如何使用Azure Machine Learning CLI (v2) 创建并发布管道端点？

一、直接通过CLI命令创建管道端点 #

使用az ml pipeline-endpoint create命令可直接创建管道端点，核心参数说明：

• --name：指定管道端点的唯一名称
• --pipeline-job：关联已提交成功的管道作业ID（或作业名称），作为端点的默认执行版本
• --description：可选，添加端点的描述信息

示例命令：

az ml pipeline-endpoint create --name my-batch-pipeline-endpoint --pipeline-job abc123-pipeline-job-id --description "批量数据预处理管道端点"

二、通过YAML配置文件创建管道端点 #

创建名为pipeline-endpoint-def.yaml的配置文件，内容如下：

$schema: https://azuremlschemas.azureedge.net/latest/pipelineEndpoint.schema.json
name: my-batch-pipeline-endpoint
description: 批量数据预处理管道端点
defaults:
  pipeline_job: abc123-pipeline-job-id  # 替换为你的管道作业ID或名称

执行创建命令：

az ml pipeline-endpoint create --file pipeline-endpoint-def.yaml

三、发布新管道版本到已有端点 #

如果需要更新端点的默认执行版本，使用az ml pipeline-endpoint update命令：

az ml pipeline-endpoint update --name my-batch-pipeline-endpoint --add-default-pipeline-job new-pipeline-job-id

或通过YAML更新，修改上述pipeline-endpoint-def.yaml中的pipeline_job值后执行：

az ml pipeline-endpoint update --file pipeline-endpoint-def.yaml

四、调用管道端点触发作业 #

创建完成后，可直接通过端点触发管道作业：

az ml pipeline-job create --endpoint-name my-batch-pipeline-endpoint

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