使用 SQL Server 机器学习服务中的绑定升级 Python 和 R 运行时

适用于： SQL Server 2016 (13.x) SQL Server 2017 (14.x)

本文介绍如何使用称为“绑定”的 am 安装过程来升级 SQL Server 2016 R Services 或 SQL Server 2017 机器学习服务中的 R 或 Python 运行时。 可以通过绑定 到 Microsoft 机器学习 Server 来获取更高版本的 Python 和 R。

绑定是什么意思？

绑定是一个安装过程，它将 R_SERVICES 和 PYTHON_SERVICES 文件夹中的内容替换为 Microsoft 机器学习 Server 中较新的可执行文件、库和工具。

随服务模式提供的已上传组件已发生变化。 服务更新与新式生命周期中的 Microsoft R Server 和 机器学习 Server 的支持时间线保持一致。

除了组件版本和服务更新之外，绑定不会改变安装的基础：

• Python 和 R 集成仍是数据库引擎实例的一部分。
• 授权不变（没有与绑定相关的额外费用）。
• SQL Server 支持策略仍适用于数据库引擎。

本文的其余部分将介绍绑定机制以及它如何用于 SQL Server 的每个版本。

版本映射

下表是版本映射。 每个映射都显示跨发布的包版本。 当您绑定到 Microsoft 机器学习 Server（在 机器学习 Server 9.2.1 版本及之前被称为 R Server，并且从该版本开始添加了 Python 支持）时，您可以审阅升级路径。

绑定不保证 R 或 Anaconda 是最新版。 连接 Microsoft 机器学习 Server 时，R 或 Python 版本会通过安装程序进行安装，这些版本可能不是 Web 上提供的最新版本。

组件升级的工作原理

如果你将现有 Python 和 R 安装绑定到 机器学习 Server，可执行文件、Python 和 R 库会升级。

如果你在具有 Python 或 R 集成的现有 SQL Server 数据库引擎实例上运行设置，绑定将由 Microsoft 机器学习 Server 安装程序执行。

安装程序会检测现有功能并提示你重新绑定到 机器学习 Server。

在绑定期间，C:\Program Files\Microsoft SQL Server\MSSQL14.MSSQLSERVER\R_SERVICES 和 \PYTHON_SERVICES 的内容被 C:\Program Files\Microsoft\ML Server\R_SERVER 和 \PYTHON_SERVER 的较新可执行文件和库覆盖。

绑定只适用于 Python 和 R 功能。 用于 Python 和 R 的开放源代码包包括：

• Anaconda
• Microsoft R 开源
• 专有包 RevoScaleR
• Revoscalepy

绑定不会更改数据库引擎实例的支持模型或 SQL Server 的版本。

绑定是可逆操作。 通过取消绑定实例并修复 SQL Server 数据库引擎实例，可以还原为 SQL Server 服务。

使用安装程序绑定到 机器学习 Server

若要使用安装程序将 SQL Server 绑定到 Microsoft 机器学习 Server，请按照步骤操作。

1. 在 SSMS 中，运行 SELECT @@version 以验证服务器是否满足最低版本要求。

   对于 SQL Server 2016 R Services，最低版本为 带有 CU3 的 Service Pack 1。

2. 检查 R 基础版本和 RevoScaleR 包的版本，以确认现有版本低于您计划替换的版本。

   EXECUTE sp_execute_external_script
   @language=N'R'
   ,@script = N'str(OutputDataSet);
   packagematrix <- installed.packages();
   Name <- packagematrix[,1];
   Version <- packagematrix[,3];
   OutputDataSet <- data.frame(Name, Version);'
   , @input_data_1 = N''
   WITH RESULT SETS ((PackageName nvarchar(250), PackageVersion nvarchar(max) ))
   

3. 关闭 SSMS 和任何与 SQL Server 具有开放连接的其他工具。 绑定将覆盖程序文件。 如果 SQL Server 有打开的会话，则绑定将失败，显示绑定错误代码 6。

