In diesem Tutorial erfahren Sie, wie Sie die bereitgestellten Beispielquelldateien für Einzelhandelsumsätze in eine Archivdatei verpacken können, die zum Erstellen eines Rezepts in Adobe Experience Platform verwendet werden kann. Data Science Workspace durch Befolgen des Workflows zum Importieren von Rezepten in der Benutzeroberfläche oder mithilfe der API.
Konzepte zum Verständnis:
Die Erstellung von Rezepten beginnt mit dem Verpacken von Quelldateien zum Erstellen einer Archivdatei. Quelldateien definieren die Logik des maschinellen Lernens und Algorithmen, die zur Lösung eines bestimmten Problems verwendet werden, und werden entweder in Python, R, PySpark oder Scala. Die erstellten Archivdateien haben die Form eines Docker-Bildes. Nach der Erstellung wird die gepackte Archivdatei in Data Science Workspace , um ein Rezept zu erstellen in der Benutzeroberfläche oder Verwendung der API.
Ein Docker-Bild ermöglicht es einem Entwickler, eine Anwendung mit allen benötigten Teilen wie Bibliotheken und anderen Abhängigkeiten zu verpacken und als ein Paket auszugeben.
Das erstellte Docker-Bild wird mithilfe der Anmeldeinformationen, die Ihnen während des Workflows zur Rezepterstellung zur Verfügung gestellt werden, an die Azure Container Registry gesendet.
Um Ihre Anmeldedaten für die Azure Container Registry zu erhalten, melden Sie sich bei Adobe Experience Platform. Navigieren Sie in der linken Navigationsspalte zu Workflows. Auswählen Rezept importieren gefolgt von der Auswahl Launch. Weitere Informationen finden Sie im Screenshot unten.
Die Konfigurieren Seite geöffnet. Stellen Sie eine geeignete Rezeptname, z. B. "Rezept für Einzelhandelsumsätze"und optional eine Beschreibung oder Dokumentations-URL angeben. Klicken Sie nach Abschluss des Vorgangs auf Nächste.
Wählen Sie die entsprechende Laufzeit, wählen Sie dann eine Klassifizierung für Typ. Ihre Anmeldedaten für die Azure Container Registry werden nach Abschluss generiert.
Typ ist die Klasse des Problems des maschinellen Lernens, für das das Rezept entwickelt wurde und nach dem Training verwendet wird, um die Trainings-Läufe anzupassen.
Notieren Sie die Werte für Docker-Host, Benutzername und Kennwort. Diese werden verwendet, um Ihre Docker in den unten beschriebenen Workflows angezeigt.
Die Quell-URL wird bereitgestellt, nachdem Sie die unten beschriebenen Schritte ausgeführt haben. Die Konfigurationsdatei wird in nachfolgenden Tutorials in Nächste Schritte.
Rufen Sie zunächst die Codebase-Beispieldatei ab, die im Experience Platform Data Science Workspace-Referenz Repository.
Falls nicht, klonen Sie die GitHub Repository auf Ihrem lokalen System mit dem folgenden Befehl:
git clone https://github.com/adobe/experience-platform-dsw-reference.git
Navigieren Sie zum Verzeichnis . experience-platform-dsw-reference/recipes/python/retail
. Hier finden Sie die Scripts login.sh
und build.sh
zum Anmelden bei Docker und zum Erstellen der Python Docker Bild. Wenn Ihre Docker-Anmeldeinformationen bereit, geben Sie die folgenden Befehle in der Reihenfolge ein:
# for logging in to Docker
./login.sh
# for building Docker image
./build.sh
Beachten Sie, dass Sie beim Ausführen des Anmeldeskripts den Docker-Host, Benutzernamen und das Kennwort angeben müssen. Beim Erstellen müssen Sie den Docker-Host und ein Version-Tag für den Build angeben.
Sobald das Build-Skript abgeschlossen ist, erhalten Sie eine Docker-Quelldatei-URL in Ihrer Konsolenausgabe. Für dieses spezifische Beispiel sieht es ungefähr so aus:
# URL format:
{DOCKER_HOST}/ml-retailsales-python:{VERSION_TAG}
Kopieren Sie diese URL und fahren Sie mit dem Nächste Schritte.
