工作区托管虚拟网络隔离

适用范围：Azure CLI ml 扩展 v2（最新版）Python SDK azure-ai-ml v2（最新版）

Azure 机器学习为托管虚拟网络（托管虚拟网络）隔离提供支持。 托管虚拟网络隔离通过内置的工作区级别 Azure 机器学习虚拟网络简化并自动执行网络隔离配置。 托管虚拟网络保护托管的 Azure 机器学习资源，例如计算实例、计算群集、无服务器计算和托管联机终结点。

通过使用托管网络确保您的工作区安全，可以为工作区和托管计算的出站访问提供网络隔离。 你创建和管理的 Azure 虚拟网络用于对工作区的入站访问提供网络隔离。 例如，在你的 Azure 虚拟网络中创建了一个供工作区使用的专用终结点。 连接到虚拟网络的任何客户端都可以通过专用终结点访问工作区。 在托管计算上运行作业时，托管网络会限制计算可以访问的内容。

管理的虚拟网络体系结构

启用托管虚拟网络隔离时，会为工作区创建托管虚拟网络。 为工作区创建的托管计算资源会自动使用此托管虚拟网络。 托管的虚拟网络可以为由你的工作区使用的 Azure 资源（如 Azure 存储、Azure 密钥保管库和 Azure 容器注册表）使用专用终结点。

托管虚拟网络的出站流量有两种不同的配置模式：

1. 你可以将出站规则与“仅允许已批准的出站”模式配合使用，使结果与使用“允许 Internet 出站连接”相同。 不同之处在于：

• 必须为需要允许的每个出站连接添加规则。
• 添加 FQDN 出站规则会增加成本，因为此规则类型使用 Azure 防火墙。 有关详细信息，请参阅定价
• “仅允许批准的出站连接”的默认规则旨在最大程度地减少数据外泄的风险。 添加的任何出站规则都可能会增加风险。

托管虚拟网络预先配置了所需的默认规则。 它还配置为与工作区、工作区默认存储、容器注册表和密钥保管库建立专用终结点连接（如果这些组件配置为专用组件或工作区隔离模式设置为仅允许批准的出站连接）。 在选择隔离模式后，您只需考虑可能需要添加的其他出站要求。

下图显示了配置为“允许 Internet 出站”的托管虚拟网络：

下图显示了配置为“仅允许已批准的出站”的托管虚拟网络：

Azure 机器学习工作室

如果要使用集成笔记本或在工作室的默认存储帐户中创建数据集，客户端需要访问默认存储帐户。 为客户端使用的 Azure 虚拟网络中的默认存储帐户创建专用终结点或服务终结点。

部分 Azure 机器学习工作室在客户端的 Web 浏览器中本地运行，并与工作区的默认存储直接通信。 在客户端的虚拟网络中（为默认存储帐户）创建专用终结点或服务终结点可确保客户端能够与存储帐户通信。

如果与工作区关联的 Azure 存储帐户已禁用公用网络访问权限，请确保为在客户端虚拟网络中创建的专用终结点授予针对工作区托管标识的“读取者”角色。 这同时适用于博客和文件存储专用终结点。 托管虚拟网络创建的专用终结点不需要该角色。

有关创建专用终结点或服务终结点的详细信息，请参阅以私密方式连接到存储帐户和服务终结点文章。

受保护的关联资源

如果使用服务终结点或专用终结点（禁用公共访问）将以下服务添加到虚拟网络，则允许受信任的 Microsoft 服务访问这些服务：

先决条件

在按照本文中的步骤操作之前，请确保满足以下先决条件：

若要使用 Azure 机器学习在托管虚拟网络中建立专用终结点连接，工作区托管标识（无论是系统分配还是用户分配）以及启动创建专用终结点的用户标识必须有权批准目标资源上的专用终结点连接。 2025 年 4 月 30 日之后，不会自动向托管标识授予权限，必须手动分配权限。

Microsoft 建议将“Azure AI 企业网络连接审批者”角色分配给托管标识。 以下列表包含 Azure AI 企业网络连接审批者 角色涵盖的专用终结点目标资源类型：

• Azure 应用程序网关
• Azure Monitor
• Azure AI 搜索
• 事件中心
• Azure SQL 数据库
• Azure 存储
• Azure 机器学习工作区
• Azure 机器学习注册表
• Azure AI Foundry
• Azure Key Vault
• Azure Cosmos DB（Azure 宇宙数据库）
• Azure MySQL 数据库
• 适用于 PostgreSQL 的 Azure 数据库
• Azure AI 服务
• 适用于 Redis 的 Azure 缓存
• 容器注册表
• API 管理

若要改为创建自定义角色，请参阅 Azure AI 企业网络连接审批者角色 ，以添加每个资源类型的特定操作。

若要为“Azure AI 企业网络连接审批者”角色未涵盖的目标资源类型创建专用终结点出站规则，建议使用自定义的精简角色。 应使用批准目标资源类型上的专用终结点连接所需的操作来定义角色。 此类资源类型的示例包括 Azure 数据工厂、Azure Databricks 和 Azure 函数应用。

若要为默认工作区资源创建专用终结点的出站规则，所需的权限已由在创建工作区时授予的角色分配自动涵盖，因此不需要执行其他操作。

配置托管虚拟网络以允许 Internet 出站

managed_network:
  isolation_mode: allow_internet_outbound

managed_network:
  isolation_mode: allow_internet_outbound
  outbound_rules:
  - name: added-perule
    destination:
      service_resource_id: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>
      spark_enabled: true
      subresource_target: blob
    type: private_endpoint

az ml workspace create --name ws --resource-group rg --managed-network allow_internet_outbound

az ml workspace create --file workspace.yaml --resource-group rg --name ws

name: myworkspace
___location: EastUS
managed_network:
    isolation_mode: allow_internet_outbound

az ml workspace update --name ws --resource-group rg --managed-network allow_internet_outbound

az ml workspace update --file workspace.yaml --name ws --resource-group MyGroup

name: myworkspace
managed_network:
    isolation_mode: allow_internet_outbound
    outbound_rules:
    - name: added-perule
    destination:
        service_resource_id: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>
        spark_enabled: true
        subresource_target: blob
    type: private_endpoint

# Basic managed VNet configuration
network = ManagedNetwork(IsolationMode.ALLOW_INTERNET_OUTBOUND)

# Workspace configuration
ws = Workspace(
    name="myworkspace",
    ___location="eastus",
    managed_network=network
)

# Example private endpoint outbound to a blob
rule_name = "myrule"
service_resource_id = "/subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>"
subresource_target = "blob"
spark_enabled = True

# Add the outbound 
ws.managed_network.outbound_rules = [PrivateEndpointDestination(
    name=rule_name, 
    service_resource_id=service_resource_id, 
    subresource_target=subresource_target, 
    spark_enabled=spark_enabled)]

# Create the workspace
ws = ml_client.workspaces.begin_create(ws).result()

# Get the existing workspace
ml_client = MLClient(DefaultAzureCredential(), subscription_id=subscription_id, resource_group_name=resource_group, workspace_name="myworkspace")
ws = ml_client.workspaces.get()

# Basic managed VNet configuration
ws.managed_network = ManagedNetwork(IsolationMode.ALLOW_INTERNET_OUTBOUND)

# Example private endpoint outbound to a blob
rule_name = "myrule"
service_resource_id = "/subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>"
subresource_target = "blob"
spark_enabled = True

# Add the outbound 
ws.managed_network.outbound_rules = [PrivateEndpointDestination(
    name=rule_name, 
    service_resource_id=service_resource_id, 
    subresource_target=subresource_target, 
    spark_enabled=spark_enabled)]

