› › ›

API обновления задач аналитики фреймов данных

Обновляет существующую задачу аналитики фреймов данных.

Запрос

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

Предварительные условия

Требуются следующие разрешения:

cluster: manage_ml (роль machine_learning_admin по умолчанию предоставляет это разрешение)
индексы источников: read, view_index_metadata
целевой индекс: read, create_index, manage и index

Задача аналитики фреймов данных запоминает роли пользователя, который её обновил на момент обновления. При запуске задачи анализ выполняется с использованием тех же ролей. Если вы предоставляете заголовки вторичной авторизации, будут использоваться эти учетные данные.

Описание

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

Параметры пути

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

Тело запроса

allow_lazy_start: (Необязательно, логическое значение) Указывает, может ли эта задача запускаться, когда недостаточно вычислительных ресурсов узлов машинного обучения для её немедленного назначения на узел. Значение по умолчанию - false; если узел машинного обучения с ресурсами для выполнения задачи не может быть найден немедленно, API возвращает ошибку. Однако это также зависит от настройки xpack.ml.max_lazy_ml_nodes для всего кластера. См. Дополнительные настройки машинного обучения. Если этот параметр установлен в значение true, API не возвращает ошибку, и задача ожидает в состоянии starting, пока не появятся достаточные вычислительные ресурсы узла 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, но потребует больше ресурсов процессора. Обратите внимание, что процесс может использовать дополнительные потоки для функциональности, помимо самого анализа.
_meta: (Необязательно, объект) Дополнительная настройка. Содержит пользовательские метаданные о задаче. Например, может содержать информацию о пользовательских URL.
model_memory_limit: (Необязательно, строка) Примерная максимальная потребность в памяти для аналитического процесса. Значение по умолчанию для задач аналитики фреймов данных - 1gb. Если вы укажете значение для параметра xpack.ml.max_model_memory_limit, произойдёт ошибка при попытке создать задачи с значениями model_memory_limit, превышающими значение этого параметра. Подробнее см. Настройки машинного обучения в Elasticsearch.

Примеры

Пример обновления лимита памяти модели

В следующем примере показано, как обновить лимит памяти модели для существующей конфигурации аналитики фреймов данных.

resp = client.ml.update_data_frame_analytics(
    id="loganalytics",
    model_memory_limit="200mb",
)
print(resp)

const response = await client.ml.updateDataFrameAnalytics({
  id: "loganalytics",
  model_memory_limit: "200mb",
});
console.log(response);

POST _ml/data_frame/analytics/loganalytics/_update
{
  "model_memory_limit": "200mb"
}

При обновлении задачи в ответе содержится её конфигурация с обновлёнными значениями. Например:

{
  "id" : "loganalytics",
  "create_time" : 1656364565517,
  "version" : "8.4.0",
  "authorization" : {
    "roles" : [
      "superuser"
    ]
  },
  "description" : "Outlier detection on log data",
  "source" : {
    "index" : [
      "logdata"
    ],
    "query" : {
      "match_all" : { }
    }
  },
  "dest" : {
    "index" : "logdata_out",
    "results_field" : "ml"
  },
  "analysis" : {
    "outlier_detection" : {
      "compute_feature_influence" : true,
      "outlier_fraction" : 0.05,
      "standardization_enabled" : true
    }
  },
  "model_memory_limit" : "200mb",
  "allow_lazy_start" : false,
  "max_num_threads" : 1
}

© 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/8.17/update-dfanalytics.html