модуль azure.azcollection.azure_rm_ml_batch_endpoint_invoke — вызов ресурсов пакетной конечной точки ML

ad_user

string

Имя пользователя Active Directory. Используйте при аутентификации от имени пользователя Active Directory, а не субъекта-службы.

adfs_authority_url

string

добавлено в azure.azcollection 0.0.1

URL-адрес центра Azure AD. Используйте при аутентификации с помощью имени пользователя и пароля, если у вас есть собственный центр ADFS.

api_profile

string

добавлено в azure.azcollection 0.0.1

Выбирает профиль API для взаимодействия со службами Azure. Значение по умолчанию latest подходит для общедоступных облаков; в будущем другие значения позволят использовать Azure Stack.

По умолчанию: "latest"

auth_source

string

добавлено в azure.azcollection 0.0.1

Определяет источник учетных данных для аутентификации.

Также можно задать с помощью переменной среды ANSIBLE_AZURE_AUTH_SOURCE.

Если задано значение auto (по умолчанию), порядок приоритета следующий: параметры модуля -> env -> credential_file -> cli.

Если задано значение env, учетные данные считываются из переменных среды.

Если задано значение credential_file, профиль считывается из ~/.azure/credentials.

Если задано значение cli, учетные данные берутся из профиля Azure CLI. Для определения идентификатора подписки, если их несколько, можно использовать subscription_id или переменную среды AZURE_SUBSCRIPTION_ID; в противном случае используется подписка az cli по умолчанию.

Если задано значение msi, хостом должен быть ресурс Azure с включенным расширением MSI. Для определения идентификатора подписки, если ресурсу предоставлен доступ к нескольким подпискам, можно использовать subscription_id или переменную среды AZURE_SUBSCRIPTION_ID; в противном случае выбирается первая подписка.

Параметр msi добавлен в Ansible 2.6.

Варианты:

• "auto" ← (по умолчанию)
• "cli"
• "credential_file"
• "env"
• "msi"

cert_validation_mode

string

добавлено в azure.azcollection 0.0.1

Определяет поведение проверки сертификатов для конечных точек Azure. По умолчанию все модули проверяют сертификат сервера, однако при использовании HTTPS-прокси или Azure Stack может потребоваться отключить эту проверку, передав ignore. Значение также можно задать в профиле файла учетных данных или с помощью переменной среды AZURE_CERT_VALIDATION.

Варианты:

• "ignore"
• "validate"

client_id

string

Идентификатор клиента Azure. Используйте при аутентификации с помощью субъекта-службы или управляемого удостоверения (msi).

Также можно задать с помощью переменной среды AZURE_CLIENT_ID.

cloud_environment

string

добавлено в azure.azcollection 0.0.1

Для облачных сред, отличных от общедоступного облака США, укажите имя среды (определенное в Azure Python SDK, например AzureChinaCloud, AzureUSGovernment) или URL-адрес конечной точки обнаружения метаданных (обязателен для Azure Stack). Значение также можно задать в профиле файла учетных данных или с помощью переменной среды AZURE_CLOUD_ENVIRONMENT.

По умолчанию: "AzureCloud"

deployment_name

string

Имя целевого развертывания.

disable_instance_discovery

boolean

добавлено в azure.azcollection 2.3.0

Определяет, выполняется ли обнаружение экземпляров при попытке аутентификации. Если задать значение true, обнаружение экземпляров и проверка центра авторизации будут полностью отключены. Эта возможность предназначена для сценариев, в которых невозможно подключиться к конечной точке метаданных, например в частных облаках или Azure Stack. Обнаружение экземпляров включает получение метаданных центра авторизации с сайта https://login.microsoft.com/ для проверки центра авторизации. Если задать значение **True**, проверка центра авторизации будет отключена. Поэтому важно убедиться, что настроенный узел центра авторизации действителен и заслуживает доверия.

Задается в профиле файла учетных данных или с помощью переменной среды AZURE_DISABLE_INSTANCE_DISCOVERY.

Варианты:

• false ← (по умолчанию)
• true

experiment_name

string

Имя эксперимента для развертывания компонента конвейера.

input

string

Ссылка на входные данные для пакетного вывода. Это может быть путь в хранилище данных, общедоступный URI, зарегистрированный ресурс данных или путь к локальной папке.

input_type

string

Тип входных данных: файл или папка. Используйте этот параметр, если указываете путь в хранилище данных или общедоступный URI.

Варианты:

• "uri_folder"
• "uri_file"

inputs

dictionary

Словарь входных данных заданий вызова.

instance_count

integer

Количество экземпляров, на которых будет выполняться прогнозирование.

invocation_definition

string

Определение вызова пакетной конечной точки в формате YAML.

job_name

string

Имя задания пакетного вызова.

log_mode

string

Родительский аргумент.

log_path

string

Родительский аргумент.

mini_batch_size

integer

Размер каждого мини-пакета, на который разделяются входные данные для прогнозирования.

ml_workspace

string / обязательный

Имя рабочей области Azure ML.

name

string

Имя пакетной конечной точки Azure ML.

oidc_token

string

добавлено в azure.azcollection 3.17.0

Токен OpenID Connect (OIDC) (JWT), используемый для аутентификации рабочей нагрузки по удостоверению.

Этот токен обменивается с Azure AD с использованием федеративного удостоверения OIDC.

Полезен в системах CI (например, GitHub Actions, Azure DevOps), где платформа предоставляет токен OIDC напрямую.

Также можно задать с помощью переменной среды AZURE_FEDERATED_TOKEN.

oidc_token_file_path

path

добавлено в azure.azcollection 3.17.0

Путь к файлу, содержащему токен OpenID Connect (OIDC) (JWT), используемый для аутентификации рабочей нагрузки по удостоверению.

Файл должен содержать только исходный токен.

Этот способ часто используется на платформах, которые сохраняют токены OIDC в виде файлов

Также можно задать с помощью переменной среды AZURE_FEDERATED_TOKEN_FILE.

output_path

string

Путь в хранилище данных, куда будут загружены выходные файлы.

outputs

dictionary

Словарь для указания места хранения результатов.

password

string

Пароль пользователя Active Directory. Используйте при аутентификации от имени пользователя Active Directory, а не субъекта-службы.

profile

string

Профиль безопасности из файла ~/.azure/credentials.

resource_group

string / обязательный

Имя группы ресурсов.

secret

string

Секрет клиента Azure. Используйте при аутентификации с помощью субъекта-службы.

subscription_id

string

Идентификатор вашей подписки Azure.

tenant

string

Идентификатор клиента Azure. Используйте при аутентификации с помощью субъекта-службы.

thumbprint

string

добавлено в azure.azcollection 1.14.0

Отпечаток закрытого ключа, указанного в x509_certificate_path.

Используйте при аутентификации с помощью субъекта-службы.

Обязателен, если задан x509_certificate_path.

x509_certificate_path

path

добавлено в azure.azcollection 1.14.0

Путь к сертификату X509 в формате PEM, используемому для создания субъекта-службы.

Сертификат необходимо добавить в файл закрытого ключа.

Используйте при аутентификации с помощью субъекта-службы.

changed

boolean

Возвращает True, если вызов выполнен успешно

Возвращается: всегда

Пример: true

ml_batch_endpoint_invoke

dictionary

Пакетные конечные точки, соответствующие запросу.

Возвращается: всегда

Пример: {"id": "/subscriptions/xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx/resourceGroups/xxxxx-ml-batch_endpoint_invoke/providers/Microsoft.MachineLearningServices/workspaces/workspace-xxxxxxxxxx/batchEndpoints//jobs/pipelinejob-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx", "name": "pipelinejob-xxxxxxxx-xxxx-xxxxxxxxx-xxxxxxxxxxxx", "properties": {"compute": {"is_local": false}, "interaction_endpoints": {"Studio": {"endpoint": "https://ml.azure.com/runs/pipelinejob-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx?wsid=/subscriptions/xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx/resourcegroups/xxxxx-ml-batch_endpoint_invoke/workspaces/workspace-xxxxxxxxxx", "job_endpoint_type": "Studio"}, "Tracking": {"endpoint": "azureml://eastus.api.azureml.ms/mlflow/v1.0/subscriptions/xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx/resourceGroups/xxxxx-ml-batch_endpoint_invoke/providers/Microsoft.MachineLearningServices/workspaces/workspace-xxxxxxxxxx?", "job_endpoint_type": "Tracking"}}, "name": "bold_egg_xxxxxxxx", "output": {}, "properties": {"azureml.DatasetAccessMode": "Asset", "azureml.DevPlatv2": "true", "azureml.SourceComponentId": "/subscriptions/xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx/resourceGroups/xxxxx-ml-batch_endpoint_invoke/providers/Microsoft.MachineLearningServices/workspaces/workspace-xxxxxxxxxx/components/hello_batch/versions/1", "azureml.continue_on_failed_optional_input": "True", "azureml.continue_on_step_failure": "True", "azureml.defaultComputeName": "batch-cluster", "azureml.defaultDataStoreName": "workspaceblobstore", "azureml.deploymentname": "deployment-xxxxxxxxxx-ansible", "azureml.endpointname": "endpoint-xxxxxxxxxx-ansible", "azureml.enforceRerun": "False", "azureml.parameters": "{}", "azureml.pipelineComponent": "pipelinerun", "azureml.runLineageType": "batchDeployment", "azureml.runsource": "azureml.PipelineRun", "azureml.sourcepipelinerunid": "xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx", "runSource": "BatchDeployment", "runType": "HTTP"}, "provisioning_state": "Succeeded", "status": "Preparing", "tags": {"azureml.batchrun": "true", "azureml.deploymentname": "deployment-xxxxxxxxxx-ansible", "azureml.jobtype": "azureml.pipelinejob"}}, "system_data": {"created_at": "2026-05-04T13:56:02.890323Z", "created_by": "xxxx xxxx-xxxxxxxxxx", "last_modified_at": "2026-05-04T13:56:02.890323Z", "last_modified_by": "xxxx xxxx-xxxxxxxxxx"}, "type": "Microsoft.MachineLearningServices/workspaces/batchEndpoints/jobs"}