# Create the workspace
ml_client.workspaces.begin_update(ws)

配置托管虚拟网络以仅允许已批准的出站

managed_network:
  isolation_mode: allow_only_approved_outbound

managed_network:
  isolation_mode: allow_only_approved_outbound
  outbound_rules:
  - name: added-servicetagrule
    destination:
      port_ranges: 80, 8080
      protocol: TCP
      service_tag: DataFactory
    type: service_tag
  - name: add-fqdnrule
    destination: 'pypi.org'
    type: fqdn
  - name: added-perule
    destination:
      service_resource_id: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>
      spark_enabled: true
      subresource_target: blob
    type: private_endpoint

az ml workspace create --name ws --resource-group rg --managed-network allow_only_approved_outbound

name: myworkspace
___location: EastUS
managed_network:
    isolation_mode: allow_only_approved_outbound

az ml workspace create --file workspace.yaml --resource-group rg --name ws

az ml workspace update --name ws --resource-group rg --managed-network allow_only_approved_outbound

name: myworkspace_dep
managed_network:
    isolation_mode: allow_only_approved_outbound
    outbound_rules:
    - name: added-servicetagrule
    destination:
        port_ranges: 80, 8080
        protocol: TCP
        service_tag: DataFactory
    type: service_tag
    - name: add-fqdnrule
    destination: 'pypi.org'
    type: fqdn
    - name: added-perule
    destination:
        service_resource_id: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>
        spark_enabled: true
        subresource_target: blob
    type: private_endpoint

# Basic managed VNet configuration
network = ManagedNetwork(IsolationMode.ALLOW_ONLY_APPROVED_OUTBOUND)

# Workspace configuration
ws = Workspace(
    name="myworkspace",
    ___location="eastus",
    managed_network=network
)

# Append some rules
ws.managed_network.outbound_rules = []
# Example private endpoint outbound to a blob
rule_name = "myrule"
service_resource_id = "/subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>"
subresource_target = "blob"
spark_enabled = True
ws.managed_network.outbound_rules.append(
    PrivateEndpointDestination(
        name=rule_name, 
        service_resource_id=service_resource_id, 
        subresource_target=subresource_target, 
        spark_enabled=spark_enabled
    )
)

# Example service tag rule
rule_name = "datafactory"
service_tag = "DataFactory"
protocol = "TCP"
port_ranges = "80, 8080-8089"
ws.managed_network.outbound_rules.append(
    ServiceTagDestination(
        name=rule_name, 
        service_tag=service_tag, 
        protocol=protocol, 
        port_ranges=port_ranges
    )
)

# Example FQDN rule
ws.managed_network.outbound_rules.append(
    FqdnDestination(
        name="fqdnrule", 
        destination="pypi.org"
    )
)

# Create the workspace
ws = ml_client.workspaces.begin_create(ws).result()

# Get the existing workspace
ml_client = MLClient(DefaultAzureCredential(), subscription_id=subscription_id, resource_group_name=resource_group, workspace_name="myworkspace")
ws = ml_client.workspaces.get()

# Basic managed VNet configuration
ws.managed_network = ManagedNetwork(IsolationMode.ALLOW_ONLY_APPROVED_OUTBOUND)

# Append some rules
ws.managed_network.outbound_rules = []
# Example private endpoint outbound to a blob
rule_name = "myrule"
service_resource_id = "/subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>"
subresource_target = "blob"
spark_enabled = True
ws.managed_network.outbound_rules.append(
    PrivateEndpointDestination(
        name=rule_name, 
        service_resource_id=service_resource_id, 
        subresource_target=subresource_target, 
        spark_enabled=spark_enabled
    )
)

# Example service tag rule
rule_name = "datafactory"
service_tag = "DataFactory"
protocol = "TCP"
port_ranges = "80, 8080-8089"
ws.managed_network.outbound_rules.append(
    ServiceTagDestination(
        name=rule_name, 
        service_tag=service_tag, 
        protocol=protocol, 
        port_ranges=port_ranges
    )
)

