Solução de problemas e limitações
Solução de problemas
Mensagem de erro: Database recommender_system does not exist in the Hive metastore.
Uma tabela de recursos é armazenada como uma tabela Delta. O banco de dados é especificado pelo prefixo do nome da tabela, portanto, uma tabela de recursos Recommendationer_system.customer_features serão armazenados no banco de dados do sistema_recomendador .
Para criar o banco de dados, execute:
%sql CREATE DATABASE IF NOT EXISTS recommender_system;
Mensagem de erro: ModuleNotFoundError: No module named 'databricks.feature_engineering'
ou ModuleNotFoundError: No module named 'databricks.feature_store'
Este erro ocorre quando o databricks-recurso-engenharia não está instalado no Databricks Runtime que você está usando.
databricks-recurso-engenharia está disponível no PyPI e pode ser instalado com:
%pip install databricks-feature-engineering
Mensagem de erro: ModuleNotFoundError: No module named 'databricks.feature_store'
Este erro ocorre quando o databricks-repositório de recursos não está instalado no Databricks Runtime que você está usando.
Observação
Para Databricks Runtime 14.3 e acima, instale databricks-recurso-engenharia via %pip install databricks-feature-engineering
databricks-repositório de recursos está disponível no PyPI e pode ser instalado com:
%pip install databricks-feature-store
Mensagem de erro: Invalid input. Data is not compatible with model signature. Cannot convert non-finite values...'
Este erro pode ocorrer ao usar um modelo de repositório de recursos-pacote no modelo instalado do Databricks. Ao fornecer valores de recursos personalizados em uma entrada para o endpoint, você deve fornecer um valor para o recurso para cada linha na entrada ou para nenhuma linha. Você não pode fornecer valores personalizados para um recurso apenas para algumas linhas.
Limitações
Os clusters do Databricks Runtime ML não são suportados ao usar Delta Live Tables como tabelas de recurso. Em vez disso, use um cluster compartilhado e instale manualmente o cliente usando
pip install databricks-feature-engineering
. O senhor também deve instalar qualquer outro ML biblioteca necessário.%pip install databricks-feature-engineering
A visualização materializada e as tabelas de transmissão são gerenciadas pelo pipeline Delta Live Tables.
fe.write_table()
não os atualiza. Em vez disso, use o pipeline Delta Live Table para atualizar as tabelas.
O armazenamento de recursos workspace não suporta a exclusão de recursos individuais de uma tabela de recursos.
Um máximo de 100 recursos sob demanda podem ser usados em um modelo.
Não há suporte para a publicação do site Delta Live Tables em lojas on-line de terceiros. Use o Databricks Online Tables como um armazenamento on-line.