トラブルシューティングと制限事項

トラブルシューティング

「データベース recommender_system はHive metastoreに存在しません。」

特徴量テーブルは Delta テーブルとして格納されます。データベースはテーブル名のプレフィックスで指定されるため、特徴量テーブル recommender_system.customer_features は recommender_system データベースに格納されます。

データベースを作成するには、次のコマンドを実行します。

%sql CREATE DATABASE IF NOT EXISTS recommender_system;

"ModuleNotFoundError: 'databricks.feature_engineering' という名前のモジュールが見つかりません"または「ModuleNotFoundError: 'databricks.feature_store' という名前のモジュールが見つかりません」

このエラーは、使用している Databricks Runtime に databricks-feature-engineeringがインストールされていない場合に発生します。

databricks-feature-engineering は PyPIで使用でき、次のものと共にインストールできます。

%pip install databricks-feature-engineering

"ModuleNotFoundError: 'databricks.feature_store' という名前のモジュールが見つかりません"

このエラーは、使用している Databricks Runtime に databricks-feature-store がインストールされていない場合に発生します。

注記

Databricks Runtime 14.3 以降の場合は、代わりに databricks-feature-engineeringを %pip install databricks-feature-engineering

databricks-feature-store は PyPI で利用でき、以下を使用してインストールできます。

%pip install databricks-feature-store

無効な入力です。データがモデル署名と互換性がありません。非有限値を変換できません...

このエラーは、モデルサービングでFeature Storeパッケージ化されたモデルを使用するときに発生する可能性があります。エンドポイントへの入力でカスタム機能値を指定する場合、入力の各行に対して機能の値を指定するか、行を指定しないかのどちらかを選択する必要があります。一部の行のみに機能のカスタム値を指定することはできません。

制限

FeatureSpec には最大 1000 個の機能を含めることができます。単一の FeatureSpec で多数の機能を使用するとFeature Servingレイテンシが増加する可能性があります。
モデルをトレーニングするために最大 50 のテーブルを使用できます。
モデル内で使用できるオンデマンド機能は最大100個です。
Lakeflow Spark宣言型パイプラインを特徴量テーブルとして使用する場合、 Databricks Runtime MLクラスターはサポートされません。代わりに、標準アクセスモードのコンピュートリソースを使用し、 pip install databricks-feature-engineeringを使用してクライアントを手動でインストールします。その他の必要な ML ライブラリもインストールする必要があります。
Python
```
%pip install databricks-feature-engineering
```
Databricks レガシーワークスペース Feature Store は、特徴量テーブルからの個々のフィーチャの削除をサポートしていません。
Feature Store API は、Feature Store でパッケージ化されたモデルのバッチスコアリングをサポートします。オンライン推論はサポートされていません。
第三者のオンラインストアはサポートされていません。