Azure新手求助：如何在Azure ML Studio Notebook中访问Blob存储Datastore

前提准备 #

确保Notebook使用的环境已安装azureml-sdk（Azure ML Studio默认环境已预装，无需额外安装）

步骤1：连接到Azure ML Workspace #

通过Workspace配置文件自动连接到当前Notebook所属的Workspace：

from azureml.core import Workspace

ws = Workspace.from_config()

步骤2：获取目标Datastore #

替换your_datastore_name为你创建的Datastore名称，获取对应的Datastore对象：

from azureml.core import Datastore

datastore_name = "your_datastore_name"
datastore = Datastore.get(ws, datastore_name)

方法1：挂载Datastore到Notebook文件系统（类似Colab挂载Drive） #

将Datastore挂载到Notebook的本地文件路径，之后即可像操作本地文件一样访问图片：

# 指定挂载路径，可自定义
mount_point = '/mnt/blob_datastore'
# 执行挂载
datastore.mount(mount_point)

# 示例：遍历并获取所有图片路径
import os
image_extensions = ('.png', '.jpg', '.jpeg')
image_paths = [
    os.path.join(mount_point, fname) 
    for fname in os.listdir(mount_point) 
    if fname.lower().endswith(image_extensions)
]

# 读取单张图片示例
from PIL import Image
img = Image.open(image_paths[0])

用完后可取消挂载释放资源：

datastore.unmount(mount_point)

方法2：创建FileDataset按需读取（适合大数据量场景） #

无需挂载，通过Dataset API直接按需读取文件，避免占用Notebook本地存储，适合处理12000+张这类大数据量：

from azureml.core.dataset import Dataset

# 从Datastore创建FileDataset，`**/*`匹配所有子目录下的文件，可根据你的图片路径调整
dataset = Dataset.File.from_files(path=(datastore, '**/*'))

# 获取所有文件的路径列表
file_paths = dataset.to_path()

# 按需读取单张图片示例
from PIL import Image
import io

# 读取列表中第一个文件
with dataset.open(file_paths[0]) as f:
    img_data = io.BytesIO(f.read())
    img = Image.open(img_data)

如果需要批量读取，可结合循环或并行处理，比如：

# 批量读取前10张图片
for path in file_paths[:10]:
    with dataset.open(path) as f:
        img = Image.open(io.BytesIO(f.read()))
        # 执行你的图像处理逻辑

注意事项 #

• 确保Datastore的权限配置正确（创建时已通过SAS密钥/服务主体授权的话无需额外操作）
• Compute Instance有临时存储配额，挂载大体积数据时优先选择Dataset方式
• 测试阶段可使用dataset.take(10)获取少量文件验证逻辑，避免一次性加载全量数据

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