Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
Aplica-se a: SQL Server 2019 (15.x) no Linux
Este artigo explica como instalar os Serviços de Machine Learning do SQL Server no Docker. Você pode usar Serviços do Machine Learning (no banco de dados) para executar scripts de Python e R no banco de dados. Não fornecemos contêineres pré-construídos com Serviços de Aprendizado de Máquina. Crie um com base nos contêineres do SQL Server usando um modelo de exemplo disponível no GitHub.
Pré-requisitos
Interface de linha de comando Git.
O Docker Engine 1.8 ou superior em qualquer distribuição do Linux com suporte. Para obter mais informações, confira Obter o Docker. O SQL Server em contêineres não tem suporte no Windows ou no macOS para uso em produção.
Confira também os requisitos do sistema para o SQL Server em Linux.
Clonar o repositório mssql-docker
O comando a seguir clona o repositório git mssql-docker para um diretório local.
Abra um terminal de Bash no Linux ou Mac.
Crie um diretório para manter uma cópia local do repositório mssql-docker.
Execute o comando git clone para clonar o repositório mssql-docker:
git clone https://github.com/microsoft/mssql-docker mssql-docker
Criar uma imagem de contêiner do SQL Server Linux
Conclua as seguintes etapas para criar a imagem do Docker:
Altere o diretório para mssql-mlservices:
/mssql-docker/linux/preview/examples/mssql-mlservicesNo mesmo diretório, execute o seguinte comando:
docker build -t mssql-server-mlservices .Execute o comando:
Importante
A variável de ambiente
SA_PASSWORDfoi preterida. Use oMSSQL_SA_PASSWORDem vez disso.docker run -d -e MSSQL_PID=Developer -e ACCEPT_EULA=Y -e ACCEPT_EULA_ML=Y -e MSSQL_SA_PASSWORD=<password> -v <directory on the host OS>:/var/opt/mssql -p 1433:1433 mssql-server-mlservicesAo implantar um contêiner para o SQL Server 2025 (17.x) ou uma versão posterior, use
MSSQL_PID=DeveloperStandardpara a edição Standard Developer eMSSQL_PID=Developerpara o Enterprise Developer Edition.Observação
Qualquer um dos valores com suporte pode ser usado para
MSSQL_PID. Se você usar uma edição paga, verifique se comprou uma licença. Substitua<password>pela senha real. A montagem de volume usando-vé opcional. Substitua<directory on the host OS>por um diretório real em que você deseja montar os dados do banco de dados e os arquivos de log.Confirme-o executando o seguinte comando:
docker ps -aObservação
Para compilar a imagem do Docker, você deve instalar pacotes com vários GBs de tamanho. A execução do script pode levar algum tempo para ser concluída dependendo da largura de banda da rede.
Executar a imagem de contêiner do SQL Server Linux
Defina suas variáveis de ambiente antes de executar o contêiner. Defina a variável de ambiente PATH_TO_MSSQL como um diretório de host:
export MSSQL_PID='Developer' export ACCEPT_EULA='Y' export ACCEPT_EULA_ML='Y' export PATH_TO_MSSQL='/home/mssql/'Observação
O processo para executar edições de produção do SQL Server em contêineres é um pouco diferente. Para obter mais informações, consulte Implantar contêineres do SQL Server no Linux e conectar-se a eles. Se você usar os mesmo nomes e portas de contêiner, o restante deste tutorial ainda funcionará com contêineres de produção.
Para exibir seus contêineres, execute o comando
docker ps:sudo docker ps -aSe a coluna STATUS mostrar o status Up, o SQL Server estará em execução no contêiner e será escutado na porta especificada na coluna PORTS. Se a coluna STATUS do contêiner do SQL Server mostrar Exited, consulte a solução de problemas de contêineres do Docker do SQL Server.
Saída:
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES 941e1bdf8e1d mcr.microsoft.com/mssql/server/mssql-server-linux "/bin/sh -c /opt/m..." About an hour ago Up About an hour 0.0.0.0:1401->1433/tcp sql1
Habilitar Serviços de Machine Learning
Para habilitar os Serviços de Machine Learning, conecte-se à sua instância do SQL Server e execute a seguinte instrução T-SQL:
EXECUTE sp_configure 'external scripts enabled', 1;
RECONFIGURE WITH OVERRIDE;
Conteúdo relacionado
- Tutorial de Python: implementar um modelo de regressão linear com machine learning no SQL
- Tutorial do Python: categorizar clientes usando o cluster K-means com o aprendizado de máquina do SQL
- Início Rápido: executar scripts simples do R com o aprendizado de máquina do SQL
- Tutorial R: prever tarifas de táxi de NYC com classificação binária