sp_execute_external_script (Transact-SQL)

sp_execute_external_script ストアド プロシージャは、プロシージャへの入力引数として指定されたスクリプトを実行し、Machine Learning Services および Language Extensions で使用されます。

Machine Learning Services では、 Python および R がサポートされている言語です。 言語拡張の場合、Java はサポートされていますが、 CREATE EXTERNAL LANGUAGE で定義する必要があります。

sp_execute_external_scriptを実行するには、まず Machine Learning Services または言語拡張機能をインストールする必要があります。 詳細については、「Windows での SQL Server Machine Learning Services (Python と R)のインストールLinux、または windows および Linux に SQL Server 言語拡張機能をインストールする方法に関するを参照してください。

sp_execute_external_script ストアド プロシージャは、プロシージャへの入力引数として指定されたスクリプトを実行し、SQL Server 2017 (14.x) の Machine Learning Services で使用されます。

Machine Learning Services では、 Python および R がサポートされている言語です。

sp_execute_external_scriptを実行するには、まず Machine Learning Services をインストールする必要があります。 詳細については、「 Windows に SQL Server Machine Learning Services (Python と R) をインストールするを参照してください。

sp_execute_external_script ストアド プロシージャは、プロシージャの入力引数として指定されたスクリプトを実行し、SQL Server 2016 (13.x) の R Services で使用されます。

R Services では、 R がサポートされている言語です。

sp_execute_external_scriptを実行するには、まず R Services をインストールする必要があります。 詳細については、「 Windows に SQL Server Machine Learning Services (Python と R) をインストールするを参照してください。

sp_execute_external_script ストアド プロシージャは、プロシージャの入力引数として指定されたスクリプトを実行し、Azure SQL Managed Instance の Machine Learning Services で使用。

Machine Learning Services では、 Python および R がサポートされている言語です。

sp_execute_external_scriptを実行するには、まず Machine Learning Services を有効にする必要があります。 詳細については、「Azure SQL Managed Instance の Machine Learning Servicesを参照してください。

構文

sp_execute_external_script
    [ @language = ] N'language'
    , [ @script = ] N'script'
    [ , [ @input_data_1 = ] N'input_data_1' ]
    [ , [ @input_data_1_name = ] N'input_data_1_name' ]
    [ , [ @input_data_1_order_by_columns = ] N'input_data_1_order_by_columns' ]
    [ , [ @input_data_1_partition_by_columns = ] N'input_data_1_partition_by_columns' ]
    [ , [ @output_data_1_name = ] N'output_data_1_name' ]
    [ , [ @parallel = ] { 0 | 1 } ]
    [ , [ @params = ] N'@parameter_name data_type [ OUT | OUTPUT ] [ , ...n ]' ]
    [ , [ @parameter1 = ] 'value1' [ OUT | OUTPUT ] [ , ...n ] ]
[ ; ]

SQL Server 2017 以前のバージョンの構文

EXEC sp_execute_external_script
    @language = N'language'
    , @script = N'script'
    [ , [ @input_data_1 = ] N'input_data_1' ]
    [ , [ @input_data_1_name = ] N'input_data_1_name' ]
    [ , [ @output_data_1_name = ] N'output_data_1_name' ]
    [ , [ @parallel = ] { 0 | 1 } ]
    [ , [ @params = ] N'@parameter_name data_type [ OUT | OUTPUT ] [ , ...n ]' ]
    [ , [ @parameter1 = ] 'value1' [ OUT | OUTPUT ] [ , ...n ] ]

スクリプト言語を示します。 language は sysname です。 有効な値は、 R、 Python、および CREATE EXTERNAL LANGUAGE (Java など) で定義されている任意の言語です。

スクリプト言語を示します。 language は sysname です。 SQL Server 2017 (14.x) では、有効な値は R と Python です。

スクリプト言語を示します。 language は sysname です。 SQL Server 2016 (13.x) では、有効な値は R のみです。

スクリプト言語を示します。 language は sysname です。 Azure SQL Managed Instance では、有効な値は R と Python です。

[ @input_data_1_order_by_columns = ] N'input_data_1_order_by_columns'