# Example FQDN rule
ws.managed_network.outbound_rules.append(
    FqdnDestination(
        name="fqdnrule", 
        destination="pypi.org"
    )
)

# Update the workspace
ml_client.workspaces.begin_update(ws)

为无服务器 Spark 作业配置

若要为托管虚拟网络启用无服务器 Spark 作业，必须执行以下操作：

• 为工作区配置托管虚拟网络，并为 Azure 存储帐户添加出站专用终结点。
• 配置托管虚拟网络后，对其进行预配并标记以允许 Spark 作业。

1. 配置出站专用终结点。

   使用 YAML 文件定义托管虚拟网络配置，并为 Azure 存储帐户添加专用终结点。 此外，设置 spark_enabled: true：

   提示

   此示例适用于通过 isolation_mode: allow_internet_outbound 配置为允许 Internet 流量的托管 VNet。 如果只想允许已批准的出站流量，请使用 isolation_mode: allow_only_approved_outbound。

   name: myworkspace
   managed_network:
     isolation_mode: allow_internet_outbound
     outbound_rules:
     - name: added-perule
       destination:
         service_resource_id: /subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>
         spark_enabled: true
         subresource_target: blob
       type: private_endpoint
   

   可以通过指定 az ml workspace update 参数和 YAML 文件的名称，将 YAML 配置文件与 --file 命令一起使用。 例如，以下命令使用名为 workspace_pe.yml 的 YAML 文件更新现有工作区：

   az ml workspace update --file workspace_pe.yml --resource_group rg --name ws
   

   注释

   启用“仅允许已批准的出站”时 (isolation_mode: allow_only_approved_outbound)，Spark 会话配置中定义的 conda 包依赖项无法安装。 若要解决此问题，请将没有外部依赖项的独立 Python 包 wheel 上传到 Azure 存储帐户，并为此存储帐户创建专用终结点。 使用 Python 包 wheel 的路径作为 Spark 作业中的 py_files 参数。 设置 FQDN 出站规则不会绕过此问题，因为 Spark 不支持 FQDN 规则传播。

   以下示例演示如何为名为 myworkspace 的现有 Azure 机器学习工作区创建托管虚拟网络。 它还为 Azure 存储帐户添加专用终结点并设置 spark_enabled=true：

   提示

   以下示例适用于通过 IsolationMode.ALLOW_INTERNET_OUTBOUND 配置为允许互联网流量的托管虚拟网络。 如果只想允许已批准的出站流量，请使用 IsolationMode.ALLOW_ONLY_APPROVED_OUTBOUND。

   # Get the existing workspace
   ml_client = MLClient(DefaultAzureCredential(), subscription_id, resource_group, "myworkspace")
   ws = ml_client.workspaces.get()
   
   # Basic managed VNet configuration
   ws.managed_network = ManagedNetwork(IsolationMode.ALLOW_INTERNET_OUTBOUND)
   
   # Example private endpoint outbound to a blob
   rule_name = "myrule"
   service_resource_id = "/subscriptions/<SUBSCRIPTION_ID>/resourceGroups/<RESOURCE_GROUP>/providers/Microsoft.Storage/storageAccounts/<STORAGE_ACCOUNT_NAME>"
   subresource_target = "blob"
   spark_enabled = True
   
   # Add the outbound 
   ws.managed_network.outbound_rules = [PrivateEndpointDestination(
       name=rule_name, 
       service_resource_id=service_resource_id, 
       subresource_target=subresource_target, 
       spark_enabled=spark_enabled)]
   
