Usar recurso no fluxo de trabalho on-line

Quando o senhor usa o recurso engenharia em Unity Catalog, cada passo do seu processo de desenvolvimento de modelos é integrado à Databricks Data Intelligence Platform. Isso significa que o senhor pode criar um pipeline automatizado de dados para compute e fornecer valores de recurso enquanto o Databricks cuida da infraestrutura para o senhor. A plataforma Databricks oferece serviço de tempo real para recurso e modelos, incluindo o cálculo sob demanda de valores de recurso.

Pesquisa automática de recursos

Quando o senhor ensina um modelo usando Databricks recurso engenharia e o serve com Databricks servindo modelo, o modelo procura automaticamente valores de recurso em Databricks tabelas on-line ou em lojas on-line de terceiros. Isso acontece automaticamente, sem necessidade de configuração.

Quando uma solicitação de pontuação chega ao modelo, o servindo modelo recupera automaticamente os valores de recurso publicados necessários ao modelo. Dessa forma, os valores de recurso mais recentes são sempre usados para as previsões. Para obter detalhes e exemplos de Notebook, consulte Pesquisa automática de recurso com Databricks servindo modelo.

O diagrama a seguir ilustra a relação entre os componentes da plataforma para atendimento em tempo real.

repositório de recursos fluxo de trabalho with online lookup

Recurso sob demanda

Os aplicativos reais do modelo do machine learning for tempo geralmente exigem os valores de recurso mais recentes. No exemplo mostrado no diagrama, um recurso para um modelo de recomendação de restaurante é a distância atual do usuário em relação a um restaurante. Esse recurso deve ser calculado "sob demanda", ou seja, no momento da solicitação de pontuação. Ao receber uma solicitação de pontuação, o modelo procura a localização do restaurante e, em seguida, aplica uma função predefinida para calcular a distância entre a localização atual do usuário e o restaurante. Essa distância é passada como uma entrada para o modelo, juntamente com outros recursos pré-computados do repositório de recursos. Para obter mais informações, consulte compute recurso on-demand.

compute recurso on demand fluxo de trabalho