DatabricksのオンラインフィーチャーストアはLakebaseによって機能しています。 Feature Engineeringクライアントで オンラインストアを作成する と、DatabricksはLakebaseプロジェクトを基盤となるストレージバックエンドとしてプロビジョニングし、リアルタイムのML推論のために低遅延でフィーチャーデータへのアクセスを提供します。
利用事例
- リアルタイム モデル推論: 最新の機能値を提供して、待ち時間の短い エンドポイントを提供するモデル を提供します。 Databricks Feature Engineering でトレーニングされたモデルは、機能の系列を自動的に追跡し、Unity カタログを使用して、サービス時に適切なオンライン ストアを検索します。
- 機能提供エンドポイント: フィーチャー サービス エンドポイントを使用して、モデルなしで外部のアプリケーションやサービスに直接機能を提供します。
- 推奨事項システム、不正検出、パーソナル化: オフライン機能テーブルに対して一貫性のある高スループットの機能参照を必要とするアプリケーション。
どのように機能するのか
オンラインフィーチャーストアは、オフラインのUnity CatalogフィーチャーテーブルからLakebaseプロジェクトにデータを同期します。 発行モードを使用して、データ同期の頻度を制御します。
- TRIGGERED (既定): スケジュールに従って、または API を介して増分同期を行います。
- CONTINUOUS: 新しいデータがオフライン テーブルに書き込まれると、オンライン ストアを更新するストリーミング パイプライン。
- SNAPSHOT: 一括更新に効率的な 1 回限りの完全コピー。
オンラインストアはLakebaseプロジェクトであるため、自動計算スケーリング、非活動時のゼロへのスケーリング、そしてUnity Catalogガバナンスの恩恵を受けています。
移行は安全でシームレスです
新しいオンラインフィーチャーストアは自動的にLakebaseプロジェクトとして作成されます。 既存の Feature Store ワークロードと Model Serving ワークロードは、アクションを必要とせず引き続き動作します。
create_online_storeインターフェイスとupdate_online_store インターフェイスは、フィーチャー エンジニアリング クライアントを通じて管理するオンライン ストアで引き続き機能します。調整は必要ありません。
update_online_storeは、プロジェクト API または UI を介して直接作成された自動スケール インスタンスではサポートされないことに注意してください。 詳細については、「 制限事項」を参照してください。
注
複数のオンラインフィーチャーストアからフィーチャーを検索するFeature ServingやModel Serservingエンドポイントは引き続き動作しますが、Lakebase上でこのような新しいセットアップを作成することはできません。 詳細については、「 制限事項」を参照してください。
Implementation
完全なセットアップ手順、API リファレンス、ノートブックの例については、 Databricks Online Feature Store を参照してください。