Penyimpanan Fitur dan Penyediaan Model

Databricks Online Feature Store didukung oleh Lakebase. Saat Anda membuat toko online menggunakan klien Feature Engineering, Databricks menyediakan proyek Lakebase sebagai backend penyimpanan dasar, memberikan akses latensi rendah ke data fitur untuk inferensi ML secara real-time.

Skenario penggunaan

  • Inferensi model waktu nyata: Melayani nilai fitur terbaru untuk titik akhir penyajian model dengan latensi rendah. Model yang dilatih dengan Rekayasa Fitur Databricks secara otomatis melacak asal-usul ke fitur-fiturnya dan menggunakan Unity Catalog untuk menemukan toko online yang sesuai saat penyajian.
  • Titik Akhir Penyajian Fitur: Melayani fitur langsung ke aplikasi dan layanan eksternal tanpa model, menggunakan Titik Akhir Penyajian Fitur.
  • Sistem rekomendasi, deteksi penipuan, personalisasi: Aplikasi apa pun yang membutuhkan pencarian fitur throughput tinggi yang konsisten terhadap tabel fitur offline.

Cara kerjanya

Online Feature Store menyinkronkan data dari tabel fitur Unity Catalog offline ke dalam proyek Lakebase. Anda mengontrol seberapa sering sinkronisasi data menggunakan mode publikasi:

  • DIPICU (default): Sinkronisasi inkremental pada jadwal atau melalui API.
  • BERKELANJUTAN: Alur streaming yang memperbarui penyimpanan online saat data baru ditulis ke tabel offline.
  • SNAPSHOT: Salinan penuh satu kali, efisien untuk pembaruan massal.

Karena toko online ini adalah proyek Lakebase, toko ini mendapat manfaat dari skala komputasi otomatis, skala hingga nol saat tidak aktif, dan tata kelola Unity Catalog.

Migrasi aman dan mulus

Toko Fitur Online baru dibuat secara otomatis sebagai proyek Lakebase. Beban kerja Feature Store dan Model Serving yang sudah ada akan tetap berjalan tanpa perlu melakukan tindakan apa pun.

Antarmuka create_online_store dan update_online_store terus bekerja untuk toko online yang Anda kelola melalui klien Rekayasa Fitur, tanpa penyesuaian yang diperlukan. Perhatikan bahwa update_online_store tidak didukung untuk instans Autoscaling yang dibuat langsung melalui API proyek atau UI. Untuk detailnya, lihat Batasan.

Nota

Endpoint Feature Serving dan Model Serving yang mencari fitur dari berbagai toko fitur online tetap berfungsi, tetapi Anda tidak dapat membuat pengaturan baru seperti ini di Lakebase. Untuk detailnya, lihat Batasan.

Implementation

Untuk instruksi penyiapan lengkap, referensi API, dan contoh buku catatan, lihat Databricks Feature Store Online.

Sumber daya tambahan

  • Last updated on