Partager via

Azure Machine Learning en tant que source Event Grid

Cet article décrit les propriétés et le schéma des événements de l’espace de travail Machine Learning. Pour une présentation des schémas d’événements, consultez Schéma d’événements Azure Event Grid.

Types d’événement disponibles

Azure Machine Learning émet les types d’événements suivants :

Type d'événement Description
Microsoft.MachineLearningServices.ModelRegistered Déclenché lors de l’inscription réussie d’un nouveau modèle ou d’une nouvelle version de modèle.
Microsoft.MachineLearningServices.ModelDeployed Déclenché lorsque le ou les modèles ont été déployés avec succès sur un point de terminaison.
Microsoft.MachineLearningServices.RunCompleted Déclenché lorsqu’une exécution s’est terminée avec succès.
Microsoft.MachineLearningServices.DatasetDriftDetected Déclenché lorsqu’un superviseur de dérive de données détecte une dérive.
Microsoft.MachineLearningServices.RunStatusChanged Déclenché quand un état d’exécution change.

Exemples d’événement

Quand un événement est déclenché, le service Event Grid envoie les données relatives à cet événement au point de terminaison d’abonnement. Cette section contient un exemple de ce à quoi ces données ressembleraient pour chaque événement.

Événement Microsoft.MachineLearningServices.ModelRegistered

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "models/sklearn_regression_model:20",
  "type": "Microsoft.MachineLearningServices.ModelRegistered",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "ModelName": "sklearn_regression_model",
    "ModelVersion": 20,
    "ModelTags": {
        "area": "diabetes",
        "type": "regression"
    },
    "ModelProperties": {
        "type": "test"
    }
  },
  "specversion": "1.0"
}]

Événement Microsoft.MachineLearningServices.ModelDeployed

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "endpoints/my-sklearn-service",
  "type": "Microsoft.MachineLearningServices.ModelDeployed",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "ServiceName": "my-sklearn-service",
    "ServiceComputeType": "ACI",
    "ModelIds": "sklearn_regression_model:1,sklearn_regression_model:2",
    "ServiceTags": {
        "area": "diabetes",
        "type": "regression"
    },
    "ServiceProperties": {
        "type": "test"
    }
  },
  "specversion": "1.0"
}]

Événement Microsoft.MachineLearningServices.RunCompleted

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "experiments/0fa9dfaa-cba3-4fa7-b590-23e48548f5c1/runs/AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
  "type": "Microsoft.MachineLearningServices.RunCompleted",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "experimentId": "0fa9dfaa-cba3-4fa7-b590-23e48548f5c1",
    "experimentName": "automl-local-regression",
    "runId": "AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
    "runType": null,
    "runTags": {},
    "runProperties": {
        "runTemplate": "automl_child",
        "pipeline_id": "5adc0a4fe02504a586f09a4fcbb241f9a4012062",
        "pipeline_spec": "{\"objects\": [{\"class_name\": \"StandardScaler\", \"module\": \"sklearn.preprocessing\", \"param_args\": [], \"param_kwargs\": {\"with_mean\": true, \"with_std\": false}, \"prepared_kwargs\": {}, \"spec_class\": \"preproc\"}, {\"class_name\": \"LassoLars\", \"module\": \"sklearn.linear_model\", \"param_args\": [], \"param_kwargs\": {\"alpha\": 0.001, \"normalize\": true}, \"prepared_kwargs\": {}, \"spec_class\": \"sklearn\"}], \"pipeline_id\": \"5adc0a4fe02504a586f09a4fcbb241f9a4012062\"}",
        "training_percent": "100",
        "predicted_cost": "0.062226144097381045",
        "iteration": "5",
        "run_template": "automl_child",
        "run_preprocessor": "StandardScalerWrapper",
        "run_algorithm": "LassoLars",
        "conda_env_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/conda_env_v_1_0_0.yml",
        "model_name": "AutoMLad912b2d65",
        "scoring_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/scoring_file_v_1_0_0.py",
        "model_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/model.pkl"
    }
  },
  "specversion": "1.0"
}]

Événement Microsoft.MachineLearningServices.DatasetDriftDetected

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "datadrifts/{}/runs/{}",
  "type": "Microsoft.MachineLearningServices.DatasetDriftDetected",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "DataDriftId": "01d29aa4-e6a4-470a-9ef3-66660d21f8ef",
    "DataDriftName": "myDriftMonitor",
    "RunId": "01d29aa4-e6a4-470a-9ef3-66660d21f8ef_1571590300380",
    "BaseDatasetId": "3c56d136-0f64-4657-a0e8-5162089a88a3",
    "TargetDatasetId": "d7e74d2e-c972-4266-b5fb-6c9c182d2a74",
    "DriftCoefficient": 0.83503490684792081,
    "StartTime": "2019-07-04T00:00:00+00:00",
    "EndTime": "2019-07-05T00:00:00+00:00"
  },
  "specversion": "1.0"
}]

Événement Microsoft.MachineLearningServices.RunStatusChanged

[{
  "source": "/subscriptions/{subscription-id}/resourceGroups/{resource-group-name}/providers/Microsoft.MachineLearningServices/workspaces/{workspace-name}",
  "subject": "experiments/0fa9dfaa-cba3-4fa7-b590-23e48548f5c1/runs/AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
  "type": "Microsoft.MachineLearningServices.RunStatusChanged",
  "time": "2017-06-26T18:41:00.9584103Z",
  "id": "831e1650-001e-001b-66ab-eeb76e069631",
  "data": {
    "experimentId": "0fa9dfaa-cba3-4fa7-b590-23e48548f5c1",
    "experimentName": "automl-local-regression",
    "runId": "AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5",
    "runType": null,
    "runTags": {},
    "runProperties": {
        "runTemplate": "automl_child",
        "pipeline_id": "5adc0a4fe02504a586f09a4fcbb241f9a4012062",
        "pipeline_spec": "{\"objects\": [{\"class_name\": \"StandardScaler\", \"module\": \"sklearn.preprocessing\", \"param_args\": [], \"param_kwargs\": {\"with_mean\": true, \"with_std\": false}, \"prepared_kwargs\": {}, \"spec_class\": \"preproc\"}, {\"class_name\": \"LassoLars\", \"module\": \"sklearn.linear_model\", \"param_args\": [], \"param_kwargs\": {\"alpha\": 0.001, \"normalize\": true}, \"prepared_kwargs\": {}, \"spec_class\": \"sklearn\"}], \"pipeline_id\": \"5adc0a4fe02504a586f09a4fcbb241f9a4012062\"}",
        "training_percent": "100",
        "predicted_cost": "0.062226144097381045",
        "iteration": "5",
        "run_template": "automl_child",
        "run_preprocessor": "StandardScalerWrapper",
        "run_algorithm": "LassoLars",
        "conda_env_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/conda_env_v_1_0_0.yml",
        "model_name": "AutoMLad912b2d65",
        "scoring_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/scoring_file_v_1_0_0.py",
        "model_data_location": "aml://artifact/ExperimentRun/dcid.AutoML_ad912b2d-6467-4f32-a616-dbe4af6dd8fc_5/outputs/model.pkl"
    },
   "runStatus": "failed"
   },
  "specversion": "1.0"
}]

Propriétés d’événement

Un événement contient les données générales suivantes :

Propriété Type Description
source string Chemin d’accès complet à la source de l’événement. Ce champ n’est pas modifiable. Event Grid fournit cette valeur.
subject string Chemin de l’objet de l’événement, défini par le serveur de publication.
type string Un des types d’événements inscrits pour cette source d’événement.
time string L’heure à quelle l’événement est généré selon l’heure UTC du fournisseur.
id string Identificateur unique de l’événement.
data object Données d’événement de stockage Blob.
specversion string Version de la spécification de schéma CloudEvents.

L’objet de données comporte les propriétés suivantes pour chaque type d’événement :

Microsoft.MachineLearningServices.ModelRegistered

Propriété Type Description
ModelName string Le nom du modèle qui a été inscrit.
ModelVersion string La version du modèle qui a été inscrit.
ModelTags object Les balises du modèle qui a été inscrit.
ModelProperties object Propriétés du modèle qui a été inscrit.

Microsoft.MachineLearningServices.ModelDeployed

Propriété Type Description
ServiceName string Nom du service déployé.
ServiceComputeType string Type de calcul (par exemple ACI, AKS) du service déployé.
ModelIds string Liste d’ID de modèles séparés par des virgules. Les ID des modèles déployés dans le service.
ServiceTags object Balises du service déployé.
ServiceProperties object Propriétés du service déployé.

Microsoft.MachineLearningServices.RunCompleted

Propriété Type Description
experimentId string ID de l’expérience à laquelle l’exécution appartient.
experimentName string Nom de l’expérience à laquelle l’exécution appartient.
runId string ID de l’exécution qui a été effectuée.
runType string Type d’exécution de l’exécution terminée.
runTags object Balises de l’exécution terminée.
runProperties object Propriétés de l’exécution terminée.

Microsoft.MachineLearningServices.DatasetDriftDetected

Propriété Type Description
DataDriftId string ID du superviseur de dérive de données qui a déclenché l’événement.
DataDriftName string Nom du superviseur de dérive de données qui a déclenché l’événement.
RunId string ID de l’exécution qui a détecté une dérive des données.
BaseDatasetId string ID du jeu de données de base utilisé pour détecter la dérive.
TargetDatasetId string ID du jeu de données cible utilisé pour détecter la dérive.
DriftCoefficient double Résultat du coefficient qui a déclenché l’événement.
StartTime DATETIME Heure de début de la série chronologique du jeu de données cible qui a entraîné la détection de dérive.
EndTime DATETIME Heure de fin de la série chronologique du jeu de données cible qui a entraîné la détection de dérive.

Microsoft.MachineLearningServices.RunStatusChanged

Propriété Type Description
experimentId string ID de l’expérience à laquelle l’exécution appartient.
experimentName string Nom de l’expérience à laquelle l’exécution appartient.
runId string ID de l’exécution qui a été effectuée.
runType string Type d’exécution de l’exécution terminée.
runTags object Balises de l’exécution terminée.
runProperties object Propriétés de l’exécution terminée.
runStatus string État de l’exécution.

Tutoriels et articles de procédures

Intitulé Description
Consommer des événements Azure Machine Learning Vue d’ensemble de l’intégration d’Azure Machine Learning avec Event Grid.

Étapes suivantes

  • Last updated on