› › ›

API обновления задач аналитики данных с использованием фреймворков

Обновляет существующую задачу аналитики данных с использованием фреймворков.

Запрос

POST _ml/data_frame/analytics/<data_frame_analytics_id>/_update

Предварительные условия

Требуются следующие привилегии:

cluster: manage_ml (роль machine_learning_admin предоставляет эту привилегию)
source indices: read, view_index_metadata
destination index: read, create_index, manage и index

Задача аналитики данных запоминает роли пользователя, который её обновлял. При запуске задачи она использует те же самые роли. Если вы предоставляете дополнительные заголовки авторизации, вместо них используются эти учетные данные.

Описание

Этот API обновляет существующую задачу аналитики данных с использованием фреймворков, которая выполняет анализ исходных индексов и сохраняет результат в целевом индексе.

Параметры пути

<data_frame_analytics_id>: (Обязательно, строка) Идентификатор задачи аналитики данных с использованием фреймворков. Этот идентификатор может содержать строчные буквенно-цифровые символы (a-z и 0-9), дефисы и символы подчеркивания. Он должен начинаться и заканчиваться буквенно-цифровыми символами.

Тело запроса

allow_lazy_start: (Необязательно, логическое значение) Указывает, может ли эта задача запускаться при недостаточной мощности узлов машинного обучения для её непосредственного назначения узлу. Значение по умолчанию — false; если немедленно не обнаружен узел машинного обучения с достаточной мощностью для выполнения задачи, API возвращает ошибку. Однако это также зависит от настройки xpack.ml.max_lazy_ml_nodes на уровне кластера. См. Дополнительные параметры машинного обучения. Если это значение установлено в true, API не возвращает ошибку, а задача ожидает в состоянии starting, пока не станет доступна достаточная мощность узлов машинного обучения.
description: (Необязательно, строка) Описание задачи.
max_num_threads: (Необязательно, целое число) Максимальное количество потоков, используемых для анализа. Значение по умолчанию — 1. Использование большего количества потоков может сократить время выполнения анализа за счёт увеличения использования процессора. Обратите внимание, что процесс может использовать дополнительные потоки для функциональности, отличной от самого анализа.
model_memory_limit: (Необязательно, строка) Приблизительный максимальный объём ресурсов памяти, разрешённых для аналитического процесса. Значение по умолчанию для задач аналитики данных с использованием фреймворков — 1gb. Если вы зададите значение для параметра xpack.ml.max_model_memory_limit, произойдёт ошибка при попытке создания задач, которые имеют значения model_memory_limit больше, чем это значение. Более подробная информация приведена в разделе Параметры машинного обучения в Elasticsearch.

Примеры

Пример обновления ограничения памяти модели

Следующий пример демонстрирует, как обновить ограничение памяти модели для существующей конфигурации аналитики данных с использованием фреймворков.

POST _ml/data_frame/analytics/model-flight-delays/_update
{
  "model_memory_limit": "200mb"
}

© 2023-2025 Elasticsearch
As of September 2024, Elasticsearch is available under a choice of three licenses: the Server Side Public License (SSPL), the Elastic License, or the AGPLv3 (OSI approved).
Elasticsearch and the Elasticsearch logo are trademarks of Elasticsearch B.V., registered in the U.S. and in other countries.
https://www.elastic.co/guide/en/elasticsearch/reference/7.17/update-dfanalytics.html