Poängräkning i realtid med sp_rxPredict i SQL Server

gäller för: SQL Server 2016 (13.x) och senare versioner

Lär dig hur du utför poängräkning i realtid med sp_rxPredict systemlagrad procedur i SQL Server för högpresterande prognoser eller poäng vid prognostisering av arbetsbelastningar.

Poängsättning i realtid med sp_rxPredict är språkoberoende och kan köras utan beroenden av körmiljöerna R eller Python i strojové učenie Services. Med en modell skapad och tränad med Microsoft-funktioner och serialiserad till ett binärt format i SQL Server kan du använda realtidspoäng för att generera förutsagda resultat på nya dataindata på SQL Server-instanser som inte har tillägget R eller Python installerat.

Hur realtidspoängsättning fungerar

Poängsättning i realtid stöds på specifika modelltyper baserade på funktioner i RevoScaleR eller MicrosoftML i R, eller revoscalepy eller microsoftml i Python. Den använder inbyggda C++-bibliotek för att generera poäng baserat på användarinput som tillhandahålls till en maskininlärningsmodell lagrad i ett särskilt binärt format.

Eftersom en tränad modell kan användas för poängräkning utan att behöva anropa en extern språkkörning i strojové učenie Services, minskas overheaden för flera processer.

Poängräkning i realtid är en flerstegsprocess:

1. Du aktiverar den lagrade proceduren som gör poängsättningen per databas.
2. Du laddar den förtränade modellen i binärt format.
3. Du tillhandahåller ny indata som ska poängsättas, antingen tabell- eller enkelrads, som indata till modellen.
4. För att generera poäng, anropa den sp_rxPredict lagrade proceduren.

Förutsättningar

• Aktivera SQL Server CLR-integration.

• Aktivera poängräkning i realtid.

• Modellen måste tränas i förväg med hjälp av en av de rx-algoritmer som stöds. För detaljer, se Stödda algoritmer för sp_rxPredict.

• Serialisera modellen med rxSerialize för R eller rx_serialize_model för Python. Dessa serialiseringsfunktioner har optimerats för att stödja snabb bedömning.

• Spara modellen i databasmotorinstansen där du vill anropa den. Denna instans behöver inte ha R- eller Python-runtime-tillägget.

Möjliggör poängräkning i realtid

Aktivera denna funktion för varje databas du vill använda för poängräkning. Serveradministratören bör köra kommandoradsverktyget RegisterRExt.exe, som ingår i RevoScaleR-paketet.

1. Öppna en upphöjd kommandoprompt och navigera till mappen där RegisterRExt.exe finns. Följande sökväg kan användas i en standardinstallation:

   <SQLInstancePath>\R_SERVICES\library\RevoScaleR\rxLibs\x64\

2. Kör följande kommando, och byt ut namnet på din instans och måldatabasen där du vill aktivera de utökade lagrade procedurerna:

   RegisterRExt.exe /installRts [/instance:name] /database:databasename

   Till exempel, för att lägga till den utökade lagrade proceduren i CLRPredict-databasen på standardinstansen, skriv:

   RegisterRExt.exe /installRts /database:CLRPRedict

   Instansnamnet är valfritt om databasen är på standardinstansen. Om du använder en namngiven instans, ange instansnamnet.

3. RegisterRExt.exe skapar följande objekt:

   • Betrodda sammanställningar
   • Den lagrade proceduren sp_rxPredict
   • En ny databasroll, rxpredict_users. Databasadministratören kan använda denna roll för att ge behörighet till användare som använder funktionen för realtidspoängsättning.

4. Lägg till alla användare som behöver köra sp_rxPredict i den nya rollen.

Inaktivera poängräkning i realtid

För att inaktivera realtidspoäng, öppna en upphöjd kommandoprompt och kör följande kommando: RegisterRExt.exe /uninstallrts /database:<database_name> [/instance:name]

Example

Detta exempel beskriver stegen som krävs för att förbereda och spara en modell för realtidsprediktion , och ger ett exempel i R på hur man anropar funktionen från T-SQL.

Steg 1. Förbereda och spara modellen

Det binära format som krävs av sp_rxPredict är detsamma som formatet som krävs för att använda PREDICT-funktionen. Därför, inkludera i din R-kod ett anrop till rxSerializeModel, och se till att specificera realtimeScoringOnly = TRUE, som i detta exempel:

model <- rxSerializeModel(model.name, realtimeScoringOnly = TRUE)

Steg 2. Ring sp_rxPredict

Du kallar sp_rxPredict som vilken annan lagrad procedur som helst. I den nuvarande versionen tar den lagrade proceduren endast två parametrar: @model för modellen i binärt format och @inputData för datan att använda i poängräkningen, definierad som en giltig SQL-fråga.

Eftersom det binära formatet är detsamma som används av PREDICT-funktionen kan du använda modellerna och datatabellen från föregående exempel.

DECLARE @irismodel varbinary(max)
SELECT @irismodel = [native_model_object] from [ml_models]
WHERE model_name = 'iris.dtree' 
AND model_version = 'v1'

EXEC sp_rxPredict
@model = @irismodel,
@inputData = N'SELECT * FROM iris_rx_data'

Relaterat innehåll

• Inbyggd poängsättning med hjälp av PREDICT T-SQL-funktionen med SQL maskininlärning
• sp_rxPredict
• SQL-maskininlärning