Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Für die Echtzeitbereitstellung von Featurewerten empfiehlt Databricks die Verwendung von Databricks Online Feature Stores.
Mit Online-Stores von Drittanbietern veröffentlichen Sie Feature-Tabellen in einer Datenbank mit geringer Latenz und stellen das Modell oder die Feature-Spezifikation über einen REST-Endpunkt für die Echtzeitbereitstellung von Feature-Werten bereit.
Der Databricks Feature-Store unterstützt auch die automatische Featuresuche. In diesem Fall enthalten die vom Client bereitgestellten Eingabewerte Werte, die zum Zeitpunkt der Ableitung nur verfügbar sind. Das Modell enthält Logik, um die benötigten Featurewerte automatisch aus den bereitgestellten Eingabewerten abzurufen.
Das Diagramm veranschaulicht die Beziehung zwischen MLflow- und Feature Store-Komponenten für die Echtzeitbereitstellung.
Der Databricks Feature Store unterstützt diese Online-Stores:
| Online-Shop-Anbieter | Veröffentlichen mit Feature Engineering im Unity-Katalog | Veröffentlichen mit Legacy-Arbeitsbereich-Featurespeicher | Feature-Abfrage in der Modellbereitstellung |
|---|---|---|---|
| Azure Cosmos DB [1] | X | X (Feature Store-Client v0.5.0 und höher) | X |
| Azure MySQL (Einzelserver) | X | ||
| Azure SQL Server | X |
[1] Wichtige Informationen zu Cosmos DB-Anforderungen finden Sie in den Kompatibilitätshinweisen zu Cosmos DB.
Beginnen Sie mit der Verwendung von Online-Stores
Lesen Sie die folgenden Artikel, um mit Online-Stores zu beginnen: