Del via

Udfør forudsigelser i realtid med ML-modelslutpunkter (prøveversion)

Important

Denne funktion er en prøveversion.

Microsoft Fabric lader dig levere realtidsforudsigelser fra ML-modeller med sikre, skalerbare og brugervenlige online endpoints. Disse endpoints er tilgængelige som indbyggede egenskaber i de fleste Fabric-modeller – og de kræver ingen opsætning for at starte fuldt administrerede realtidsimplementeringer.

Du kan aktivere, konfigurere og forespørge modelslutpunkter med en offentligt tilgængelig REST-API. Du kan også komme direkte i gang fra Fabric-interfacet ved at bruge en low-code-oplevelse til at aktivere modelendpoints og forhåndsvise forudsigelser med det samme.

Skærmbillede, der viser en ML-model i Fabric med en indbygget endpoint-egenskab til levering af realtidsforudsigelser.

Prerequisites

  • Maskinlæringsmodel-endpoints er aktiveret som standard i din lejer. Hvis din administrator vil deaktivere denne funktion, kan de slå tenant-switchen for ML-modelendpoints fra i Fabric admin-portalen.

Limitations

  • Slutpunkter er i øjeblikket tilgængelige for et begrænset sæt ML-modelvarianter, herunder Keras, LightGBM, Sklearn og XGBoost.
  • Slutpunkter er i øjeblikket ikke tilgængelige for modeller med tensorbaserede skemaer eller ingen skemaer.

Note

Fra januar 2026 understøtter maskinlæringsendepunkter nu AutoML-trænede modeller. Denne tidligere begrænsning er blevet fjernet.

Kom i gang med modelslutpunkter

ML-modeller i Fabric leveres forudbygget med online endpoints, der kan bruges til at levere realtidsforudsigelser. Hver registreret modelversion har en dedikeret endpoint-URL, som kan findes under overskriften "Endpoint details" i Fabric-grænsefladen. Denne URL-adresse slutter med en understi, der angiver den specifikke version (f.eks. /versions/1/score).

Skærmbillede, der viser egenskaberne for et ML-modelslutpunkt, som kan bruges til at tjene forudsigelser i realtid.

Modelslutpunkter har følgende egenskaber:

Property Description Default
Standard version Denne egenskab (Yes eller No) angiver, om versionen er angivet som modellens standard for visning af realforudsigelser. Du kan tilpasse standardversionen i modellens indstillinger. No
Status Denne egenskab angiver, om slutpunktet er klar til at betjene forudsigelser. Status kan være Inactive, Activating, Active, Deactivatingeller Failed. Det er kun aktive slutpunkter, der kan levere forudsigelser. Inactive
Automatisk dvale Denne egenskab (On eller Off) angiver, om slutpunktet, når det er aktivt, skal skalere kapacitetsforbruget ned til nul, hvis der ikke er trafik. Hvis automatisk slumretilstand er slået til, skifter slutpunktet til en inaktiv tilstand efter fem minutter uden indgående anmodninger. Det første kald til at vække et inaktivt slutpunkt indebærer en kort forsinkelse. On

Aktivér modelslutpunkter

Du kan aktivere modelendepunkter direkte fra Fabric-interfacet. Navigér til den version, du ønsker skal levere realtidsforudsigelser, og vælg "Aktiver version endpoint" fra båndet.

Skærmbillede der viser, hvordan man aktiverer et ML-model-endpoint fra Fabric-interfacet.

En toast-besked viser, at Fabric gør dit endpoint klar til at levere forudsigelser, og endpointets status ændres til "Aktiverer." Bag kulisserne opsætter Fabric den underliggende containerinfrastruktur for at hoste din model. Inden for et par minutter er dit slutpunkt klar til at betjene forudsigelser.

Skærmbillede, der viser et ML-modelslutpunkt, der nu er ved at blive aktiveret.

Hvert endpoint har en status, der angiver, om det er klar til at levere realtidsforudsigelser:

Status Description
Inactive Endpointet aktiveres ikke til at levere realtidsforudsigelser, og det forbruger ikke Fabric-kapacitet.
Activating Slutpunktet er ved at blive konfigureret til at betjene forudsigelser i realtid. Bag kulisserne opsætter Fabric den underliggende containerinfrastruktur for at hoste modellen. Slutpunktet er aktivt inden for nogle få minutter.
Active Slutpunktet er klar til at udføre forudsigelser i realtid. Bag kulisserne administrerer Fabric den underliggende infrastruktur og skalerer ressourceforbruget baseret på indkommende trafik. Højere trafik resulterer i højere brug af Fabric-kapacitet.
Deactivating Endepunktet deaktiveres, så det ikke længere leverer realtidsforudsigelser eller bruger Fabric-kapacitet. Bag kulisserne nedbryder Fabric den underliggende containerinfrastruktur.

Note

ML-modeller kan understøtte aktive slutpunkter for op til fem versioner på én gang. Hvis du vil udføre forudsigelser fra en sjette version, skal du først deaktivere et aktivt slutpunkt.

Administrer modelslutpunkter

Hvis du vil have en oversigt over din models aktive slutpunkter, skal du vælge "Administrer slutpunkter" på båndet i grænsefladen. Hver model har et standardslutpunkt, der kan tilpasses, og som indeholder forudsigelser fra en version, du vælger. Du kan opdatere standardversionen ved hjælp af rullelistevælgeren i ruden Indstillinger.

Skærmbillede, der viser URL-adressen til standardslutpunktet for ML-modellen, som du kan konfigurere til at betjene forudsigelser fra en bestemt version.

Important

Sørg for at angive standardegenskaben til en aktiv version, hvis du planlægger at bruge den. Hvis standardegenskaben ikke er angivet eller er angivet til en inaktiv version, mislykkes kald til standardslutpunktet.

Alle versioner med aktive endpoints er listet under modellens endpoint-indstillinger. Du kan ændre egenskaben automatisk slumretilstand for hvert slutpunkt ved at slå skifteren til "Til" eller "Fra".

Skærmbillede, der viser, hvordan du ændrer egenskaben for automatisk slumretilstand i ML-modelslutpunkter.

Tip

Aktive slutpunkter med automatisk slumretilstand slået til skal du angive en inaktiv tilstand efter fem minutter uden trafik, og det første kald til at vække dem medfører en kort forsinkelse. Det kan være en god idé at deaktivere denne egenskab for slutpunkter i produktionen.

Slutpunkter for forespørgselsmodel for forudsigelser i realtid

Modelendepunkter er tilgængelige for øjeblikkelig test med low-code erfaring i Fabric. Gå til en version med et aktivt slutpunkt, og vælg "Eksempelforudsigelser" på båndet i grænsefladen. Du kan sende prøveanmodninger til endpointet – og få prøveforudsigelser i realtid – ved hjælp af formularfelter, der matcher modellens inputsignatur.

Skærmbillede, der viser den indbyggede prøveversionsoplevelse til hentning af eksempelforudsigelser fra et aktivt ML-modelslutpunkt.

Hvis du vil udfylde formularfelterne med tilfældige eksempelværdier, skal du vælge "Autofyld". Du kan tilføje flere sæt formularværdier for at teste slutpunktet med flere input. Vælg "Hent forudsigelser" for at sende det slutpunkt, din eksempelanmodning skal sendes til.

Skærmbillede, der viser den formularbaserede visning til afsendelse af eksempelanmodninger til et aktivt ML-modelslutpunkt.

Hvis du foretrækker at formatere eksempelanmodninger som JSON-nyttedata, skal du bruge rullelistevælgeren til at ændre visningen.

Skærmbillede, der viser den JSON-baserede visning til afsendelse af eksempelanmodninger til et aktivt ML-modelslutpunkt.

Deaktiver modelslutpunkter

Du kan deaktivere modelendepunkter direkte fra Fabric-interfacet. Gå til en version, som du ikke længere behøver at udføre forudsigelser i realtid, og vælg "Deaktiver versionsslutpunkt" på båndet i grænsefladen.

Skærmbillede der viser, hvordan man deaktiverer et ML-model-endpoint fra Fabric-interfacet.

En toast-besked viser, at Fabric er ved at afmontere din aktive deployment, og status for endpointet ændres til "Deaktivering." Endpointet kan ikke længere levere realtidsforudsigelser, medmindre du genaktiverer det.

Skærmbillede, der viser et ML-modelslutpunkt, der nu deaktiveres.

Du kan deaktivere endpoints for flere versioner på én gang fra modellens indstillingspanel. Vælg "Administrer slutpunkter" på båndet i grænsefladen, og vælg et eller flere aktive slutpunkter, der skal deaktiveres.

Skærmbillede, der viser, hvordan man deaktiverer flere ML-modelendepunkter på én gang fra Fabric-interfacet.

Forbrugshastighed

Hosting af aktive modelendepunkter forbruger Fabric Capacity Units (CUs). Slutpunkter kører på beregningsnoder og kan automatisk skalere op til tre noder baseret på indgående trafik. Fakturering beregnes pr. node, mens et slutpunkt er aktivt. Tabellen nedenfor viser CU-forbruget for et aktivt Machine Learning-model-endpoint.

Handling Handlingsenhed Forbrugshastighed
modellens slutpunkt 1 modelslutpunkt (version) pr. sekund pr. node 5 CU sekunder

Nedenstående tabel viser eksempelscenarier og deres tilsvarende forbrugssatser og timeomkostninger.

scenarie Description Forbrugshastighed Timepris
Modeller med inaktive slutpunkter Disse modeller har ingen aktive versionsslutpunkter og ingen tilknyttet ressourceudnyttelse. De medfører ingen ekstra omkostninger. 0 CU sekunder 0 CU time
Modeller med aktive, men inaktive slutpunkter Disse modeller har et eller flere aktive versionsslutpunkter, men uden almindelig trafik er alle skaleret til nul, hvilket reducerer omkostningerne automatisk. 5 CU sekunder 0.42 CU timer
Modeller med 1 aktivt slutpunkt og konstant lav trafik Disse modeller har kun 1 aktiv version af slutpunktsbetjente forudsigelser, men uden nok trafik til at udløse en fuld udskalering. En node kan betjene al trafikken. Andre versionsslutpunkter kan være inaktive eller inaktive. 5 CU sekunder 5 CU timer
Modeller med 1 aktivt slutpunkt og konstant høj trafik Disse modeller har kun 1 aktiv version af slutpunktsforudsigelser med tilstrækkelig trafik til at udløse en fuld udskalering. Andre versionsslutpunkter kan være inaktive eller inaktive. 15 CU sekunder 15 CU timer
Modeller med 5 aktive slutpunkter og konstant høj trafik Disse modeller har 5 aktive versionsslutpunkter (den aktuelle grænse), der betjener forudsigelser, hver med tilstrækkelig trafik til at udløse en fuld udskalering. 75 CU sekunder 75 CU timer

The Fabric Capacity Metrics app viser det samlede kapacitetsforbrug for modelendpoint-operationer under navnet "Model Endpoint". Derudover kan brugerne få vist en oversigt over deres faktureringsgebyrer for brug af modelslutpunkt under faktureringselementet "ML Model Endpoint Capacity Usage CU".

Handlingen af modelslutpunktet er klassificeret som handlinger i baggrunden.

Forbrugssatserne kan ændres når som helst. Microsoft gør rimelige anstrengelser for at give besked via e-mail eller via meddelelse i produktet. Ændringer træder i kraft på den dato, der er angivet i Microsoft Release Notes eller Microsoft Fabric Blog. Hvis en ændring i modellens endepunkt i Fabric Consumption Rate væsentligt øger de nødvendige kapacitetsenheder (CU), kan kunderne benytte de annulleringsmuligheder, der er tilgængelige for den valgte betalingsmetode.

Relateret indhold

  • Last updated on