Funkciótár-életút megtekintése

Amikor naplóz egy modellt a használatával FeatureEngineeringClient.log_model, a rendszer automatikusan nyomon követi a modellben használt funkciókat, és megtekinthető a Katalóguskezelő Vonalas lapján. A szolgáltatástáblák mellett az igény szerinti szolgáltatások kiszámításához használt Python-UDF-ek is nyomon követhetők.

Funkciótáblák, függvények vagy modellek életútjának rögzítése

A modellben használt adatkövetési funkciótáblák és függvények híváskor log_modelautomatikusan rögzítésre kerülnek. Lásd a következő példakódot.

from databricks.feature_engineering import FeatureEngineeringClient, FeatureLookup, FeatureFunction
fe = FeatureEngineeringClient()

features = [
    FeatureLookup(
        table_name = "main.on_demand_demo.restaurant_features",
        feature_names = ["latitude", "longitude"],
        rename_outputs={"latitude": "restaurant_latitude", "longitude": "restaurant_longitude"},
        lookup_key = "restaurant_id",
        timestamp_lookup_key = "ts"
    ),
    FeatureFunction(
        udf_name="main.on_demand_demo.extract_user_latitude",
        output_name="user_latitude",
        input_bindings={"blob": "json_blob"},
    ),
    FeatureFunction(
        udf_name="main.on_demand_demo.extract_user_longitude",
        output_name="user_longitude",
        input_bindings={"blob": "json_blob"},
    ),
    FeatureFunction(
        udf_name="main.on_demand_demo.haversine_distance",
        output_name="distance",
        input_bindings={"x1": "restaurant_longitude", "y1": "restaurant_latitude", "x2": "user_longitude", "y2": "user_latitude"},
    )
]

training_set = fe.create_training_set(
    label_df, feature_lookups=features, label="label", exclude_columns=["restaurant_id", "json_blob", "restaurant_latitude", "restaurant_longitude", "user_latitude", "user_longitude", "ts"]
)

class IsClose(mlflow.pyfunc.PythonModel):
    def predict(self, ctx, inp):
        return (inp['distance'] < 2.5).values

model_name = "fe_packaged_model"
mlflow.set_registry_uri("databricks-uc")

fe.log_model(
    IsClose(),
    model_name,
    flavor=mlflow.pyfunc,
    training_set=training_set,
    registered_model_name=registered_model_name
)

Funkciótábla, modell vagy függvény életútjának megtekintése

Egy funkciótábla, modell vagy függvény életútjának megtekintéséhez kövesse az alábbi lépéseket:

1. Navigáljon a Katalóguskezelő táblázat- és modellverzió- vagy függvénylapjára.

2. Válassza a Lineage (Életút ) lapot. A bal oldali oldalsávon az ezzel a táblával, modellverzióval vagy függvénnyel naplózott Unity Catalog-összetevők láthatók.

   

3. Kattintson a Vonaldiagram megtekintése gombra. Megjelenik az életútdiagram. A fogasvonal-gráf feltárásával kapcsolatos részletekért lásd : Rögzítés és az életút felfedezése.

   

4. A vonaldiagram bezárásához kattintson a jobb felső sarokban.