如何使用Azure Python SDK v2获取至少完成一个成功作业的AzureML计划

前置准备 #

• 安装AzureML SDK v2：pip install azure-ai-ml
• 完成Azure身份认证（可通过az login命令或服务主体方式）

代码实现 #

from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential

# 初始化工作区客户端
ml_client = MLClient(
    credential=DefaultAzureCredential(),
    subscription_id="你的订阅ID",
    resource_group_name="你的资源组名称",
    workspace_name="你的工作区名称"
)

# 获取工作区内所有计划
all_schedules = ml_client.schedules.list()

qualified_schedules = []
for schedule in all_schedules:
    # 跳过未正常部署的计划
    if schedule.provisioning_state != "Succeeded":
        continue
    
    # 获取该计划触发的所有作业实例
    job_runs = ml_client.jobs.list(parent_name=schedule.name, parent_type="schedule")
    
    # 检查是否存在成功完成的作业
    has_successful_run = any(job.status == "Completed" for job in job_runs)
    if has_successful_run:
        qualified_schedules.append(schedule)

# 输出结果
print("已触发且至少有一个作业成功的计划：")
for sched in qualified_schedules:
    print(f"名称: {sched.name}, 触发类型: {sched.trigger.type}, 最后修改时间: {sched.last_modified_at}")

关键说明 #

• ml_client.schedules.list()：枚举工作区中所有计划资源
• 过滤provisioning_state为Succeeded的计划，确保计划已正常配置并可触发
• 通过parent_name和parent_type参数关联计划与它触发的作业，获取所有执行历史
• 作业状态Completed代表成功完成，若需包含其他成功状态（如Succeeded，依AzureML配置而定）可调整判断条件

内容的提问来源于stack exchange，提问作者Jau A