Databricks에서 MLflow 모델을 사용한 자동 기능 조회

아티클
04/18/2024

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 함께 FeatureEngineeringClient.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_model로깅FeatureEngineeringClient.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

전자 필기장 가져오기

Notebook 예제: 작업 영역 기능 저장소