Запрос обслуживаемой модели с помощью ai_query
Внимание
Эта функция предоставляется в режиме общедоступной предварительной версии.
В этой статье описывается, как запрашивать конечную точку обслуживания модели из SQL.ai_query()
Для вариантов использования с более чем 100 строками данных Databricks рекомендует использовать ai_query
с подготовленной конечной точкой пропускной способности. См. раздел Пакетное выполнение вывода LLM с помощью ai_query.
Что такое ai_query()
?
Эта ai_query()
функция — это встроенная функция SQL Azure Databricks, часть функций ИИ. Он позволяет использовать эти типы моделей из запросов SQL:
- Пользовательские модели, размещенные конечной точкой обслуживания модели.
- Модели, размещенные API модели Databricks Foundation.
- Внешние модели (сторонние модели, размещенные за пределами Databricks).
Сведения о синтаксисе и шаблонах конструктора см. в разделе ai_query функции.
Если эта функция используется для запроса модели , обслуживающей конечную точку, она доступна только в тех рабочих областях и регионах, где служба моделей доступна и включена.
Требования
- См. раздел Требования.
Запрос конечной точки с помощью ai_query()
Вы можете запросить модель за конечной точкой, используя ai_query()
бессерверные или профессиональные хранилища SQL. Для получения информации о форматах запросов и ответов для оценки, см. моделей основы запросов.
Примечание.
- Для Databricks Runtime 14.2 и более поздних версий эта функция поддерживается в средах записных книжек, включая записные книжки Databricks и задания.
- Для Databricks Runtime 14.1 и ниже эта функция не поддерживается в средах записных книжек, включая записные книжки Databricks.
Пример. Запрос большой языковой модели
В следующем примере модель за конечной sentiment-analysis
точкой запрашивается с набором text
данных и указывает тип возвращаемого запроса.
SELECT text, ai_query(
"sentiment-analysis",
text,
returnType => "STRUCT<label:STRING, score:DOUBLE>"
) AS predict
FROM
catalog.schema.customer_reviews
LIMIT 10
Пример. Запрос прогнозной модели
В следующем примере делается запрос к модели классификации за конечной точкой spam-classification
, чтобы пакетно предсказать, является ли text
спамом в таблице inbox_messages
. Модель принимает 3 входных компонента: метку времени, отправитель, текст. Модель возвращает логический массив.
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
LIMIT 10