target: https://test-feed.com credentials: type: username_password username: john password: pass
パブリック フィードに接続します (資格情報なし)。
name: test_ws_conn_python_no_cred type: python_feed target: https://test-feed.com3
CLI で Azure Machine Learning 接続を作成します。
az ml connection create --file connection.yaml
Container Registry
次のいずれかの YAML ファイルを使って Azure Container Registry への接続を作成します。 必ず、該当する値を更新してください。
ユーザー名とパスワードを使って接続します。
name: test_ws_conn_cr_user_pass type: container_registry target: https://test-feed.com2 credentials: type: username_password username: contoso password: pass
CLI で Azure Machine Learning 接続を作成します。
az ml connection create --file connection.yaml
API キー
次の例では、API キー接続を作成します。
from azure.ai.ml.entities import WorkspaceConnection
from azure.ai.ml.entities import UsernamePasswordConfiguration, ApiKeyConfiguration
name = "my_api_key"
target = "https://XXXXXXXXX.core.windows.net/mycontainer"
wps_connection = WorkspaceConnection(
name=name,
type="apikey",
target=target,
credentials=ApiKeyConfiguration(key="XXXXXXXXX"),
)
ml_client.connections.create_or_update(workspace_connection=wps_connection)
関連するコンテンツ
データ接続 (Snowflake DB、Amazon S3、または Azure SQL DB) を使用する場合、詳細については次の記事を参照してください。