Falls nicht, klonen Sie die GitHub Repository auf Ihrem lokalen System mit dem folgenden Befehl:
git clone https://github.com/adobe/experience-platform-dsw-reference.git
Navigieren Sie zum Verzeichnis . experience-platform-dsw-reference/recipes/R/Retail - GradientBoosting
in Ihrem geklonten Repository. Hier finden Sie die Dateien login.sh
und build.sh
die Sie verwenden werden, um sich bei Docker anzumelden und das R Docker-Bild zu erstellen. Wenn Ihre Docker-Anmeldeinformationen bereit, geben Sie die folgenden Befehle in der Reihenfolge ein:
# for logging in to Docker
./login.sh
# for build Docker image
./build.sh
Beachten Sie, dass Sie beim Ausführen des Anmeldeskripts den Docker-Host, Benutzernamen und das Kennwort angeben müssen. Beim Erstellen müssen Sie den Docker-Host und ein Version-Tag für den Build angeben.
Sobald das Build-Skript abgeschlossen ist, erhalten Sie eine Docker-Quelldatei-URL in Ihrer Konsolenausgabe. Für dieses spezifische Beispiel sieht es ungefähr so aus:
# URL format:
{DOCKER_HOST}/ml-retail-r:{VERSION_TAG}
Kopieren Sie diese URL und fahren Sie mit dem Nächste Schritte.
Beginnen Sie mit dem Klonen der GitHub Repository auf Ihrem lokalen System mit dem folgenden Befehl:
git clone https://github.com/adobe/experience-platform-dsw-reference.git
Navigieren Sie zum Verzeichnis . experience-platform-dsw-reference/recipes/pyspark/retail
. Die Skripte login.sh
und build.sh
befinden sich hier und werden verwendet, um sich bei Docker anzumelden und das Docker-Bild zu erstellen. Wenn Ihre Docker-Anmeldeinformationen bereit, geben Sie die folgenden Befehle in der Reihenfolge ein:
# for logging in to Docker
./login.sh
# for building Docker image
./build.sh
Beachten Sie, dass Sie beim Ausführen des Anmeldeskripts den Docker-Host, Benutzernamen und das Kennwort angeben müssen. Beim Erstellen müssen Sie den Docker-Host und ein Version-Tag für den Build angeben.
Sobald das Build-Skript abgeschlossen ist, erhalten Sie eine Docker-Quelldatei-URL in Ihrer Konsolenausgabe. Für dieses spezifische Beispiel sieht es ungefähr so aus:
# URL format:
{DOCKER_HOST}/ml-retailsales-pyspark:{VERSION_TAG}
Kopieren Sie diese URL und fahren Sie mit dem Nächste Schritte.
Beginnen Sie mit dem Klonen der GitHub Repository auf Ihrem lokalen System mit dem folgenden Befehl im Terminal:
git clone https://github.com/adobe/experience-platform-dsw-reference.git
Navigieren Sie anschließend zum Ordner . experience-platform-dsw-reference/recipes/scala
wo Sie die Skripte finden login.sh
und build.sh
. Diese Skripte werden verwendet, um sich bei Docker anzumelden und das Docker-Bild zu erstellen. Wenn Ihre Docker-Anmeldeinformationen bereit, geben Sie die folgenden Befehle in der Reihenfolge zum Terminal ein:
# for logging in to Docker
./login.sh
# for building Docker image
./build.sh
Wenn Sie einen Berechtigungsfehler erhalten, wenn Sie versuchen, sich mit dem login.sh
Skript, versuchen Sie es mit dem Befehl bash login.sh
.
Beim Ausführen des Anmeldeskripts müssen Sie den Docker-Host, den Benutzernamen und das Kennwort angeben. Beim Erstellen müssen Sie den Docker-Host und ein Version-Tag für den Build angeben.
Sobald das Build-Skript abgeschlossen ist, erhalten Sie eine Docker-Quelldatei-URL in Ihrer Konsolenausgabe. Für dieses spezifische Beispiel sieht es ungefähr so aus:
# URL format:
{DOCKER_HOST}/ml-retailsales-spark:{VERSION_TAG}
Kopieren Sie diese URL und fahren Sie mit dem Nächste Schritte.
In diesem Tutorial wurde das Verpacken von Quelldateien in ein Rezept überführt, was die Voraussetzung für den Import eines Rezepts in Data Science Workspace. Sie sollten jetzt ein Docker-Bild in Azure Container Registry zusammen mit der entsprechenden Bild-URL haben. Sie können jetzt mit dem Tutorial zum Importieren eines gepackten Rezepts in beginnen. Data Science Workspace. Wählen Sie einen der folgenden Tutorial-Links aus, um zu beginnen: