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.
Für die Echtzeitbereitstellung von Featurewerten empfiehlt Databricks die Verwendung von Databricks Online Feature Stores.
In diesem Artikel wird beschrieben, wie Sie mit Online-Stores von Drittanbietern für die Echtzeitbereitstellung von Featurewerten arbeiten. Mit Echtzeitbereitstellung veröffentlichen Sie Featuretabellen in einer Datenbank mit geringer Latenz und stellen das Modell oder die Featurespezifikation auf einem REST-Endpunkt bereit.
Der Databricks Feature-Store unterstützt auch die automatische Featuresuche. In diesem Fall enthalten die vom Client bereitgestellten Eingabewerte Werte, die zum Zeitpunkt der Ableitung nur verfügbar sind. Das Modell enthält Logik, um die benötigten Featurewerte automatisch aus den bereitgestellten Eingabewerten abzurufen.
Das Diagramm veranschaulicht die Beziehung zwischen MLflow- und Feature Store-Komponenten für die Echtzeitbereitstellung.
Der Databricks Feature Store unterstützt diese Online-Stores:
| Online-Shop-Anbieter | Veröffentlichen mit Feature Engineering im Unity-Katalog | Veröffentlichen mit Legacy Workspace Feature Store | Featuresuche im Legacy-MLflow-Modell-Serving | Feature-Abfrage in der Modellbereitstellung |
|---|---|---|---|---|
| Azure Cosmos DB [1] | X | X (Feature Store-Client v0.5.0 und höher) | X | X |
| Azure MySQL (Single Server) | X | X | ||
| Azure SQL Server | X |
[1] Wichtige Informationen zu Cosmos DB-Anforderungen finden Sie in den Kompatibilitätshinweisen zu Cosmos DB.
Beginnen Sie mit der Verwendung von Online-Stores
Lesen Sie die folgenden Artikel, um mit Online-Stores zu beginnen: