管理部署工作

工作是在 Watson Machine Learning 中執行批次部署、Script 或 Notebook 的方式。 您可以選擇手動執行工作，或根據您指定的排程來執行工作。 建立一或多個工作之後，您可以從部署空間的工作標籤中檢視及管理它們。

工作類型

您可以建立下列項目的工作:

  • 模型
  • Python 函數
  • Script (Python 或 R)
  • Notebooks
  • 流程 (SPSS、 Data Refinery)

從空間的工作標籤，您可以：

  • 查看空間中的工作清單
  • 檢視每個工作的詳細資料。 您可以變更工作的排程設定，並挑選不同的環境範本。
  • 監視工作執行
  • 刪除工作

請參閱下列各節，以瞭解工作管理的各個層面:

建立批次部署的工作

建立批次部署時，您接著會建立部署工作。 若要建立工作，請執行下列動作：

  1. 從 部署 標籤中，選取您的部署。
  2. 按一下 新建工作
  3. 遵循 建立工作 中的指示

從資產清單建立工作

從「資產」清單中，您可以建立 Notebook、Script 或流程的工作。 這些資產使用 Notebook 環境，且不需要批次部署即可執行。

若要從「資產」頁面建立工作，請從資產動作功能表中按一下 新建工作 ，然後遵循 建立工作中的指示。

建立工作

  1. 輸入工作名稱及說明。
  2. 選取工作的環境執行時期。
  3. 選用項目: 使用環境變數在執行時期自訂工作。
  4. 選用項目: 配置工作的保留選項。 若要透過保留所有工作 meta 資料來避免耗用資源，您可以設定臨界值以儲存設定數目的工作執行及相關聯日誌，或設定時間臨界值以儲存構件達指定天數。
  5. 選用項目：選取以排定工作。 選取此排程的開始日期。 按一下行事曆以選取日期。 根據您選取的頻率，指定開始時間、時區及重複設定。 請注意，如果您排除特定平日，工作可能不會如您預期般執行。 原因是建立排程之使用者的時區與執行工作之主要節點的時區不相符。
  6. 建立工作。 您可以立即建立並執行工作 (例如，如果您未指定排程) ，或者您可以建立工作並稍後執行 (手動或在排程中指定)。

查看空間中的工作

您可從「工作」頁面，檢視部署空間中存在的所有工作。 您也可以從此頁面中刪除工作。

若要檢視特定工作的詳細資料，請按一下該工作。 從工作的詳細資料頁面中，您可以:

  • 檢視該工作的執行及每次執行的狀態。 如果執行失敗，您可以選取該執行作業並檢視日誌明細，或下載整個日誌檔以協助您疑難排解該執行作業。 執行失敗可能與暫時連線或環境問題相關。 請重試執行該工作。 如果工作仍然失敗，您可以將日誌傳送給客戶支援中心。
  • 當工作正在執行時，資訊畫面上的進度指示器會顯示執行相對進度的相關資訊。 您可以使用進度指示器來監視長時間執行。
  • 對於 Notebook 工作，您可以檢視已完成 Notebook 執行的輸出。 使用此特性可檢閱視覺化或輕鬆比較多個執行的輸出。
  • 編輯排程設定或挑選另一個環境範本。
  • 透過按一下工作動作列中的執行圖示來手動執行工作。 您必須取消選取排程以便手動執行工作。

管理工作 meta 資料保留

當工作完成時，無論執行成功還是失敗，您透過使用者介面建立之工作的 meta 資料，依預設皆會儲存 30 天。 當您建立部署工作時，可以置換此設定。 您也可以程式設計方式管理部署工作的 meta 資料保留。

以程式化方式管理 meta 資料保留及刪除

如果您使用 Python 用戶端或 REST API 以程式化方式管理工作，則可以在 30 天期間使用 GET 方法從部署端點擷取 meta 資料。

若保留 meta 資料的天數超過或小於 30 天，請變更 POST 方法的查詢參數預設值 retention=30 以置換預設值並保留 meta 資料。 請注意，將值變更為 retention=-1 將會取消自動刪除並保留 meta 資料。

若要以程式設計方式刪除工作，請指定 Watson Machine Learning DELETE 方法的查詢參數 hard_delete=true 以完全移除工作 meta 資料。 例如：

DELETE /ml/v4/deployment_jobs/{JobsID}

從範例中學習

如需使用 Watson Machine Learning REST API 和 Watson Machine Learning Python 用戶端程式庫來示範如何建立批次部署和工作的範例 Notebook 的鏈結，請參閱 機器學習範例和範例 。

上層主題: 管理部署