4. 将 Microsoft 机器学习 Server 下载到包含要升级的实例的计算机上。 我们推荐最新版本。

5. 解压缩文件夹并启动位于 MLSWIN93 下的 ServerSetup.exe。

6. 在“配置安装”上，确认要升级的组件，并查看兼容实例的列表 。

7. 在“许可协议”页面上，选择“我接受这些条款”以接受 机器学习 Server 的许可条款 。

8. 在后续页面中，同意所选的任何开源组件（如 Microsoft R open 或 Python Anaconda 分发版）的其他许可条件。

9. 在“即将完成”页面上，记下安装文件夹 。 默认文件夹为 \Program Files\Microsoft\ML Server。

   如果要更改安装文件夹，请选择“高级”以返回向导首页。 但是，必须重复前面的所有选择。

如果升级失败，请检查 SqlBindR 错误代码以获取详细信息。

脱机绑定（无互联网访问）

对于没有 Internet 连接的系统，可以将安装程序和 .cab 文件下载到已连接 Internet 的计算机上，然后将文件传输到独立服务器。

安装程序 (ServerSetup.exe) 包括 Microsoft 包（RevoScaleR、MicrosoftML、olapR、sqlRUtils）。 .cab 文件提供其他核心组件。 例如，“SRO”cab 提供了 R Open，这是 Microsoft 的开放源代码 R 分发版。

以下说明解释如何放置文件以进行脱机安装。

1. 下载 MLSWIN93 安装程序。 它以单个压缩文件的形式下载。 我们推荐最新版本，但也可以安装早期版本。

2. 下载 .cab 文件。 以下链接适用于 9.3 版本。 如果需要早期版本，可以在 R Server 9.1 中找到其他链接。 请记住，Python/Anaconda 只能添加到 SQL Server 机器学习服务实例中。 对于 Python 和 R，都有预先训练的模型；.cab 提供你正在使用的语言的模型。

   功能 / 特点	下载
   R	SRO_3.4.3.0_1033.cab
   Python	SPO_9.3.0.0_1033.cab
   预训练模型	MLM_9.3.0.0_1033.cab

3. 将 .zip 和 .cab 文件传输到目标服务器。

4. 在服务器上，在 Run 命令中键入 %temp% 以获取临时目录的物理位置。 物理路径因计算机而异，但通常是 C:\Users\<your-user-name>\AppData\Local\Temp。

5. 将 .cab 文件放在 %temp% 文件夹中。

6. 解压缩安装程序。

7. 运行 ServerSetup.exe 并按照屏幕提示完成安装。

命令行操作

1. 以管理员身份打开命令提示符并导航到包含 sqlbindr.exe 的文件夹。 默认位置为 C:\Program Files\Microsoft\MLServer\Setup

2. 键入以下命令，查看可用实例列表： SqlBindR.exe /list

   记下所列出的完整实例名称。 例如，对于默认实例，实例名称可能是 MSSQL14.MSSQLSERVER，或者类似于 SERVERNAME.MYNAMEDINSTANCE。

3. 使用 /bind 参数运行 SqlBindR.exe 命令。 使用上一步中返回的实例名称，指定要升级的实例的名称。

   例如，若要升级默认实例，请键入：SqlBindR.exe /bind MSSQL14.MSSQLSERVER

4. 在升级完成后，重启与已修改的任何实例关联的启动板服务。

还原或取消绑定实例

可以将绑定实例还原为 Python 和 R 组件的初始安装（由 SQL Server 安装程序建立）。 要还原到 SQL Server 服务，需执行三个步骤。

• 步骤 1：从 Microsoft 机器学习 Server 取消绑定
• 步骤 2：将实例还原为原始状态
• 步骤 3：重新安装添加到安装的所有包

步骤 1：取消绑定

回滚绑定有以下两种方法：再次重新运行安装程序，或使用 SqlBindR 命令行实用工具。

通过设置取消绑定

1. 找到 机器学习 Server 的安装程序。 如果已删除安装程序，可能需要重新下载它，或从另一台计算机复制它。
2. 请确保在包含要取消绑定的实例的计算机上运行安装程序。
3. 安装程序将识别出可能取消绑定的本地实例。
4. 取消选中要还原为原始配置的实例旁边的复选框。
5. 接受所有许可协议。
6. 选择“完成” 。 此过程需要花费一点时间。

