如何有效地使用 azureml.exceptions.WebserviceException 进行高效的 REST API 错误管理？

Question

在 Azure 机器学习服务中，当我们将模型部署为 AKS Web 服务端点时，如果 API 调用不成功，我们如何引发异常以使最终用户获得适当的反馈？ Azure 在其 documentation 中提到使用 azureml.exceptions.WebserviceException。但是，如果无法正确处理 API 调用并且最终用户对此负责，我们如何使用此 class 引发异常？

Answer 1

以下代码示例显示如何处理 WebserviceException，它是 AzureMLException 的子类。在代码中，如果服务检查失败，则处理WebserviceException并打印一条消息。

from azureml.core.model import InferenceConfig
   from azureml.core.webservice import AciWebservice


   service_name = 'my-custom-env-service'

   inference_config = InferenceConfig(entry_script='score.py', environment=environment)
   aci_config = AciWebservice.deploy_configuration(cpu_cores=1, memory_gb=1)

   service = Model.deploy(workspace=ws,
                          name=service_name,
                          models=[model],
                          inference_config=inference_config,
                          deployment_config=aci_config,
                          overwrite=True)
   service.wait_for_deployment(show_output=True)

完整示例可从以下网址获得：https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/deployment/deploy-to-cloud/model-register-and-deploy.ipynb

如果有帮助请告诉我。

Answer 2

如果最终用户的 API 调用不成功，为了引发异常以让最终用户获得适当的反馈，我们使用 azureml.contrib.services.aml_response.AMLResponse Class.

score.py中的使用示例：

if [some-condition]:    
    return AMLResponse("bad request", 500)

可以找到文档 Link here。