Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Die Online-Feature Stores von Databricks werden von Lakebase betrieben. Wenn Sie einen Online-Shop mit dem Feature Engineering Client erstellen, stellt Databricks ein Lakebase-Projekt als zugrundeliegendes Speicher-Backend bereit, was Ihnen latenzarmen Zugriff auf Feature-Daten für Echtzeit-ML-Inferenz ermöglicht.
Anwendungsfälle
- Echtzeitmodell-Ableitung: Verwenden Sie die neuesten Featurewerte, um Endpunkte mit geringer Latenz zu modellieren. Mit Databricks Feature Engineering trainierte Modelle verfolgen automatisch die Herkunft ihrer Merkmale und nutzen Unity Catalog, um zum Zeitpunkt der Bereitstellung den entsprechenden Online-Store zu ermitteln.
- Feature-Serving-Endpunkte: Stellen Sie mithilfe von Feature-Serving-Endpunkten Features ohne Modell direkt für externe Anwendungen und Dienste bereit.
- Empfehlungssysteme, Betrugserkennung, Personalisierung: Jede Anwendung, die konsistente Feature-Lookups mit hohem Durchsatz für Offline-Feature-Tabellen erfordert.
So funktioniert es
Online-Feature-Stores synchronisieren Daten aus offline Unity Catalog Feature-Tabellen in ein Lakebase-Projekt. Sie steuern, wie oft Daten mit Veröffentlichungsmodi synchronisiert werden:
- TRIGGERED (Standard): Inkrementelle Synchronisierung in einem Zeitplan oder über API.
- FORTLAUFEND: Streamingpipeline, die den Onlinespeicher aktualisiert, wenn neue Daten in die Offlinetabelle geschrieben werden.
- MOMENTAUFNAHME: Einmalige Vollkopie, effizient für Massenupdates.
Da der Online-Shop ein Lakebase-Projekt ist, profitiert er von automatischer Compute-Skalierung, Skalierung auf null während Inaktivität und Unity Catalog Governance.
Die Migration ist sicher und nahtlos
Neue Online-Feature Stores werden automatisch als Lakebase-Projekte erstellt. Ihre vorhandenen Feature-Store- und Model-Serving-Workloads funktionieren weiterhin, ohne dass Sie etwas tun müssen.
Die create_online_store Und update_online_store Schnittstellen funktionieren weiterhin für Online-Stores, die Sie über den Feature Engineering-Client verwalten, ohne dass Anpassungen erforderlich sind. Beachten Sie, dass update_online_store für Autoscaling-Instanzen, die direkt über die Projects API oder die Benutzeroberfläche erstellt wurden, nicht unterstützt wird. Ausführliche Informationen finden Sie unter "Einschränkungen".
Hinweis
Feature Serving und Model Serving Endpunkte, die Funktionen aus mehreren Online-Feature-Stores suchen, funktionieren weiterhin, aber auf Lakebase können Sie keine neuen Setups wie diese erstellen. Ausführliche Informationen finden Sie unter "Einschränkungen".
Implementation
Vollständige Einrichtungsanweisungen, API-Referenz und Notizbuchbeispiele finden Sie unter Databricks Online Feature Stores.