Azure SQL 托管实例中的机器学习服务

机器学习服务是 Azure SQL 托管实例的一项功能，它提供数据库内机器学习，同时支持 Python 和 R 脚本。 此功能包括用于高性能预测分析和机器学习的 Microsoft Python 和 R 包。 关系数据可以通过存储过程、包含 Python 或 R 语句的 T-SQL 脚本、包含 T-SQL 的 Python 或 R 代码在脚本中使用。

什么是机器学习服务？

Azure SQL 托管实例中的机器学习服务允许在数据库中执行 Python 和 R 脚本。 可以使用它来准备和清理数据、执行特征工程以及在数据库中定型、评估和部署机器学习模型。 此功能在数据所在的位置运行脚本，无需通过网络将数据传输到其他服务器。

将机器学习服务与 Azure SQL 托管实例中的 R/Python 支持配合使用，以便：

• 运行 R 和 Python 脚本来执行数据准备和常规用途数据处理 - 现在可以将 R/Python 脚本带到数据所在的 Azure SQL 托管实例，而不必将数据移出其他服务器来运行 R 和 Python 脚本。 可以消除对于数据移动的需求，以及由此带来的延迟、安全性和合规性相关的问题。

• 在数据库中训练机器学习模型 - 可以使用任何开源算法训练模型。 可以轻松地将训练扩展到整个数据集，而不是依赖于从数据库提取的示例数据集。

• 在存储过程中将您的模型和脚本部署到生产环境中 - 只需将这些脚本和训练的模型嵌入到 T-SQL 存储过程中即可实现操作化。 连接到 Azure SQL 托管实例的应用只需调用存储过程即可从这些模型中的预测和智能中受益。 还可以使用原生 T-SQL PREDICT 函数将模型投入实际运用，以便在高度并发的实时评分方案中实现快速评分。

Python 和 R 的基本分发包含在机器学习服务中。 除了适用于 Python 的 Microsoft 包 revoscalepy 和 microsoftml 以及 RevoScaleR、 MicrosoftML、 olapR 和 sqlrutils for R 之外，还可以安装和使用开源包和框架，例如 PyTorch、TensorFlow 和 scikit-learn。

如何启用机器学习服务

可以通过启用扩展性来在 Azure SQL 托管实例中启用机器学习服务，方法是使用以下 SQL 命令（SQL 托管实例将重启并在几秒钟内不可用）：

sp_configure 'external scripts enabled', 1;
RECONFIGURE WITH OVERRIDE;

有关此命令如何影响 SQL 托管实例资源的详细信息，请参阅 资源治理。

在故障转移组中启用机器学习服务

在 故障转移组中，系统数据库不会复制到辅助实例（有关详细信息，请参阅 故障转移组的限制 ）。

如果使用的 SQL 托管实例是故障转移组的一部分，请执行以下操作：

• 对故障转移组的每个实例运行 sp_configure 和 RECONFIGURE 命令，以启用机器学习服务。

• 在用户数据库而不是 master 数据库上安装 R/Python 库。

后续步骤

• 请参阅 SQL Server 机器学习服务的主要区别。
• 若要了解如何在机器学习服务中使用 Python，请参阅 “运行 Python 脚本”。
• 若要了解如何在机器学习服务中使用 R，请参阅 “运行 R 脚本”。
• 有关其他 SQL 平台上的机器学习的详细信息，请参阅 SQL 机器学习文档。