Onlinespeicher von Drittanbietern
In diesem Artikel wird beschrieben, wie Sie Onlinespeicher von Drittanbietern für die Echtzeitbereitstellung von Featurewerten verwenden. Sie können auch Databricks-Onlinetabellen für Echtzeitfeatures verwenden, für die deutlich weniger Einrichtungsschritte erforderlich sind. Weitere Informationen finden Sie unter Databricks-Onlinetabellen.
Bei der Echtzeitbereitstellung veröffentlichen Sie Featuretabellen in einer latenzarmen Datenbank und stellen das Modell oder Feature über einen REST-Endpunkt bereit.
Der Databricks-Featurespeicher unterstützt auch eine automatische Suche nach Features. In diesem Fall enthalten die vom Client bereitgestellten Eingabewerte Werte, die nur zum Zeitpunkt des Rückschließens verfügbar sind. Das Modell enthält Logik, um die benötigten Featurewerte automatisch aus den bereitgestellten Eingabewerten abzurufen.
Das Diagramm veranschaulicht die Beziehung zwischen MLflow und Featurespeicherkomponenten für die Echtzeitbereitstellung.
Databricks-Featurespeicher unterstützt diese Onlinespeicher:
| Onlinespeicheranbieter | Veröffentlichen mit Feature Engineering im Unity Catalog | Veröffentlichen mit dem Feature Store im Arbeitsbereich | Featuresuche in der Legacy-MLflow-Modellbereitstellung | Featuresuche in der Modellbereitstellung |
|---|---|---|---|---|
| Azure Cosmos DB [1] | X | X (Feature Store-Client v0.5.0 und höher) | X | X |
| Azure MySQL (Einzelserver) | X | X | ||
| Azure SQL Server | X |
[1] Wichtige Informationen zu Cosmos DB-Anforderungen finden Sie unter Cosmos DB-Kompatibilitätshinweise.
Verwenden von Onlinespeichern
Informationen zu den ersten Schritten mit dem Onlinespeichern finden Sie in den folgenden Artikeln: