Automatisk funktionssökning med Databricks-modellservering
Model Serving kan automatiskt leta upp funktionsvärden från publicerade datakällor online eller från tabeller online. Mer information om hur du skapar och arbetar med onlinetabeller finns i Använda onlinetabeller för funktionsservering i realtid.
Krav
- Modellen måste ha loggats med
FeatureEngineeringClient.log_model(för funktionsteknik i Unity Catalog) ellerFeatureStoreClient.log_model(för äldre funktionstjänst för arbetsytor), och kräver v0.3.5 och senare. - För onlinebutiker från tredje part måste onlinebutiken publiceras med skrivskyddade autentiseringsuppgifter.
Anteckning
Du kan publicera funktionstabellen när som helst före modelldistributionen, inklusive efter modellträningen.
Automatisk funktionsökning
Azure Databricks Model Serving har stöd för automatisk funktionssökning från dessa onlinebutiker:
- Databricks Online-tabeller
- Azure Cosmos DB (v0.5.0 och senare)
Automatisk funktionssökning stöds för följande datatyper:
IntegerTypeFloatTypeBooleanTypeStringTypeDoubleTypeLongTypeTimestampTypeDateTypeShortTypeDecimalTypeArrayTypeMapType
Åsidosätta funktionsvärden i poängsättning av onlinemodeller
Alla funktioner som krävs av modellen (loggas med FeatureEngineeringClient.log_model eller FeatureStoreClient.log_model) söks automatiskt upp från onlinebutiker för modellbedömning. Om du vill åsidosätta funktionsvärden vid bedömning av en modell med hjälp av ett REST-API med modellservern inkluderar du funktionsvärdena som en del av API-nyttolasten.
Kommentar
De nya funktionsvärdena måste överensstämma med funktionens datatyp som förväntat av den underliggande modellen.
Spara den förhöjda dataramen i slutsatsdragningstabellen
För slutpunkter som skapats från och med februari 2025 kan du konfigurera en modellbetjänande slutpunkt för att logga den utökade DataFrame som innehåller uppslagsfunktionen och funktionens returvärden. DataFrame sparas i slutsatsdragningstabellen för den betjänade modellen.
Anvisningar om hur du konfigurerar denna konfiguration finns i Loggfunktionssökning DataFrames till inferenstabeller.
Information om slutsatsdragningstabeller finns i inferenstabeller för övervakning och felsökning av modeller.
Exempel på notebook: Unity Catalog
Med Databricks Runtime 13.3 LTS och senare kan alla Delta-tabeller i Unity Catalog med en primärnyckel användas som en funktionstabell. När du använder en tabell som är registrerad i Unity Catalog som en funktionstabell är alla Unity Catalog-funktioner automatiskt tillgängliga för funktionstabellen.
Följande notebook-fil visar hur du publicerar funktioner till onlinetabeller för realtidsservering och automatisk funktionssökning.
Demoanteckningsbok för onlinetabeller
Den här exempelanteckningsboken visar hur du publicerar funktioner i en onlinebutik och sedan servar en tränad modell som automatiskt söker efter funktioner från onlinebutiken.
Exempelanteckningsbok för tredjeparts onlinebutiker (Unity Catalog)
Notebook-exempel: Funktionsarkiv för arbetsyta (äldre)
Den här exempelanteckningsboken visar hur du publicerar funktioner i en onlinebutik och sedan servar en tränad modell som automatiskt söker efter funktioner från onlinebutiken.