Feature Storeとモデルサービング
DatabricksオンラインFeature Storeは、Lakebaseを搭載しています。Feature Engineeringクライアントを使用してオンラインストアを作成すると、Databricksは基盤となるストレージバックエンドとしてLakebaseプロジェクトをプロビジョニングし、リアルタイムの機械学習推論のために特徴量データへの低遅延アクセスを提供します。
ユースケース
- 今後のモデル推論 : 最新の特徴値を低遅延でモデルサービング エンドポイントに提供します。 Databricks機能エンジニアリングでトレーニングされたモデルは、機能へのリネージを自動的に追跡し、提供時にUnity Catalog使用して適切なオンライン ストアを見つけます。
- Feature Servingエンドポイント ： Feature Servingエンドポイントを使用して、モデルを使用せずに外部アプリケーションやサービスに機能を直接提供します。
- レコメンデーション システム、不正検出、パーソナライゼーション : オフラインの特徴量テーブルに対する一貫した高スループット機能ルックアップを必要とするアプリケーション。
仕組み
オンライン Feature Store は、オフラインの Unity Catalog 特徴量テーブルから Lakebase プロジェクトにデータを同期します。公開モードを使用して、データの同期頻度を制御します：
- TRIGGERED （デフォルト）：スケジュールまたはAPI経由での増分同期。
- 継続的 ：オフラインテーブルに新しいデータが書き込まれると、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。
- スナップショット ：一度だけ完全なコピーを作成するため、一括更新に効率的です。
オンラインストアは Lakebase プロジェクトであるため、自動コンピュートスケーリング、非アクティブ時のゼロへのスケール、および Unity Catalog ガバナンスのメリットを享受できます。
移行は安全かつシームレスです。
新しいオンライン Feature Store 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 および Model Serving ワークロードは、操作不要でそのまま動作し続けます。
create_online_store および update_online_store インターフェースは、Feature Engineering クライアントを通じて管理されるオンラインストアの場合、調整は必要なく引き続き機能します。なお、プロジェクト API または UI を通じて直接作成されたオートスケール インスタンスでは、update_online_store はサポートされていません。詳細については、制限事項を参照してください。
複数のオンライン Feature Store から特徴量を検索する Feature Serving および Model Serving Endpoint は引き続き機能しますが、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。
実装
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。