如何将AzureML运行ID与Blob Storage关联并查找作业输出？

1. 直接通过Run ID定位Blob存储路径 #

AzureML中每个Run ID对应的实验运行数据（含作业输出）默认存储在工作区关联Blob存储的如下路径：
default blob > azureml > ExperimentRun > {run-id}
你提到的dcid.stepId是步骤级的子路径，而整个运行的根目录就是以Run ID命名的文件夹。作业输出通常会放在该根路径下的outputs子文件夹中，若脚本中指定了自定义输出路径，会生成对应的子目录。

2. 用AzureML SDK查询关联关系 #

通过Python SDK可直接基于Run ID获取输出的Blob路径：

from azureml.core import Workspace, Run

# 加载工作区
ws = Workspace.from_config()
# 根据Run ID获取运行实例
run = Run(ws, experiment_name="你的实验名称", run_id="目标Run ID")

# 遍历并筛选输出文件的Blob路径
for file_path in run.get_file_names():
    if "outputs" in file_path:
        print(f"输出文件Blob路径: azureml/ExperimentRun/{run.id}/{file_path}")

3. 自定义输出的关联查询 #

若作业使用OutputFileDatasetConfig指定了自定义输出位置，仍可通过Run ID关联获取Blob路径：

from azureml.core import Dataset

# 获取运行对应的输出数据集
output_dataset = run.get_output_dataset("你的输出名称")
# 输出Blob存储路径
print(output_dataset.path_on_datastore)

内容的提问来源于stack exchange，提问作者Vlad