使用Azure CLI创建Machine Learning工作区失败，求解决方案

执行以下Azure CLI命令创建Azure Machine Learning工作区时：

az ml workspace create --name "rg-dp100-labs" --resource-group "rg-dp100-labs"

收到错误：

Code: ValidationError
Message: Missing dependent resources in workspace json
Target: workspace
Exception Details: (Invalid) Missing dependent resources in workspace json
Code: Invalid    
Message: Missing dependent resources in workspace json    
Target: workspace

仅Key Vault和存储账户被成功创建，工作区创建失败。

解决方法 #

1. 显式指定所有依赖资源名称 #

Azure ML工作区依赖4种核心资源：存储账户、Key Vault、Application Insights、Container Registry。默认情况下CLI会自动生成资源名称，但偶尔会出现自动创建异常。手动指定资源名称，可强制CLI完成创建或关联操作：

az ml workspace create --name "rg-dp100-labs" --resource-group "rg-dp100-labs" \
  --storage-account "stordp100labs" \
  --key-vault "kvdp100labs" \
  --application-insights "aidp100labs" \
  --container-registry "acrdp100labs"

注：资源名称需符合Azure命名规则，且在目标区域内唯一。

2. 手动创建缺失的依赖资源 #

若仅生成了Key Vault和存储账户，可手动创建剩余的Application Insights和Container Registry，之后重新执行工作区创建命令：

• 创建Application Insights：

az monitor app-insights component create --app "aidp100labs" --resource-group "rg-dp100-labs" --location <你的区域>

• 创建Container Registry：

az acr create --name "acrdp100labs" --resource-group "rg-dp100-labs" --sku Basic --location <你的区域>

资源创建完成后，重新运行工作区创建命令，CLI会自动关联已存在的资源。

3. 更新Azure CLI及ML扩展 #

旧版本的Azure CLI或ML扩展可能存在已知bug，更新到最新版本后重试：

# 更新Azure CLI
az upgrade

# 更新ML扩展
az extension update -n ml

4. 使用ARM模板部署 #

若CLI方式持续失败，可采用ARM模板一次性部署工作区及所有依赖资源，这种方式稳定性更高，且支持自定义所有资源的配置细节。

内容的提问来源于stack exchange，提问作者mobadara