你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

CLI (v2) 作业计划 YAML 架构

2025-05-02

源 JSON 架构可在 https://azuremlschemas.azureedge.net/latest/schedule.schema.json 中找到。

注意

本文档中详细介绍的 YAML 语法基于最新版本的 ML CLI v2 扩展的 JSON 架构。此语法必定仅适用于最新版本的 ML CLI v2 扩展。可以在 https://azuremlschemasprod.azureedge.net/ 上查找早期扩展版本的架构。

YAML 语法

密钥	类型	说明
`$schema`	字符串	YAML 架构。
`name`	字符串	必需。计划名称。
`description`	字符串	计划的描述。
`tags`	物体	计划的标记字典。
`trigger`	物体	用于定义何时触发作业的规则的触发器配置。必须指定 `RecurrenceTrigger` 或 `CronTrigger`。
`create_job`	对象或字符串	必需。将由计划触发的作业的定义。必须指定 `string` 或 `JobDefinition`。

触发器配置

重复触发器

密钥	类型	说明	允许的值
`type`	字符串	必需。指定计划类型。	复发
`frequency`	字符串	必需。指定描述计划触发频率的时间单位。	`minute`, `hour`, `day`, `week`, `month`
`interval`	整型	必需。指定计划触发的时间间隔。
`start_time`	字符串	使用时区描述开始日期和时间。如果省略 start_time，第一个作业将立即运行，以后的作业根据计划触发，即 start_time 等于作业创建时间。如果开始时间在过去，则第一个作业将在下一个计算的运行时间运行。
`end_time`	字符串	用时区描述结束日期和时间。如果 end_time 被省略，计划将继续运行，直到被显式禁用为止。
`timezone`	字符串	指定定期时区。如果省略，则默认为 UTC。	请参阅时区值附录
`pattern`	物体	指定定期模式。如果省略模式，将根据 start_time、frequency 和 interval 的逻辑触发作业。

定期计划

定期计划定义定期模式，包含 hours、minutes 和 weekdays。

当频率为 day 时，模式可指定 hours 和 minutes。
当频率为 week 和 month 时，模式可指定 hours、minutes 和 weekdays。

密钥	类型	允许的值
`hours`	整数或整数数组	`0-23`
`minutes`	整数或整数数组	`0-59`
`week_days`	字符串或字符串数组	`monday`, `tuesday`, `wednesday`, `thursday`, `friday`, `saturday`, `sunday`

CronTrigger

密钥	类型	说明	允许的值
`type`	字符串	必需。指定计划类型。	cron
`expression`	字符串	必需。指定用于定义如何触发作业的 cron 表达式。表达式使用标准 crontab 表达式来表达定期计划。单个表达式由 5 个空格分隔的字段组成：`MINUTES HOURS DAYS MONTHS DAYS-OF-WEEK`
`start_time`	字符串	使用时区描述开始日期和时间。如果省略 start_time，第一个作业将立即运行，以后的作业根据计划触发，即 start_time 等于作业创建时间。如果开始时间在过去，则第一个作业将在下一个计算的运行时间运行。
`end_time`	字符串	用时区描述结束日期和时间。如果 end_time 被省略，计划将继续运行，直到被显式禁用为止。
`timezone`	字符串	指定定期时区。如果省略，则默认为 UTC。	请参阅时区值附录

作业定义

客户可直接使用 create_job: azureml:<job_name>，也可使用以下属性来定义作业。

密钥	类型	说明	允许的值
`type`	字符串	必需。指定作业类型。仅支持管道作业。	`pipeline`
`job`	字符串	必需。定义如何引用作业，可以是 `azureml:<job_name>` 或者本地管道作业 yaml，例如 `.\hello-pipeline.yml`。
`experiment_name`	字符串	用于对作业进行组织的试验名称。每个作业的运行纪录均整理在工作室的“实验”选项卡中的相应实验下。如果省略，我们将计划名称作为默认值。
`inputs`	物体	作业的输入字典。键是作业上下文中的输入名称，值是输入值。
`outputs`	物体	作业的输出配置字典。键是作业上下文中的输出名称，值是输出配置。
`settings`	物体	管道作业的默认设置。有关可配置属性的集合，请参阅 `settings` 键的属性。