使用命令行取消绑定

1. 如上节所述，打开命令提示符并导航到包含 sqlbindr.exe 的文件夹。

2. 在使用 /unbind 参数的情况下运行 SqlBindR.exe 命令，并指定实例。

   例如，以下命令将还原默认实例：

   SqlBindR.exe /unbind MSSQL14.MSSQLSERVER

步骤 2：修复 SQL Server 实例

运行 SQL Server 安装程序，以修复包含 Python 和 R 功能的数据库引擎实例。 保留现有更新。 如果 Python 和 R 包的服务更新缺少更新，则执行下一步。

备用解决方案：完全卸载并重新安装数据库引擎实例，然后应用所有服务更新。

步骤 3：添加任何第三方包

你可能已将其他开放源代码或第三方包添加到包库中。 由于反向绑定会切换默认包库的位置，因此必须将包重新安装到 Python 和 R 正在使用的库中。 有关详细信息，请参阅 R 包信息和安装和Python 包信息。

SqlBindR.exe 命令语法

使用情况

sqlbindr [/list] [/bind <SQL_instance_ID>] [/unbind <SQL_instance_ID>]

参数

绑定错误

机器学习 Server 安装程序和 SqlBindR 都返回以下错误代码和消息。

已知问题

本部分列出了使用 SqlBindR.exe 实用工具的已知问题以及可能影响 SQL Server 实例的 机器学习 Server 的升级问题。

还原以前安装的包

升级到 Microsoft R Server 9.0.1 后，SqlBindR.exe 无法还原原始包或 R 组件。 对实例使用 SQL Server 修复并应用所有的服务包。 重启实例。

更高版本的 SqlBindR 会自动还原原始 R 功能，无需重新安装 R 组件或重新修补服务器。 但是，必须安装在初始安装之后可能添加的任何 R 包更新。

使用 R 命令，通过数据库中的记录将已安装的包同步到文件系统。 有关详细信息，请参阅 SQL Server 的 R 包管理。

SQL Server 中被覆盖的 sqlbinr.ini 文件出现问题

方案：将 机器学习 Server 9.4.7 绑定到 SQL Server 2017 时出现此问题。 当 Python 更新并需要绑定时，或者当你更新到新的 CU 时，系统无法识别 Python 已绑定，并会覆盖文件。 R 没有已知问题。

一种解决方法是在 PYTHON_SERVICES 目录中创建不为空的 sqlbindr.ini 文件。 内容不会影响文件的工作方式。

创建 sqlbindr.ini 文件（其中包含 9.4.7.82），保存到此位置：

C:\Program Files\Microsoft SQL Server\MSSQL14.MSSQLSERVER\PYTHON_SERVICES

从 SQL Server 进行多次升级时出现的问题

方案：先前已将 SQL Server 2016 R Services 的实例升级到 9.0.1。 执行了 Microsoft R Server 9.1.0 的新安装程序。 此安装程序列出了全部有效实例。 默认情况下，安装程序选择以前绑定的实例。 如果继续，下列已绑定的实例将被取消绑定。 因此，先前的 9.0.1 安装以及任何相关包会遭删除，但不会安装新版 Microsoft R Server (9.1.0)。

作为解决方案，可以修改现有的 R Server 安装，如下所示：

1. 在“控制面板”中，打开“添加或删除程序” 。
2. 找到 Microsoft R Server，然后选择“更改/修改”。
3. 当安装程序启动时，选择要绑定到 9.1.0 的实例。

Microsoft 机器学习 Server 9.2.1 和 9.3 没有此问题。

绑定或取消绑定会留下多个临时文件夹

安装完成后，删除临时文件夹。

另请参阅

• 更改默认 R 或 Python 语言运行时版本
• 安装适用于 Windows 的 机器学习 Server（已连接 Internet）
• 安装适用于 Windows 的 机器学习 Server（脱机）
• 机器学习 Server 中的已知问题
• R Server 早期版本的功能公告
• 已弃用、不再支持或已更改的功能