   # Create the workspace
   ml_client.workspaces.begin_update(ws)
   

   注释

   • 启用“仅允许已批准的出站”时 (isolation_mode: allow_only_approved_outbound)，Spark 会话配置中定义的 conda 包依赖项无法安装。 若要解决此问题，请将没有外部依赖项的独立 Python 包 wheel 上传到 Azure 存储帐户，并为此存储帐户创建专用终结点。 使用 Python 包 wheel 的路径作为 Spark 作业中的 py_files 参数。
   • 如果使用 IsolationMode.ALLOW_INTERNET_OUTBOUND 创建工作区，则无法在以后将其更新为使用 IsolationMode.ALLOW_ONLY_APPROVED_OUTBOUND。

   1. 登录到 Azure 门户，然后选择 Azure 机器学习工作区。

   2. 依次选择“网络”、“添加用户定义的出站规则”。 为 Azure 存储帐户添加规则，并确保选择了“Spark 已启用”。

      

   3. 选择“保存”以保存规则，然后在“网络”顶部选择“保存”，将更改保存到托管虚拟网络。

2. 预配托管虚拟网络。

   注释

   如果工作区已启用公共网络访问，则必须在预配托管 VNet 之前禁用它。 如果在预配托管 VNet 时未禁用公共网络访问，则可能不会在托管 VNet 中自动创建工作区的专用终结点。 否则，必须在预配后为工作区手动配置专用终结点出站规则。

   以下示例演示如何使用 --include-spark 参数为无服务器 Spark 作业预配托管虚拟网络。

   az ml workspace provision-network -g my_resource_group -n my_workspace_name --include-spark
   

   以下示例演示如何为无服务器 Spark 作业预配托管虚拟网络：

   # Connect to a workspace named "myworkspace"
   ml_client = MLClient(DefaultAzureCredential(), subscription_id=subscription_id, resource_group_name=resource_group, workspace_name="myworkspace")
   
   # whether to provision Spark vnet as well
   include_spark = True
   
   provision_network_result = ml_client.workspaces.begin_provision_network(workspace_name=ws_name, include_spark=include_spark).result()
   

   在 Azure 门户中，只能在创建工作区期间选择预配托管网络。 为此，请从“出站访问”选项卡中选择“预配托管虚拟网络”。若要为现有工作区的无服务器 Spark 作业预配托管网络，必须使用 Azure CLI 或 Python SDK。

手动预配托管 VNet

创建计算实例时，会自动预配托管虚拟网络。 依赖于自动预配时，创建第一个计算实例可能需要大约 30 分钟，因为此过程还需要预配网络。 如果配置了 FQDN 出站规则（仅在“仅允许已批准模式”下可用），第一个 FQDN 规则将使预配时间大约增加 10 分钟。 如果在托管网络中有大量出站规则需要预配，则完成预配可能需要较长的时间。 预配时间增加可能会导致首次计算实例创建超时。

若要减少等待时间并避免潜在的超时错误，建议手动预配托管网络。 然后等待预配完成后再创建计算实例。

你也可以使用 provision_network_now 标志在工作区创建期间预配托管网络。

az ml workspace create -n myworkspace -g my_resource_group --managed-network AllowInternetOutbound --provision-network-now

az ml workspace provision-network -g my_resource_group -n my_workspace_name

az ml workspace show -n my_workspace_name -g my_resource_group --query managed_network

provision_network_now: True

# Connect to a workspace named "myworkspace"
ml_client = MLClient(DefaultAzureCredential(), subscription_id=subscription_id, resource_group_name=resource_group, workspace_name="myworkspace")

# whether to provision Spark vnet as well
include_spark = True

provision_network_result = ml_client.workspaces.begin_provision_network(workspace_name=ws_name, include_spark=include_spark).result()

ws = ml_client.workspaces.get()
print(ws.managed_network.status)

配置映像生成

当工作区的 Azure 容器注册表位于虚拟网络后面时，它不能用于直接生成 Docker 映像。 应该将工作区配置为使用计算群集或计算实例来生成映像。

az ml workspace update --name ws --resource-group rg --image-build-compute mycompute

# import required libraries
from azure.ai.ml import MLClient
from azure.identity import DefaultAzureCredential

subscription_id = "<your subscription ID>"
resource_group = "<your resource group name>"
workspace = "<your workspace name>"

ml_client = MLClient(
    DefaultAzureCredential(), subscription_id=subscription_id, resource_group_name=resource_group, workspace_name=workspace
)

# Get workspace info
ws=ml_client.workspaces.get(name=workspace)
# Update to use cpu-cluster for image builds
ws.image_build_compute="mycompute"
ml_client.workspaces.begin_update(ws)
# To switch back to using ACR to build (if ACR is not in the virtual network):
# ws.image_build_compute = ''
# ml_client.workspaces.begin_update(ws)

管理出站规则

az ml workspace outbound-rule list --workspace-name ws --resource-group rg

az ml workspace outbound-rule show --rule rule-name --workspace-name ws --resource-group rg

az ml workspace outbound-rule remove --rule rule-name --workspace-name ws --resource-group rg

# Connect to the workspace
ml_client = MLClient(DefaultAzureCredential(), subscription_id=subscription_id, resource_group_name=resource_group, workspace_name="myworkspace")

# Specify the rule name
rule_name = "<some-rule-name>"

# Get a rule by name
rule = ml_client._workspace_outbound_rules.get(resource_group, ws_name, rule_name)

# List rules for a workspace
rule_list = ml_client._workspace_outbound_rules.list(resource_group, ws_name)

# Delete a rule from a workspace
ml_client._workspace_outbound_rules.begin_remove(resource_group, ws_name, rule_name).result()

所需规则列表

专用终结点：

• 当托管虚拟网络的隔离模式为 Allow internet outbound 时，专用终结点出站规则将自动创建为已禁用公用网络访问的工作区和相关资源（密钥保管库、存储帐户、容器注册表、Azure 机器学习工作区）的托管虚拟网络中的所需规则。
• 当托管虚拟网络的隔离模式为 Allow only approved outbound 时，专用终结点出站规则将自动创建为工作区和相关资源（密钥保管库、存储帐户、容器注册表、Azure 机器学习工作区）的托管虚拟网络中的所需规则，无论这些资源的公用网络访问模式如何。
• 这些规则会自动添加到托管虚拟网络。

为了使 Azure 机器学习正常运行，需要一组必需的服务标记，无论是托管还是自定义虚拟网络设置都需要这些标记。 对更换某些必需的服务标记没有其他选择。 下表描述了每个必需的服务标记及其在 Azure 机器学习中的用途。

特定于方案的出站规则列表

场景：访问公共机器学习包

若要允许安装用于训练和部署的 Python 包，请添加出站 FQDN 规则以允许以下主机名的出站流量：

场景：将 Visual Studio Code 桌面或 Web 与计算实例配合使用

如果计划将 Visual Studio Code 与 Azure 机器学习配合使用，请添加出站 FQDN 规则以允许流量流向以下主机：

场景：使用批处理终结点或 ParallelRunStep

如果计划使用 Azure 机器学习批处理终结点进行部署或使用 ParallelRunStep，请添加出站专用终结点规则，以允许流量流向默认存储帐户的以下子资源：

• queue
• table

场景：将提示流与 Azure OpenAI、内容安全和 Azure AI 搜索配合使用

• Azure AI 服务的专用终结点
• Azure AI 搜索的专用终结点

场景：使用 HuggingFace 模型

如果计划将 HuggingFace 模型与 Azure 机器学习配合使用，请添加出站 FQDN 规则以允许流量流向以下主机：

• docker.io
• *.docker.io
• *.docker.com
• production.cloudflare.docker.com
• cdn.auth0.com
• cdn-lfs.huggingface.co

场景：允许从所选 IP 地址访问

如果要启用从特定 IP 地址访问，请使用以下操作：

1. 添加出站专用终结点规则以允许流量流向 Azure 机器学习工作区。 此规则允许在托管虚拟网络中创建的计算实例访问工作区。

   提示

   创建工作区期间无法添加此规则，因为工作区尚不存在。

2. 启用公用网络对工作区的访问。 有关详细信息，请参阅启用公用网络访问。

3. 将 IP 地址添加到 Azure 机器学习的防火墙。 有关详细信息，请参阅仅允许从 IP 范围访问。

   注释

   仅支持 IPv4 地址。

有关详细信息，请参阅配置专用链接。

专用终结点

以下 Azure 服务当前支持专用终结点：

• Azure 机器学习
• Azure 机器学习注册表
• Azure 存储（所有子资源类型）
• Azure 容器注册表
• Azure Key Vault
• Azure AI 服务
• Azure AI 搜索（以前称为认知搜索）
• Azure SQL Server
• Azure 数据工厂
• Azure Cosmos DB（所有子资源类型）
• Azure 事件中心
• Azure Redis 缓存
• Azure Databricks
• 适用于 MariaDB 的 Azure 数据库
• Azure Database for PostgreSQL 单一服务器
• Azure Database for PostgreSQL 灵活服务器
• Azure MySQL 数据库
• Azure API 管理
  • 仅支持不使用 VNET 注入的经典层和虚拟网络集成的标准 V2 层。 有关 API 管理虚拟网络的详细信息，请参阅 虚拟网络概念
• Application Insights （通过 PrivateLinkScopes）

创建专用终结点时，需要提供终结点连接到的资源类型和子资源。 某些资源有多个类型和子资源。 有关详细信息，请参阅什么是专用终结点。

为 Azure 机器学习依赖项资源（例如 Azure 存储、Azure 容器注册表和 Azure 密钥保管库）创建专用终结点时，该资源可以位于不同的 Azure 订阅中。 但是，资源必须与 Azure 机器学习工作区位于同一租户中。

系统不会自动创建工作区的专用终结点。 仅当创建第一个计算或强制进行托管虚拟网络预配时，才会创建这种终结点。 有关强制托管虚拟网络预配的详细信息，请参阅 手动预配网络。

批准专用终结点

若要使用 Azure 机器学习在托管虚拟网络中建立专用终结点连接，工作区托管标识（无论是系统分配的还是用户分配的）必须有权批准目标资源上的专用终结点连接。 以前，此分配是通过 Azure 机器学习服务的自动角色分配完成的。 但是，对自动角色分配存在安全问题。 为了提高安全性，从 2025 年 4 月 30 日开始，此角色分配不是自动的。

建议为目标资源类型分配 Azure AI 企业网络连接审批者角色或具有必要专用终结点连接权限的自定义角色。 若要允许 Azure 机器学习服务批准与目标 Azure 资源的专用终结点连接，请向 Azure 机器学习工作区的托管标识授予此角色。

下面是 Azure AI 企业网络连接审批者角色涵盖的专用终结点目标资源类型列表：

• Azure 应用程序网关
• Azure Monitor
• Azure AI 搜索
• 事件中心
• Azure SQL 数据库
• Azure 存储
• Azure 机器学习工作区
• Azure 机器学习注册表
• Azure AI Foundry
• Azure Key Vault
• Azure Cosmos DB（Azure 宇宙数据库）
• Azure MySQL 数据库
• 适用于 PostgreSQL 的 Azure 数据库
• Azure AI 服务
• 适用于 Redis 的 Azure 缓存
• 容器注册表
• API 管理

若要为“Azure AI 企业网络连接审批者”角色未涵盖的目标资源类型创建专用终结点出站规则，建议使用自定义的精简角色。 应使用批准目标资源类型上的专用终结点连接所需的操作来定义规则。 此类资源类型的示例包括 Azure 数据工厂、Azure Databricks 和 Azure 函数应用。

若要为默认工作区资源创建专用终结点的出站规则，所需的权限已由在创建工作区时授予的角色分配自动涵盖，因此不需要执行其他操作。

为仅允许已批准的出站选择 Azure 防火墙版本

如果 FQDN 出站规则是在处于“仅允许已批准的出站”模式时创建的，则会部署 Azure 防火墙。 Azure 防火墙的费用将包含在账单中。 默认情况下，会创建“标准”版的 Azure 防火墙。 （可选）可以选择使用“基本”版。 可以根据需要更改使用的防火墙版本。 若要确定哪个版本最适合你，请访问选择合适的 Azure 防火墙版本。

name: test-ws
resource_group: test-rg
___location: eastus2 
managed_network:
  isolation_mode: allow_only_approved_outbound
  outbound_rules:
  - category: required
    destination: 'contoso.com'
    name: contosofqdn
    type: fqdn
  firewall_sku: basic
tags: {}

network = ManagedNetwork(isolation_mode=IsolationMode.ALLOW_INTERNET_OUTBOUND,
                         firewall_sku='basic')

定价

Azure 机器学习托管虚拟网络功能是免费的。 但是，需要为托管虚拟网络使用的以下资源付费：

• Azure 专用链接 - 用于保护托管虚拟网络与 Azure 资源之间的通信的专用终结点依赖于 Azure 专用链接。 有关定价详细信息，请参阅 Azure 专用链接定价。

• FQDN 出站规则 - FQDN 出站规则使用 Azure 防火墙实现。 如果使用出站 FQDN 规则，则 Azure 防火墙费用将添加到账单中。 默认情况下会使用标准版本的 Azure 防火墙。 有关选择基本版本的信息，请参阅选择 Azure 防火墙版本。

  重要

  在添加出站 FQDN 规则之前，不会创建防火墙。 有关定价的详细信息，请参阅 Azure 防火墙定价，并查看标准版的价格。

限制

• 启用工作区的托管虚拟网络隔离（无论是允许 Internet 出站还是仅允许已批准的出站）后，就无法将其禁用。
• 托管虚拟网络使用专用终结点连接来访问专用资源。 不能同时为 Azure 资源（例如存储帐户）提供专用终结点和服务终结点。 我们建议在所有情况下都使用专用终结点。
• 删除工作区时，将删除托管虚拟网络。
• 确保 Azure 机器学习资源和资源组上没有范围锁。 可能会阻止与托管虚拟网络相关的内部操作。
• 数据外泄保护会自动启用，并且只适用于已批准的唯一出站模式。 如果将其他出站规则（例如添加到 FQDN），Microsoft 无法保证不会将数据外泄到这些出站目标。
• 使用托管虚拟网络时，不支持在工作区以外的区域创建计算群集。
• Azure 机器学习托管虚拟网络不支持 Kubernetes 和附加的 VM。
• 使用 FQDN 出站规则会增加托管虚拟网络的成本，因为 FQDN 规则使用 Azure 防火墙。 有关详细信息，请参阅定价。
• FQDN 出站规则仅支持端口 80 和 443。
• 如果计算实例位于托管网络中，并且未配置任何公共 IP，请使用 az ml compute connect-ssh 命令通过 SSH 连接到该实例。
• 使用托管虚拟网络时，无法在自定义虚拟网络内部署计算资源。 只能在托管虚拟网络内创建计算资源。
• 如果将托管网络配置为“仅允许已批准的出站”，则无法使用 FQDN 规则访问 Azure 存储帐户。 必须改用专用终结点。
• 确保将为自定义策略中的托管虚拟网络创建的 Microsoft 托管专用终结点加入允许列表。

迁移计算资源

如果有现有工作区，并且想要为其启用托管虚拟网络，则当前不支持现有托管计算资源的迁移路径。 需要删除所有现有托管计算资源，并在启用托管虚拟网络后重新创建它们。 以下列表包含必须删除和重新创建的计算资源：

• 计算群集
• 计算实例
• 托管联机终结点

后续步骤

• 对托管虚拟网络进行故障排除
• 在托管虚拟网络中配置托管计算