`settings` 键的属性

密钥	类型	说明	默认值
`default_datastore`	字符串	要用作管道作业的默认数据存储的数据存储的名称。此值必须是通过 `azureml:<datastore-name>` 语法对工作区中现有数据存储的引用。在父管道作业或子步骤作业的 `outputs` 属性中定义的任何输出都将存储在此数据存储中。如果省略，输出将存储在工作区 blob 数据存储中。
`default_compute`	字符串	要用作管道中所有步骤的默认计算的计算目标的名称。如果在步骤级别定义了计算，它将覆盖该特定步骤的默认计算。此值必须是通过 `azureml:<compute-name>` 语法对工作区中现有计算的引用。
`continue_on_step_failure`	布尔	如果一个步骤失败，管道中步骤的执行是否应继续。默认值为 `False`，这意味着如果一个步骤失败，管道执行将停止，从而取消任何正在运行的步骤。	`False`

作业输入

密钥	类型	说明	允许的值	默认值
`type`	字符串	作业输入的类型。为指向单个文件源的输入数据指定 `uri_file`，或为指向文件夹源的输入数据指定 `uri_folder`。	%>	`uri_folder`
`path`	字符串	用作输入的数据的路径。可通过几种方式来执行它： - 数据源文件或文件夹的本地路径，例如 `path: ./iris.csv`。数据将在作业提交期间上传。 - 要用作输入的文件或文件夹的云路径的 URI。支持的 URI 类型为 `azureml`、`https`、`wasbs`、`abfss`、`adl`。有关如何使用 URI 格式的详细信息，请参阅`azureml://`核心 YAML 语法。 - 要用作输入的现有已注册的 Azure 机器学习数据资产。若要引用已注册的数据资产，请使用 `azureml:<data_name>:<data_version>` 语法或 `azureml:<data_name>@latest`（用于引用数据资产的最新版本），例如 `path: azureml:cifar10-data:1` 或 `path: azureml:cifar10-data@latest`。
`mode`	字符串	将数据传送到计算目标的模式。对于只读装载 (`ro_mount`)，数据将用作装载路径。文件夹将装载为文件夹，文件将装载为文件。 Azure 机器学习会将输入解析为装载路径。对于 `download` 模式，数据将下载到计算目标。 Azure 机器学习会将输入解析为下载的路径。如果你只想要数据工件的存储位置的 URL 而不是挂载或下载数据本身，则可以使用 `direct` 模式。这将传入存储位置的 URL 作为作业输入。在这种情况下，你全权负责处理凭证以访问存储。	.- .	`ro_mount`

作业输出

密钥	类型	说明	允许的值	默认值
`type`	字符串	作业输出的类型。对于默认的 `uri_folder` 类型，输出将对应一个文件夹。	`uri_folder`	`uri_folder`
`path`	字符串	用作输入的数据的路径。可通过几种方式来执行它： - 数据源文件或文件夹的本地路径，例如 `path: ./iris.csv`。数据将在作业提交期间上传。 - 要用作输入的文件或文件夹的云路径的 URI。支持的 URI 类型为 `azureml`、`https`、`wasbs`、`abfss`、`adl`。有关如何使用 URI 格式的详细信息，请参阅`azureml://`核心 YAML 语法。 - 要用作输入的现有已注册的 Azure 机器学习数据资产。若要引用已注册的数据资产，请使用 `azureml:<data_name>:<data_version>` 语法或 `azureml:<data_name>@latest`（用于引用数据资产的最新版本），例如 `path: azureml:cifar10-data:1` 或 `path: azureml:cifar10-data@latest`。
`mode`	字符串	输出文件传送到目标存储的模式。对于读写装载模式 (`rw_mount`)，输出目录是装载的目录。对于上传模式，写入的文件将在作业结束时上传。	%>	`rw_mount`

备注

az ml schedule 命令可用于管理 Azure 机器学习模型。

示例

示例 GitHub 存储库中提供了示例。以下显示了几个示例。

YAML：具有定期模式的计划

适用于：Azure CLI ml 扩展 v2（当前）

$schema: https://azuremlschemas.azureedge.net/latest/schedule.schema.json
name: simple_recurrence_job_schedule
display_name: Simple recurrence job schedule
description: a simple hourly recurrence job schedule

trigger:
  type: recurrence
  frequency: day #can be minute, hour, day, week, month
  interval: 1 #every day
  schedule:
    hours: [4,5,10,11,12]
    minutes: [0,30]
  start_time: "2022-07-10T10:00:00" # optional - default will be schedule creation time
  time_zone: "Pacific Standard Time" # optional - default will be UTC

create_job: ./simple-pipeline-job.yml
# create_job: azureml:simple-pipeline-job

YAML：具有 cron 表达式的计划