Databricks Feature Serving を使用すると、Databricks プラットフォーム内のデータを、Azure Databricksの外部にデプロイされたモデルまたはアプリケーションで使用できるようになります。 Online Feature Store に Feature Views または feature tables を使用してデータを同期し、その後、フィーチャーを FeatureSpec にバンドルして、フィーチャーサービングエンドポイント を通じて提供できます。
機能提供エンドポイントとモデル提供エンドポイントの両方は、同じインフラストラクチャによって支えられているため、オートスケーリング、高可用性、監視、ルーティングの最適化などの機能を共有しています。
Databricksは特徴量のサービングのために3つのオプションを提供しています:
- モデルサービスエンドポイント には、Feature Engineeringクライアント経由でログされたモデルに対して 自動フィーチャールックアップ が組み込まれています。 モデルのトレーニングと登録を行うと、Databricks は特徴量のリネージをキャプチャし、モデル提供要求の一環として自動的にルックアップを実行します。
- フィーチャーサービスエンドポイント は、Databricks外のフィーチャ、例えば外部ホストモデルやルールエンジンなどで利用する際に最適です。 エンドポイントは特徴量を直接返し、特徴量検索とオンデマンド特徴量計算を単一のリクエストで組み合わせることができます。
- Lakebase への直接クエリは、1 ミリ秒単位の遅延が重要となるレイテンシーに影響を受けやすい特徴量の検索や、Databricks のモデルサービング外で特徴量を利用する際に、最適な選択肢となる可能性があります。 オンラインストアを作成し、正しい同期(フィーチャービューのマテリアル化 、フィーチャーテーブルの 公開 )を設定し、他のデータベースと同様にLakebaseをクエリしてください。 このパターンは、Sawtoothフィーチャービュー、オンデマンド機能、または64文字を超えるフィーチャー名をサポートしていません。
特徴の自動検索
Databricks Feature Store を使用してモデルをトレーニングし、Databricks Model Serving で提供すると、モデルは Databricks Online Feature Store または サード パーティのオンライン ストアから機能値を自動的に検索します。 これは自動的に行われ、セットアップの必要はありません。
モデルにスコアリング要求が送られてくると、Model Serving はモデルに必要な公開された特徴量の値を自動的に取得します。 この方法では、常に最新の特徴量値が予測に使われます。 詳細とノートブックの例については、「 自動機能検索を使用したモデル サービス」を参照してください。
次の図は、リアルタイム提供のためのプラットフォーム コンポーネント間の関係を示したものです。
エンドポイントを提供する機能
Databricks 以外でモデルを実行するお客様にとって、特徴量データの提供機能は、Lakehouse から事前にマテリアライズされた特徴量データとオンデマンドの特徴量を同時に提供する単一のインターフェースとなります。 これには、次のような利点もあります。
- 簡単さ。 Databricks がインフラストラクチャを処理します。 1 回の API 呼び出しで、Databricks が運用環境に対応したサービス環境を作成します。
- 高可用性およびスケーラビリティ。 Feature Serving エンドポイントは、サービス要求の量に合わせて自動的にスケールアップおよびスケールダウンします。
- セキュリティ。 エンドポイントはセキュリティで保護されたネットワーク境界にデプロイされ、エンドポイントが削除されるか、ゼロにスケーリングされたときに終了する専用コンピューティングを使用します。
オンデマンド機能
リアルタイム アプリケーションの機械学習モデルでは、最新の特徴量の値が必要になることがよくあります。 図に示す例では、レストランのレコメンデーション モデルの 1 つの特徴は、レストランからのユーザーの現在の距離です。 この機能は、"オンデマンド" (スコア付け要求時) に計算する必要があります。 スコアリング要求を受け取ると、モデルはレストランの場所を検索し、定義済みの関数を適用して、ユーザーの現在の場所とレストランの間の距離を計算します。 この距離は、特徴量ストアの他の事前計算済み特徴量と共に、モデルへの入力として渡されます。
詳細については、「オンデマンドで特徴量をコンピュートする」を参照してください。
