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.
Wenn Sie Feature Engineering in Unity Catalog verwenden, ist jeder Schritt Ihres Modellentwicklungsprozesses in die Databricks Data Intelligence Platform integriert. Dies bedeutet, dass Sie automatisierte Datenpipelines erstellen können, um Featurewerte zu berechnen und bereitzustellen, während Databricks die Infrastruktur für Sie verarbeitet. Die Databricks-Plattform bietet Echtzeitfunktionen für Features und Modelle, einschließlich On-Demand-Berechnung von Featurewerten.
Automatische Featuresuche
Wenn Sie ein Modell mit dem Databricks Feature Engineering-Client trainieren und es mit Databricks Model Serve bedienen, sucht das Modell automatisch Featurewerte aus einem Databricks Online Feature Store oder einem Onlinespeicher eines Drittanbieters. Dies geschieht automatisch, und es ist kein Setup erforderlich.
Von Bedeutung
Databricks-Onlinetabellen (Legacy) sind veraltet und können nach dem 15. Januar 2026 nicht mehr zugänglich sein. Wenn Sie über Onlinetabellen verfügen, empfiehlt Databricks, diese in den Databricks Online Feature Store zu migrieren. Siehe Migrieren von Legacy- und Drittanbieter-Online-Tabellen.
Wenn eine Bewertungsanforderung das Modell erreicht, ruft Model Serving automatisch die veröffentlichten Featurewerte ab, die vom Modell benötigt werden. Auf diese Weise werden immer die neuesten Featurewerte für Vorhersagen verwendet. Ausführliche Informationen und Beispielnotizbücher finden Sie unter Model Serving mit automatischer Featuresuche.
Das folgende Diagramm veranschaulicht die Beziehung zwischen den Plattformkomponenten für die Echtzeitbereitstellung.
On-Demand-Features
Machine Learning-Modelle für Echtzeitanwendungen erfordern häufig die neuesten Featurewerte. Im im Diagramm gezeigten Beispiel ist ein Feature für ein Restaurantempfehlungsmodell der aktuelle Abstand des Benutzers von einem Restaurant. Dieses Feature muss „nach Bedarf“ berechnet werden, d. h. zum Zeitpunkt der Bewertungsanforderung. Nach Erhalt einer Bewertungsanfrage sucht das Modell den Standort des Restaurants und wendet dann eine vordefinierte Funktion an, um den Abstand zwischen dem aktuellen Standort des Benutzers und dem Restaurant zu berechnen. Diese Entfernung wird zusammen mit anderen vorkompilierten Features aus dem Feature Store als Eingabe an das Modell übergeben. Weitere Informationen finden Sie unter Compute-Features bei Bedarf.