ทำให้ฟีเจอร์พร้อมใช้ในคลังข้อมูลออนไลน์
ส่งฟีเจอร์ไปเตรียมไว้ให้พร้อมด้วยเวลาแฝงต่ำ
ทำให้ฟีเจอร์พร้อมใช้ในคลังข้อมูลออนไลน์ เป็นบทเรียน MLOps Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 3 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน MLOps Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน
เหตุใดจึงต้องทำให้เป็นรูปธรรม
ฟีเจอร์ของคุณอยู่ในที่จัดเก็บแบบชุด แต่การทำนายต้องใช้ฟีเจอร์เหล่านี้ภายใน มิลลิวินาที การทำให้เป็นรูปธรรมจะคัดลอกค่าล่าสุดไปไว้ในสโตร์ออนไลน์ที่รวดเร็ว ⚡
ออฟไลน์ช้าเกินไป
สโตร์ออฟไลน์เหมาะสำหรับประวัติข้อมูล แต่การสแกน Parquet ตอนมีคำขอจะช้าเกินไปสำหรับการให้บริการแบบสด
สโตร์ออนไลน์
สโตร์ออนไลน์คือฐานข้อมูลคีย์-ค่า ซึ่งมักใช้ Redis และส่งคืนฟีเจอร์ล่าสุดของเอนทิตีได้แทบจะทันที
เก็บเฉพาะค่าล่าสุด
สโตร์ออนไลน์เก็บเฉพาะค่า ล่าสุดที่สุดของแต่ละเอนทิตี ไม่ใช่เส้นเวลาทั้งหมด สโตร์นี้ได้รับการปรับให้เหมาะกับปัจจุบัน ไม่ใช่อดีต
เรียกใช้การทำให้เป็นรูปธรรม
คำสั่ง feast materialize จะย้ายค่าฟีเจอร์จากสโตร์ออฟไลน์ไปยังสโตร์ออนไลน์ตามช่วงเวลา
feast materialize 2024-01-01T00:00:00 2024-01-02T00:00:00อัปเดตแบบเพิ่มทีละส่วน
ใช้ materialize-incremental เพื่อโหลดเฉพาะข้อมูลใหม่ตั้งแต่การเรียกใช้ครั้งก่อน จึงไม่ต้องประมวลผลทุกอย่างใหม่ในแต่ละครั้ง
feast materialize-incremental $(date +%Y-%m-%dT%H:%M:%S)รักษาความใหม่ของข้อมูล
ตั้งเวลาการทำให้เป็นรูปธรรมด้วย cron เพื่อให้สโตร์ออนไลน์ยังคง เป็นข้อมูลล่าสุด ฟีเจอร์ที่ล้าสมัยจะลดคุณภาพการทำนายโดยไม่รู้ตัว
อ่านค่าขณะให้บริการ
ขณะทำนาย ให้เรียกใช้ get_online_features พร้อมแถวเอนทิตีที่คุณต้องการ แล้ว Feast จะส่งคืนค่าที่พร้อมใช้งาน
store.get_online_features(features=["driver_stats:conv_rate"], entity_rows=[{"driver_id": 1001}])แปลงเป็นดิกชันนารี
เรียกใช้ to_dict กับผลลัพธ์เพื่อรับดิกชันนารี Python แบบธรรมดา ซึ่งคุณสามารถส่งต่อให้โมเดลได้โดยตรง
feature_vector = response.to_dict()ระวัง TTL
หากฟีเจอร์มีอายุมากกว่า ttl ของฟีเจอร์นั้น Feast จะส่งคืนค่า null ทางออนไลน์ นี่เป็นสัญญาณว่าคุณควรทำให้เป็นรูปธรรมบ่อยขึ้น
เส้นทางออนไลน์
ดังนั้นลำดับการทำงานคือ เขียนฟีเจอร์ บันทึกฟีเจอร์ลงในคลังออนไลน์ แล้วอ่านฟีเจอร์ได้อย่างรวดเร็วสำหรับแต่ละคำขอ ขั้นตอนสุดท้ายนี่เองที่ทำให้การให้บริการแบบเรียลไทม์ทำงานได้ 🚀
ตรวจสอบอย่างรวดเร็ว
คำสั่งใดใช้โหลดฟีเจอร์เข้าสู่คลังออนไลน์
สรุปทบทวน
คุณได้บันทึกฟีเจอร์ลงในคลังออนไลน์ที่รวดเร็ว ทำให้ฟีเจอร์เป็นข้อมูลล่าสุดด้วยการโหลดแบบเพิ่มทีละส่วน และอ่านฟีเจอร์ขณะให้บริการด้วย get_online_features ต่อไป คุณจะได้เรียนรู้การจัดการเวลาให้ถูกต้องอย่างแม่นยำ
คำถามที่พบบ่อย
บทเรียน “ทำให้ฟีเจอร์พร้อมใช้ในคลังข้อมูลออนไลน์” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “ทำให้ฟีเจอร์พร้อมใช้ในคลังข้อมูลออนไลน์” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส MLOps Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส MLOps Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “ทำให้ฟีเจอร์พร้อมใช้ในคลังข้อมูลออนไลน์”
ส่งฟีเจอร์ไปเตรียมไว้ให้พร้อมด้วยเวลาแฝงต่ำ คุณปฏิบัติ MLOps Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน MLOps Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน MLOps Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 3 จากทั้งหมด 4 บทเรียน
บทเรียน “ทำให้ฟีเจอร์พร้อมใช้ในคลังข้อมูลออนไลน์” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน MLOps Academy นี้ได้ไหม
ได้ บทเรียน MLOps Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- เหตุใดจึงมีคลังฟีเจอร์
- กำหนดมุมมองฟีเจอร์ด้วย Feast
- ทำให้ฟีเจอร์พร้อมใช้ในคลังข้อมูลออนไลน์
- ดึงฟีเจอร์ที่ถูกต้องตามช่วงเวลา