Python 脚本的批量部署输入详细信息

数据源

输入或输出数据引用:

• 空间中的本地资产或受管资产
• 已连接 (远程) 资产: Cloud Object Storage 和存储卷

注：

• 对于类型为 Cloud Object Storage 或 Cloud Object Storage （基础设施） ，必须配置访问密钥和保密密钥 ，也称为 HMAC 凭证。

如果要以编程方式指定输入/输出数据引用：

• 数据源引用 type 取决于资产类型。 有关更多信息，请参阅 向部署空间添加数据资产中的 数据源引用类型 部分。
• 您可以将运行 Python Script 所需的环境变量指定为 scoring.environment_variables中的 'key': 'value' 对。 key 必须是环境变量的名称，而 value 必须是环境变量的相应值。
• 部署作业的有效内容将作为 JSON 文件保存在运行 Python 脚本的部署容器中。 Python 脚本可以访问使用 JOBS_PAYLOAD_FILE 环境变量的 JSON 文件的完整路径文件名。
• 如果将输入数据作为本地或受管数据资产进行引用，那么部署服务会下载输入数据并将其放置在运行 Python 脚本的部署容器中。 您可以通过 BATCH_INPUT_DIR 环境变量访问下载的输入数据的位置 (路径)。
• 对于输入数据引用 (数据资产或连接资产) ，必须由 Python 脚本处理数据下载。 如果已连接的数据资产或连接资产存在于部署作业有效内容中，那么您可以使用 JOBS_PAYLOAD_FILE 环境变量来访问该数据资产，该环境变量包含保存为 JSON 文件的部署作业有效内容的完整路径。
• 如果输出数据必须以本地或受管数据资产的形式持久存储在空间中，您可以在 scoring.output_data_reference.location.name 中指定要创建的资产名称。 作为 Python 脚本的一部分，可以将输出数据放在 BATCH_OUTPUT_DIR 环境变量指定的路径中。 部署服务将数据压缩为压缩文件格式，并将其上载到 BATCH_OUTPUT_DIR中指定的位置。
• 这些环境变量是在内部设置的。 如果尝试手动设置这些值，那么将覆盖您的值:
  • BATCH_INPUT_DIR
  • BATCH_OUTPUT_DIR
  • JOBS_PAYLOAD_FILE
• 如果必须将输出数据保存在远程数据存储器中，那么必须在 output_data_reference.location.href中指定输出数据引用 (例如，数据资产或已连接的数据资产) 的引用。 Python 脚本必须负责将输出数据上载到远程数据源。 如果已连接的数据资产或连接资产引用存在于部署作业有效内容中，那么您可以使用 JOBS_PAYLOAD_FILE 环境变量来访问该数据资产，该环境变量包含保存为 JSON 文件的部署作业有效内容的完整路径。
• 如果 Python 脚本不需要在部署作业有效内容中指定任何输入或输出数据引用，那么请勿在有效内容中提供 scoring.input_data_references 和 scoring.output_data_references 对象。

了解更多

在 Watson Machine Learning中部署脚本。

父主题: 批处理部署输入详细信息 (按框架排列)