如何控制Azure ML Command作业中源代码的上传路径？

在Azure Machine Learning Studio笔记本中使用command函数创建作业时，每次./src目录代码变更，新的代码副本都会上传到默认Blob存储账户的新容器中，导致存储杂乱。相关代码如下：

from azure.ai.ml import command, Input, Output
from azure.ai.ml.entities import Data
from azure.ai.ml.constants import AssetTypes

subscription_id = "<subscription_id>"
resource_group = "<resource_group>"
workspace = "<workspace>"
storage_account = "<storage_account>"
input_path = "<input_path>"
output_path = "<output_path>"

input_dict = {
    "input_data_object": Input(
        type=AssetTypes.URI_FILE, 
        path=f"azureml://subscriptions/{subscription_id}/resourcegroups/{resource_group}/workspaces/{workspace}/datastores/{storage_account}/paths/{input_path}"
    )
}

output_dict = {
    "output_folder_object": Output(
        type=AssetTypes.URI_FOLDER,
        path=f"azureml://subscriptions/{subscription_id}/resourcegroups/{resource_group}/workspaces/{workspace}/datastores/{storage_account}/paths/{output_path}",
    )
}

job = command(
    code="./src", 
    command="python 01_read_write_data.py -v --input_data=${{inputs.input_data_object}} --output_folder=${{outputs.output_folder_object}}",
    inputs=input_dict,
    outputs=output_dict,
    environment="<asset_env>",
    compute="<compute_cluster>",
)

returned_job = ml_client.create_or_update(job)

请问是否有方法控制./src代码的上传位置？

有两种可行方式解决这个问题，核心思路是避免每次作业创建时自动上传本地代码到随机容器，而是指定固定存储位置：

方法1：注册代码资产（推荐） #

将本地./src目录注册为Azure ML的代码资产（Code Asset），可以指定存储位置和版本，后续作业直接引用该资产，不会生成新的随机容器。

步骤示例： #

1. 先创建并注册代码资产，指定目标存储路径：

from azure.ai.ml.entities import Code

# 定义代码资产，指定要存储到的datastore和路径
code_asset = Code(
    path="./src",  # 本地代码目录
    name="data_processing_src",  # 资产名称
    version="1",  # 版本号，代码变更时可更新版本
    datastore=storage_account,  # 目标存储账户名
    path_on_datastore="code/assets/data_processing"  # 自定义的存储路径
)

# 注册资产到工作区
ml_client.code.create_or_update(code_asset)

2. 在Command作业中引用该代码资产：

job = command(
    code="azureml:data_processing_src:1",  # 格式：azureml:<资产名称>:<版本号>
    command="python 01_read_write_data.py -v --input_data=${{inputs.input_data_object}} --output_folder=${{outputs.output_folder_object}}",
    inputs=input_dict,
    outputs=output_dict,
    environment="<asset_env>",
    compute="<compute_cluster>",
)

这种方式的优势是支持版本管理，代码变更时只需更新资产版本，存储位置固定，且无需手动上传代码。

方法2：直接引用存储中的代码路径 #

如果不想注册资产，可以提前将本地./src代码上传到指定的datastore路径，然后在Command作业中直接引用该路径，跳过本地代码自动上传步骤。

代码示例： #

# 直接指定datastore中的代码文件夹路径
job = command(
    code=f"azureml://subscriptions/{subscription_id}/resourcegroups/{resource_group}/workspaces/{workspace}/datastores/{storage_account}/paths/code/assets/data_processing/",
    command="python 01_read_write_data.py -v --input_data=${{inputs.input_data_object}} --output_folder=${{outputs.output_folder_object}}",
    inputs=input_dict,
    outputs=output_dict,
    environment="<asset_env>",
    compute="<compute_cluster>",
)

注意：这种方式需要手动同步本地代码到指定的datastore路径，适合不需要版本管理的简单场景。

内容的提问来源于stack exchange，提问作者Matt_Haythornthwaite