更新时间：2026-10-10 GMT+08:00

创建数据连接

使用场景

在数据处理和模型训练的场景中，用户需要将多种类型的数据集高效、准确地导入到ModelArts数据平台中，以支持后续的智能精炼和模型训练任务。然而，传统的数据导入方式存在诸多限制，如不支持自定义任务名称、数据格式转换功能有限等，导致用户在导入数据时面临操作不便和数据处理效率低下的问题。如何在新的平台中实现更加灵活和高效的数据导入功能，成为用户亟待解决的问题。为此，ModelArts平台提供了增强的数据导入功能，支持多种基础数据类型的导入，允许用户在创建导入任务时编辑任务名称和描述，同时支持数据格式转换和数据集的直接发布，从而显著提升了数据处理的灵活性和效率，满足了用户在数据准备阶段的多样化需求。

前提条件

在使用ModelArts前，需完成华为云账号注册、实名认证及相关权限授权。具体操作，请参见一、前置准备：账号与权限。
创建导入任务前，请先按照数据集格式要求提前准备数据。

约束限制

数据连接导入数据文件或压缩包不超过20GB，总文件大小也不超过20GB。
通过OBS导入数据，在指定OBS路径时只支持指定到文件夹，不支持指定到文件。

计费说明

按照使用的计算资源和存储资源计费，具体可参考数据管理计费项。

创建数据连接

登录ModelArts管理控制台。
在控制台左侧导航栏选择“数据准备 > 数据连接”。

在“数据连接”页面右上方单击“创建数据连接”，在“创建数据连接”页面，配置相关信息。

表1 创建数据连接参数说明
参数		说明	示例值
基本信息	名称	名称默认为data-connect-年月日时分秒，您也可以按需修改。支持大小写英文字母、数字、中划线、下划线及中文，长度限制为1~128位。	data-connect-20260425083507
基本信息	描述	自定义数据连接的描述。最大支持512个字符。	-
数据导入	模态	“模态”指数据的存在形式。支持文本、图片、视频、音频和其他类型的数据。选择模态后系统会展示该模态下可选的数据类型。关于各模态的格式要求，请参见数据集格式要求。	文本
	类型	选择数据集的具体类型，可选项随模态变化。 “模态”选择“文本”：支持基础文本、预训练文本、文本生成SFT和强化学习GRPO/DAPO类型。基础文本：以多格式原始文档为核心，支持文档内容提取与解析，经平台数据精炼转化为预训练数据集或评测集。预训练文本：以大规模原始文本语料为核心，支持直接用于模型预训练，或经平台数据精炼转化为高质量文本生成SFT数据集。文本生成SFT：以问答对为核心的标注文本数据集，包含指令与标准应答内容，适配大模型有监督指令微调，可满足对话生成、指令对齐、行业场景定制等模型训练需求。强化学习GRPO/DAPO：面向强化学习偏好训练与长思维链推理场景，适配GRPO、DAPO专用数据格式，可上传生成RL训练与评测数据集。 “模态”选择“图片”：支持基础图片。基础图片：原始图片素材数据集，支持各类实景、静物、场景图片，适用于多模态模型视觉预训练与视觉特征学习。 “模态”选择“视频”：支持基础视频。基础视频：原始视频素材数据集，涵盖各类实景、场景、动态影像资源，适用于多模态模型时序视觉预训练与特征学习。 “模态”选择“音频”：支持基础音频。基础音频：原始音频素材数据集，收录各类人声、环境音、语音片段等资源，适用于语音大模型预训练与声学特征学习。 “模态”选择“其他”：支持自定义。自定义：支持自主上传各类非标格式数据，不受固定数据类型限制，灵活适配多样化、个性化的模型训练与评测使用场景。	基础文本
	文件格式	按需选择文件格式。	-
	来源	不同类型支持的来源可能不同，请以控制台显示为准。	对象存储服务OBS
	存储类型	“来源”选择“对象存储服务OBS”或“本地上传”，支持选择“对象存储 OBS - 对象桶”或者“对象存储 OBS - 并行文件系统”。	对象存储 OBS - 对象桶
	存储地址	“来源”选择“对象存储服务OBS”，指定待连接数据在OBS中的存储路径，用于创建数据集。 “来源”选择“本地上传”，指定本地数据上传至OBS后的存储路径，上传完成后该路径即成为待连接的数据集路径。您可以单击图标选择OBS存储地址或者手动输入地址。存储地址必须以“obs://”或者“/”开头，以“/”结尾，且除前缀外不得出现“//”，例如obs://bucketname/path/或者/bucketname/path/。最多支持20个文件上传，单文件大小不超过1GB，建议单次添加文件数量不超过10个。	obs://bucketname/path/
	数据源	仅“来源”选择AI Datalake，需配置此参数。按需选择已配置的AI Datalake数据源。关于如何创建数据源，请参见管理AI DataLake数据源。	-
	数据集	仅“来源”选择AI Datalake，需配置此参数。单击图标，选择目标数据集。	-
生成数据集	数据集名称	自定义数据集的名称。支持大小写英文字母、数字、中划线、下划线及中文，长度限制为1~128位。	dataset
	数据集属性	单击图标，可按需配置数据集的属性，例如行业、语言等。	-
	描述	自定义数据集的描述。可输入中文、大小写字母、数字，以及空格、中划线、下划线、逗号、句号、括号、冒号、顿号，不支持其他字符。最大长度不超过512个字符。	-
	数据集状态	上线后的数据集才可被下游模型训练等作业任务调用。打开“立即上线数据集”，生成数据集在“资产管理 > 数据 >我的数据”页面为“已上线”状态，可以被下游模型训练等作业直接使用。关闭“立即上线数据集”，生成数据集在“资产管理 > 数据 >我的数据”页面为“未上线”状态，不可被下游模型训练等作业直接使用，需要手动上线数据集后才能使用。	打开“立即上线数据集”