Um Machine Learning Server sowie Machine Learning Services zu installieren und zu konfigurieren benötigen wir ein installierbares Setup von SQL Server 2017. Laden Sie SQL Server 2017 herunter, entpacken Sie anschließend das Setup und führen Sie die Setup-Datei aus.
Nachdem Sie die Installation von SQL Server 2017 RC2 abgeschlossen haben, installieren Sie SQL Server Management Studio (SSMS) über den Installationsassistenten, da wir dieses Tool verwenden, um T-SQL-Abfragen sowie Python-Skripts auszuführen.
Microsoft verwendet die Visual Studio-Shell für Entwicklungstools und Umgebungen wie SSMS und SQL Server Data Tools (SSDT). Für die Entwicklung von Data Science-Lösungen hat Microsoft in Visual Studio 2017 (VS2017) Vorkehrungen getroffen, indem eine Kategorie von Lösungen namens „Data Science and Analytical Applications“ hinzugefügt wurde. Für die Entwicklung von R-Lösungen und die direkte Arbeit mit R-Servern können diese Funktionen äußerst nützlich sein.
Sie können die Visual Studio 2017 Community Edition hiervisualstudio.microsoft.com/de/vs/older-downloads herunterladen. Nachdem Sie das Web-Installationsprogramm auf der Seite zur Funktionsauswahl heruntergeladen haben, können Sie die Python-bezogenen Funktionen wie unten gezeigt auswählen. Dadurch werden Komponenten in VS2017 installiert, die eine Entwicklungsumgebung für Python-Lösungen bereitstellen.
Nachdem Sie Visual Studio 2017 erfolgreich mit Data Science-Features installiert haben, können Sie Visual Studio 2017 öffnen und über das Menü File> New > Project menu ein neues Python-Befehlszeilenprojekt erstellen. Sobald das leere Python-Projekt geöffnet wird, sehen Sie die Python-Entwicklungsumgebung wie unten gezeigt.
Das Fenster Solution Explorer zeigt die verschiedenen Dateien in der Projektmappe an. Sie können die Anaconda-Distribution von Python im Solution Explorer sehen. Der untere linke Abschnitt zeigt verschiedene Debugging-Fenster. Sie erhalten Intellisense, wenn Sie Code in die .py-Datei eingeben. Wie Sie unten sehen können, wird nachdem Sie nur 2 Zeilen eingeben, die Anaconda-Version erkannt hat, die wir als Teil des SQL Server-Setups installiert haben.
Unser Fokus liegt auf der Arbeit mit Python-Skripten aus T-SQL, daher beschränken wir uns vorerst auf die Entwicklung von Python-Lösungen mit Visual Studio 2017.
Wir haben die Installation aller Tools für die Python-Entwicklung in SQL Server abgeschlossen. Jetzt ist es an der Zeit zu testen, ob wir Python-Skripte aus T-SQL mit SSMS ausführen können. Standardmäßig sind externe Skripte in der Datenbank-Engine nicht aktiviert. Sie müssen die Option für externe Skripte mit einem einfachen Befehl aktivieren, der in diesem Artikelbeschrieben wird. Möglicherweise müssen Sie den Server anschließend neu starten, damit die Änderungen wirksam werden. Nachdem die Ausführung externer Skripte aktiviert wurde, können wir sp_execute_external_script verwenden, um R-Skripte auszuführen. Führen Sie das folgende Skript mit SSMS aus.
--Python Version
execute sp_execute_external_script
@language = N'Python',
@script = N'
import sys
print(sys.version)
'
Wir werden uns in den nächsten Kapiteln mit der Verwendung dieser gespeicherten Prozedur zum Ausführen externer Skripts befassen. Vorerst haben wir die Integration von Python mit der SQL Server Database Engine sowie Visual Studio 2017 erfolgreich verifiziert.
Nachdem wir nun einen ersten Einblick in das SQL Server Ökosystem mit Python und eine erfolgreiche Installation und Konfiguration von Komponenten zum Ausführen von Python-Skripten mit SQL Server abgeschlossen haben, lernen wir in der nächsten Lektion einige grundlegende Konzepte der Python-Programmierung kennen.
Kontaktieren Sie uns gerne über das
Kontaktformular und vereinbaren ein unverbindliches
Beratungsgespräch mit unseren Berater:innen zur
Bedarfsevaluierung. Gemeinsam optimieren wir Ihre
Umgebung und steigern Ihre Performance!
Wir freuen uns auf Ihre Kontaktaufnahme!