WorkspaceOperations Classe
WorkspaceOperations.
Vous ne devez pas instancier cette classe directement. Au lieu de cela, vous devez créer un instance MLClient qui l’instancie pour vous et l’attache en tant qu’attribut.
- Héritage
-
azure.ai.ml.operations._workspace_operations_base.WorkspaceOperationsBaseWorkspaceOperations
Constructeur
WorkspaceOperations(operation_scope: OperationScope, service_client: AzureMachineLearningWorkspaces, all_operations: OperationsContainer, credentials: TokenCredential | None = None, **kwargs: Dict)
Paramètres
- operation_scope
- service_client
- all_operations
- credentials
Méthodes
begin_create |
Crée un espace de travail Azure Machine Learning. Retourne l’espace de travail s’il existe déjà. |
begin_delete |
Supprimer un espace de travail. |
begin_diagnose |
Diagnostiquer les problèmes de configuration de l’espace de travail. Si votre espace de travail ne fonctionne pas comme prévu, vous pouvez exécuter ce diagnostic pour case activée si l’espace de travail a été endommagé. Pour l’espace de travail de point de terminaison privé, cela vous aidera également à case activée si la configuration réseau de cet espace de travail et sa ressource dépendante en tant que problème ou non. |
begin_provision_network |
Déclenche l’espace de travail pour provisionner le réseau managé. La spécification de Spark activé comme étant true prépare le réseau managé de l’espace de travail pour la prise en charge de Spark. |
begin_sync_keys |
Déclenche l’espace de travail pour synchroniser immédiatement les clés. Si les clés d’une ressource de l’espace de travail sont modifiées, l’opération de mise à jour automatique de celles-ci peut prendre environ une heure. Cette fonction permet de mettre à jour les clés à la demande. Un exemple de scénario nécessite un accès immédiat au stockage après la régénération des clés de stockage. |
begin_update | |
get |
Obtenir un espace de travail par nom. |
get_keys |
Obtenez les clés de l’espace de travail. |
list |
Répertorie tous les espaces de travail auxquels l’utilisateur a accès dans le groupe de ressources ou l’abonnement actuel. |
begin_create
Crée un espace de travail Azure Machine Learning.
Retourne l’espace de travail s’il existe déjà.
begin_create(workspace: Workspace, update_dependent_resources: bool = False, **kwargs: Dict) -> LROPoller[Workspace]
Paramètres
- update_dependent_resources
- <xref:boolean>
Indique s’il faut mettre à jour les ressources dépendantes
Retours
Instance de LROPoller qui retourne un espace de travail.
Type de retour
begin_delete
Supprimer un espace de travail.
begin_delete(name: str, *, delete_dependent_resources: bool, permanently_delete: bool = False, **kwargs: Dict) -> LROPoller[None]
Paramètres
- delete_dependent_resources
- bool
Indique s’il est nécessaire de supprimer les ressources associées à l’espace de travail, c’est-à-dire le registre de conteneurs, le compte de stockage, le coffre de clés et les ressources Application Insights. La valeur par défaut est False. Affectez la valeur True pour supprimer ces ressources.
- permanently_delete
- bool
Les espaces de travail sont supprimés de manière réversible par défaut pour permettre la récupération des données de l’espace de travail. Définissez cet indicateur sur true pour remplacer le comportement de suppression réversible et supprimer définitivement votre espace de travail.
Retours
Un polleur pour suivre l’opération status.
Type de retour
begin_diagnose
Diagnostiquer les problèmes de configuration de l’espace de travail.
Si votre espace de travail ne fonctionne pas comme prévu, vous pouvez exécuter ce diagnostic pour case activée si l’espace de travail a été endommagé. Pour l’espace de travail de point de terminaison privé, cela vous aidera également à case activée si la configuration réseau de cet espace de travail et sa ressource dépendante en tant que problème ou non.
begin_diagnose(name: str, **kwargs: Dict) -> LROPoller[DiagnoseResponseResultValue]
Paramètres
Retours
Un polleur pour suivre l’opération status.
Type de retour
begin_provision_network
Déclenche l’espace de travail pour provisionner le réseau managé. La spécification de Spark activé comme étant true prépare le réseau managé de l’espace de travail pour la prise en charge de Spark.
begin_provision_network(*, workspace_name: str | None = None, include_spark: bool = False, **kwargs) -> LROPoller[ManagedNetworkProvisionStatus]
Paramètres
- workspace_name
- str
Nom de l’espace de travail.
- include_spark
Indique si le réseau managé de l’espace de travail doit se préparer à prendre en charge Spark.
Retours
Un instance de LROPoller.
Type de retour
begin_sync_keys
Déclenche l’espace de travail pour synchroniser immédiatement les clés. Si les clés d’une ressource de l’espace de travail sont modifiées, l’opération de mise à jour automatique de celles-ci peut prendre environ une heure. Cette fonction permet de mettre à jour les clés à la demande. Un exemple de scénario nécessite un accès immédiat au stockage après la régénération des clés de stockage.
begin_sync_keys(name: str | None = None) -> LROPoller
Paramètres
Retours
Instance de LROPoller qui retourne aucun ou le résultat des clés de synchronisation.
Type de retour
begin_update
begin_update(workspace: Workspace, *, update_dependent_resources: bool = False, **kwargs: Dict) -> LROPoller[Workspace]
get
Obtenir un espace de travail par nom.
get(name: str | None = None, **kwargs: Dict) -> Workspace
Paramètres
Retours
Espace de travail avec le nom fourni.
Type de retour
get_keys
Obtenez les clés de l’espace de travail.
get_keys(name: str | None = None) -> WorkspaceKeys
Paramètres
Retours
Clés des ressources dépendantes de l’espace de travail.
Type de retour
list
Répertorie tous les espaces de travail auxquels l’utilisateur a accès dans le groupe de ressources ou l’abonnement actuel.
list(*, scope: str = 'resource_group') -> Iterable[Workspace]
Paramètres
- scope
- str
l’étendue de la description, « resource_group » ou « abonnement », est définie par défaut sur « resource_group »
Retours
Itérateur comme instance d’objets Workspace
Type de retour
Azure SDK for Python