パーティションごとのモデルを構築するために使用されます。 結果セットの順序付けに使用する列の名前を指定します (製品名など)。 外部スクリプトの変数のデータ型は、言語によって異なります。 R の場合、入力変数はデータ フレームです。 Python の場合、入力は表形式である必要があります。

[ @input_data_1_partition_by_columns = ] N'input_data_1_partition_by_columns'

パーティションごとのモデルを構築するために使用されます。 地理的リージョンや日付など、データのセグメント化に使用する列の名前を指定します。 外部スクリプトの変数のデータ型は、言語によって異なります。 R の場合、入力変数はデータ フレームです。 Python の場合、入力は表形式である必要があります。

sp_execute_external_scriptを使用して、サポートされている言語で記述されたスクリプトを実行します。 サポートされている言語は、 Python と R Machine Learning Services で使用され、言語拡張で使用される CREATE EXTERNAL LANGUAGE (Java など) で定義されている言語です。

sp_execute_external_scriptを使用して、サポートされている言語で記述されたスクリプトを実行します。 サポートされている言語は、SQL Server 2017 (14.x) Machine Learning Services の Python および R です。

sp_execute_external_scriptを使用して、サポートされている言語で記述されたスクリプトを実行します。 サポートされている言語は、SQL Server 2016 (13.x) R Services の R のみです。

sp_execute_external_scriptを使用して、サポートされている言語で記述されたスクリプトを実行します。 サポートされている言語は、Azure SQL Managed Instance Machine Learning Services の Python および R です。

外部リソース プールを構成することで、外部スクリプトで使用されるリソースを制御できます。 詳細については、「外部リソース プールの作成を参照してください。 ワークロードに関する情報は、リソース ガバナー カタログ ビュー、DMV、カウンターから取得できます。 詳細については、「 Resource Governor Catalog Views、 Resource Governor Related Dynamic Management Views、および SQL Server、External Scripts オブジェクトを参照してください。

パーティション モデリングのパラメーター

パーティション分割されたデータのモデリングを有効にする 2 つの追加パラメーターを設定できます。パーティションは、データ セットを論理的なパーティションに自然に分割する 1 つ以上の列に基づいており、スクリプトの実行中にのみ作成および使用されます。 年齢、性別、地理的地域、日付または時刻の繰り返し値を含む列は、パーティション分割されたデータ セットに適した例です。

2 つのパラメーターは input_data_1_partition_by_columns と input_data_1_order_by_columnsで、2 番目のパラメーターを使用して結果セットを並べ替えます。 パラメーターは、パーティションごとに 1 回実行される外部スクリプトを使用して sp_execute_external_script への入力として渡されます。 詳細と例については、「 Tutorial: SQL Server 上の R でパーティション ベースのモデルを作成するを参照してください。

@parallel = 1を指定することで、スクリプトを並列で実行できます。 入力クエリを並列化できる場合は、引数の一部として @parallel = 1 を sp_execute_external_script に設定する必要があります。 既定では、クエリ オプティマイザーは 256 行を超えるテーブルに対して @parallel = 1 で動作しますが、これを明示的に処理する場合、このスクリプトにはデモとしてパラメーターが含まれます。

C: SQL Server からのデータに基づいて R モデルを生成する

次の例では、 sp_execute_external_script を使用してあやめのモデルを生成し、モデルを返すストアド プロシージャを作成します。

DROP PROCEDURE IF EXISTS generate_iris_model;
GO
CREATE PROCEDURE generate_iris_model
AS
BEGIN
    EXEC sp_execute_external_script @language = N'R',
        @script = N'
      library(e1071);
      irismodel <-naiveBayes(iris_data[,1:4], iris_data[,5]);
      trained_model <- data.frame(payload = as.raw(serialize(irismodel, connection=NULL)));
',
        @input_data_1 = N'select "Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width", "Species" from iris_data',
        @input_data_1_name = N'iris_data',
        @output_data_1_name = N'trained_model'
    WITH RESULT SETS((model VARBINARY(MAX)));
END;
GO

Python を使って似たモデルを生成するには、言語識別子を @language=N'R' から @language = N'Python' に変更し、@script 引数を必要に応じて修正します。 そうしないと、すべてのパラメーターが R と同じように機能します。