Creare un pacchetto di file di origine per una ricetta

Questo tutorial fornisce istruzioni su come creare un pacchetto dei file di origine di esempio per le vendite al dettaglio in un file di archivio, che può essere utilizzato per creare una ricetta in Adobe Experience Platform Data Science Workspace seguendo il flusso di lavoro di importazione delle ricette nell'interfaccia utente o utilizzando l'API.

Concetti da comprendere:

Prerequisiti

Creazione ricetta

La creazione della ricetta inizia con la creazione di pacchetti di file di origine per la creazione di un file di archivio. I file Source definiscono la logica di apprendimento automatico e gli algoritmi utilizzati per risolvere un problema specifico e sono scritti in Python, R, PySpark o Scala. I file di archivio creati si presentano come un’immagine Docker. Una volta generato, il file di archivio collocato viene importato in Data Science Workspace per creare una ricetta nell'interfaccia utente o utilizzando l'API.

Authoring di modelli basato su Docker docker-based-model-authoring

Un’immagine Docker consente a uno sviluppatore di creare un pacchetto di un’applicazione con tutte le parti necessarie, come librerie e altre dipendenze, e di distribuirlo come un unico pacchetto.

L’immagine Docker generata viene inviata al registro dei contenitori di Azure utilizzando le credenziali fornite durante il flusso di lavoro per la creazione della ricetta.

Per ottenere le credenziali del Registro di sistema del contenitore di Azure, accedi a Adobe Experience Platform. Nella colonna di navigazione sinistra, passa a Flussi di lavoro. Seleziona Importa ricetta, quindi seleziona Avvia. Per maggiori informazioni, vedere la schermata seguente.

Viene visualizzata la pagina Configura. Fornisci un nome ricetta appropriato, ad esempio "ricetta di vendita al dettaglio", e facoltativamente fornisci una descrizione o un URL della documentazione. Al termine, fai clic su Avanti.

Seleziona il Runtime appropriato, quindi scegli una Classificazione per Tipo. Le credenziali del Registro di sistema del contenitore di Azure vengono generate una volta completate.

Prendi nota dei valori per host, nome utente e password Docker. Questi vengono utilizzati per versione e spingere la tua Docker immagine nei flussi di lavoro descritti di seguito.

Creare un pacchetto dei file di origine

Per prima cosa, ottenere il codebase di esempio trovato nell'archivio Experience Platform Data Science Workspace Reference.

Genera immagine Docker Python python-docker

In caso contrario, clonare l'archivio GitHub nel sistema locale con il comando seguente:

git clone https://github.com/adobe/experience-platform-dsw-reference.git

Passare alla directory experience-platform-dsw-reference/recipes/python/retail. Qui troverai gli script login.sh e build.sh utilizzati per accedere a Docker e per generare l'immagine Python Docker. Se le tue credenziali Docker sono pronte, immetti i seguenti comandi nell'ordine:

# for logging in to Docker
./login.sh

# for building Docker image
./build.sh

Durante l’esecuzione dello script di accesso, devi fornire l’host Docker, il nome utente e la password. Durante la generazione, devi fornire l’host Docker e un tag di versione per la build.

Una volta completato lo script di build, nell’output della console viene fornito l’URL del file di origine Docker. Per questo esempio specifico, avrà un aspetto simile like:

# URL format:
{DOCKER_HOST}/ml-retailsales-python:{VERSION_TAG}

Copia questo URL e passa ai passaggi successivi.

Genera immagine R Docker r-docker

Se non è stato fatto, clonare il GitHub archivio nel sistema locale con il seguente comando:

git clone https://github.com/adobe/experience-platform-dsw-reference.git

Passare alla directory experience-platform-dsw-reference/recipes/R/Retail - GradientBoosting all'interno dell'archivio clonato. Qui troverai i file login.sh e build.sh che utilizzerai per accedere a Docker e per generare l'immagine R Docker. Se le tue credenziali Docker sono pronte, immetti i seguenti comandi nell'ordine:

# for logging in to Docker
./login.sh

# for build Docker image
./build.sh

Durante l’esecuzione dello script di accesso, devi fornire l’host Docker, il nome utente e la password. Durante la generazione, devi fornire l’host Docker e un tag di versione per la build.

Una volta completato lo script di build, nell’output della console viene fornito l’URL del file di origine Docker. Per questo esempio specifico, avrà un aspetto simile a:

# URL format:
{DOCKER_HOST}/ml-retail-r:{VERSION_TAG}

Copia questo URL e passa ai passaggi successivi.

Crea immagine Docker PySpark pyspark-docker

Per iniziare, clonare l'archivio GitHub nel sistema locale con il comando seguente:

git clone https://github.com/adobe/experience-platform-dsw-reference.git

Passare alla directory experience-platform-dsw-reference/recipes/pyspark/retail. Gli script login.sh e build.sh si trovano qui e vengono utilizzati per accedere a Docker e per generare l'immagine Docker. Se le tue credenziali Docker sono pronte, immetti i seguenti comandi nell'ordine:

# for logging in to Docker
./login.sh

# for building Docker image
./build.sh

Durante l’esecuzione dello script di accesso, devi fornire l’host Docker, il nome utente e la password. Durante la generazione, devi fornire l’host Docker e un tag di versione per la build.

Una volta completato lo script di build, nell’output della console viene fornito l’URL del file di origine Docker. Per questo esempio specifico, avrà un aspetto simile a:

# URL format:
{DOCKER_HOST}/ml-retailsales-pyspark:{VERSION_TAG}

Copia questo URL e passa ai passaggi successivi.

Crea immagine Docker Scala scala-docker

Iniziare clonando l'archivio GitHub nel sistema locale con il seguente comando nel terminale:

git clone https://github.com/adobe/experience-platform-dsw-reference.git

Passare quindi alla directory experience-platform-dsw-reference/recipes/scala in cui è possibile trovare gli script login.sh e build.sh. Questi script vengono utilizzati per accedere a Docker e generare l’immagine Docker. Se le tue credenziali Docker sono pronte, immetti i seguenti comandi da terminare in ordine:

# for logging in to Docker
./login.sh

# for building Docker image
./build.sh

Quando si esegue lo script login, è necessario fornire l'host Docker, il nome utente e il password. Durante la compilazione, è necessario fornire l'host Docker e un tag di versione per il versione.

Una volta completato lo script versione, viene fornito un file di origine Docker URL nell'output della console. Per questo esempio specifico, avrà un aspetto simile like:

# URL format:
{DOCKER_HOST}/ml-retailsales-spark:{VERSION_TAG}

Copia questo URL e passa ai passaggi successivi.

Passaggi successivi next-steps

Questo tutorial ha esaminato il packaging dei file di origine in una ricetta, il passaggio preliminare per l'importazione di una ricetta in Data Science Workspace. Ora dovresti disporre di un’immagine Docker nel registro dei contenitori di Azure insieme all’URL dell’immagine corrispondente. È ora possibile iniziare l'esercitazione sull'importazione di una composizione in pacchetti in Data Science Workspace. Per iniziare, seleziona uno dei collegamenti alle esercitazioni seguenti: