Mengkueri model yang dilayani dengan ai_query()
Penting
Fitur ini ada di Pratinjau Publik.
Artikel ini menjelaskan cara mengkueri model yang melayani titik akhir dari SQL dengan ai_query()
.
Apa itu ai_query()
?
Fungsi ini ai_query()
adalah fungsi Azure Databricks SQL bawaan, bagian dari fungsi AI. Ini memungkinkan jenis model ini dapat diakses dari kueri SQL:
- Model kustom yang dihosting oleh model yang melayani titik akhir.
- Model yang dihosting oleh API Model Databricks Foundation.
- Model eksternal (model pihak ketiga yang dihosting di luar Databricks).
Untuk pola sintaksis dan desain, lihat fungsi ai_query.
Ketika fungsi ini digunakan untuk mengkueri model yang melayani titik akhir, fungsi ini hanya tersedia di ruang kerja dan wilayah tempat Model Melayani tersedia dan diaktifkan.
Persyaratan
- Fungsi ini tidak tersedia di Azure Databricks SQL Classic.
- Untuk mengkueri titik akhir yang melayani model kustom atau model eksternal, Anda harus mendaftar di pratinjau publik. Silakan isi dan kirim formulir pendaftaran Pratinjau Publik Fungsi AI.
- Model yang ada yang melayani titik akhir dengan model Anda dimuat. Lihat Membuat model kustom yang melayani titik akhir.
- Anda harus mengaktifkan Azure Private Link untuk menggunakan fitur ini di gudang pro SQL.
Mengkueri titik akhir dengan ai_query()
Anda dapat mengkueri model di belakang titik akhir menggunakan ai_query()
pada gudang SQL tanpa server atau pro. Untuk format permintaan penilaian dan respons, lihat Model fondasi kueri.
Catatan
- Untuk Databricks Runtime 14.2 ke atas, fungsi ini didukung di lingkungan buku catatan termasuk buku catatan dan alur kerja Databricks.
- Untuk Databricks Runtime 14.1 ke bawah, fungsi ini tidak didukung di lingkungan notebook, termasuk notebook Databricks.
Contoh: Mengkueri model bahasa besar
Contoh berikut mengkueri model di belakang sentiment-analysis
titik akhir dengan himpunan text
data dan menentukan jenis pengembalian permintaan.
SELECT text, ai_query(
"sentiment-analysis",
text,
returnType => "STRUCT<label:STRING, score:DOUBLE>"
) AS predict
FROM
catalog.schema.customer_reviews
Contoh: Mengkueri model prediktif
Contoh berikut mengkueri model klasifikasi di belakang spam-classification
titik akhir untuk memprediksi apakah text
spam dalam inbox_messages
tabel. Model ini mengambil 3 fitur input: tanda waktu, pengirim, teks. Model mengembalikan array boolean.
SELECT text, ai_query(
endpoint => "spam-classification",
request => named_struct(
"timestamp", timestamp,
"sender", from_number,
"text", text),
returnType => "BOOLEAN") AS is_spam
FROM catalog.schema.inbox_messages
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk