Databricks에서 MLflow 모델을 사용한 자동 기능 조회
모델 서비스 제공 은 게시된 온라인 상점 또는 온라인 테이블에서 기능 값을 자동으로 조회할 수 있습니다. 이 문서에서는 온라인 스토어를 사용하는 방법을 설명합니다. 온라인 테이블 작업에 대한 자세한 내용은 실시간 기능 제공을 위해 온라인 테이블 사용을 참조하세요.
요구 사항
- 모델은 (Unity 카탈로그의 기능 엔지니어링용) 또는
FeatureStoreClient.log_model
(작업 영역 기능 저장소의 경우 v0.3.5 이상이 필요)와 함께FeatureEngineeringClient.log_model
기록되어야 합니다. - 온라인 저장소는 읽기 전용 자격 증명을 사용하여 게시되어야 합니다.
참고 항목
모델 학습 후를 포함하여 모델 배포 전에 언제든지 기능 테이블을 게시할 수 있습니다.
자동 기능 조회
Azure Databricks Model Serving 는 다음 온라인 스토어에서 자동 기능 조회를 지원합니다.
- Azure Cosmos DB(v0.5.0 이상)
자동 기능 조회는 다음 데이터 형식에 대해 지원됩니다.
IntegerType
FloatType
BooleanType
StringType
DoubleType
LongType
TimestampType
DateType
ShortType
DecimalType
ArrayType
MapType
온라인 모델 채점에서 기능 값 재정의
모델에 필요한 모든 기능(로깅 또는 FeatureStoreClient.log_model
로깅FeatureEngineeringClient.log_model
)은 모델 점수 매기기를 위해 온라인 스토어에서 자동으로 조회됩니다. 모델 제공에서 REST API를 사용하여 모델에 점수를 매기는 경우 기능 값을 재정의하려면 기능 값을 API 페이로드의 일부로 포함합니다.
참고 항목
새 기능 값은 기본 모델에서 예상한 대로 기능의 데이터 형식을 준수해야 합니다.
Notebook 예제: Unity 카탈로그
Databricks Runtime 13.3 LTS 이상을 사용하면 기본 키가 있는 Unity 카탈로그의 델타 테이블을 기능 테이블로 사용할 수 있습니다. Unity 카탈로그에 등록된 테이블을 기능 테이블로 사용하는 경우 모든 Unity 카탈로그 기능을 기능 테이블에서 자동으로 사용할 수 있습니다.
이 예 Notebook은 기능을 온라인 저장소에 게시한 다음 온라인 저장소에서 자동으로 기능을 조회하는 학습된 모델을 제공하는 방법을 보여 줍니다.
Unity 카탈로그 예제 Notebook이 있는 온라인 스토어
Notebook 예제: 작업 영역 기능 저장소
이 예 Notebook은 기능을 온라인 저장소에 게시한 다음 온라인 저장소에서 자동으로 기능을 조회하는 학습된 모델을 제공하는 방법을 보여 줍니다.