Dela via

Installera SQL Server Machine Learning Services (Python och R) på Docker

gäller för: SQL Server 2019 (15.x) – Linux

Den här artikeln beskriver hur du installerar SQL Server Machine Learning Services på Docker. Du kan använda Machine Learning Services för att köra Python- och R-skript i databasen. Vi tillhandahåller inte färdiga containrar med Machine Learning Services. Du kan skapa en från SQL Server-containrar med hjälp av en exempelmall som är tillgänglig på GitHub.

Förutsättningar

  • Git-kommandoradsgränssnitt.

  • Docker Engine 1.8+ på alla Linux-distributioner som stöds. För mer information, se Hämta Docker. SQL Server i containrar stöds inte i Windows eller macOS för produktionsanvändning.

  • Se även systemkrav för SQL Server på Linux.

Klona mssql-docker-lagringsplatsen

Följande kommando klonar mssql-docker git-lagringsplats till en lokal katalog.

  1. Öppna en Bash-terminal på Linux eller Mac.

  2. Skapa en katalog för att lagra en lokal kopia av mssql-docker-lagringsplatsen.

  3. Kör git clone-kommandot för att klona lagringsplatsen mssql-docker:

    git clone https://github.com/microsoft/mssql-docker mssql-docker

Skapa en SQL Server Linux-containeravbildning

Slutför följande steg för att skapa docker-avbildningen:

  1. Ändra katalogen till katalogen mssql-mlservices:

    /mssql-docker/linux/preview/examples/mssql-mlservices

  2. Kör följande kommando i samma katalog:

    docker build -t mssql-server-mlservices .

  3. Kör kommandot:

    Viktig

    Miljövariabeln SA_PASSWORD är inaktuell. Använd MSSQL_SA_PASSWORD i stället.

    docker run -d -e MSSQL_PID=Developer -e ACCEPT_EULA=Y -e ACCEPT_EULA_ML=Y -e MSSQL_SA_PASSWORD=<password> -v <directory on the host OS>:/var/opt/mssql -p 1433:1433 mssql-server-mlservices

    Notera

    Något av följande värden kan användas för MSSQL_PID: Developer (free), Express (free), Enterprise (betald), Standard (betald). Om du använder en betald utgåva kontrollerar du att du har köpt en licens. Ersätt <password> med ditt faktiska lösenord. Volymmontering med -v är valfritt. Ersätt <directory on the host OS> med en verklig katalog där du vill montera databasdata och loggfiler.

  4. Bekräfta genom att köra följande kommando:

    docker ps -a

    Notera

    Om du vill skapa Docker-avbildningen måste du installera paket som är flera GB i storlek. Skriptet kan ta lite tid att köra klart, beroende på nätverksbandbredd.

Kör SQL Server Linux-containeravbildningen

  1. Ange miljövariablerna innan du kör containern. Ange miljövariabeln PATH_TO_MSSQL till en värdkatalog:

    export MSSQL_PID='Developer'
export ACCEPT_EULA='Y'
export ACCEPT_EULA_ML='Y'
export PATH_TO_MSSQL='/home/mssql/'

    Notera

    Processen för att köra SQL Server-produktionsversioner i containrar skiljer sig något åt. Mer information finns i Distribuera och ansluta till SQL Server Linux-containrar. Om du använder samma containernamn och portar fungerar resten av den här genomgången fortfarande med produktionscontainrar.

  2. Om du vill visa containrarna kör du kommandot docker ps:

    sudo docker ps -a

  3. Om kolumnen STATUS visar statusen Upkörs SQL Server i containern och lyssnar på porten som anges i kolumnen PORTS. Om kolumnen STATUS för SQL Server-containern visar Avslutad läser du Felsöka SQL Server Docker-containrar.

    Utdata:

    CONTAINER ID        IMAGE                          COMMAND                  CREATED             STATUS              PORTS                    NAMES
941e1bdf8e1d        mcr.microsoft.com/mssql/server/mssql-server-linux   "/bin/sh -c /opt/m..."   About an hour ago   Up About an hour     0.0.0.0:1401->1433/tcp   sql1

Aktivera Machine Learning Services

Om du vill aktivera Machine Learning Services ansluter du till din SQL Server-instans och kör följande T-SQL-instruktion:

EXECUTE sp_configure 'external scripts enabled', 1;
RECONFIGURE WITH OVERRIDE;

Relaterat innehåll