Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
O Serviço de Modelo pode pesquisar automaticamente valores de recursos de um Repositório de Recursos do Databricks Online ou de um repositório online de terceiros. Para serviço em tempo real de valores de características, o Databricks recomenda o uso de Repositórios de Características do Databricks Online.
Importante
As tabelas online do Databricks (herdadas) foram preteridas e não estarão acessíveis após 15 de janeiro de 2026. Se você tiver tabelas online existentes, o Databricks recomenda que você as migre para o Databricks Online Feature Store. Consulte sobre a migração de tabelas online herdadas e de terceiros.
Requisitos
- O modelo deve ter sido registrado em
FeatureEngineeringClient.log_model(para Engenharia de Funcionalidades no Catálogo do Unity) ouFeatureStoreClient.log_model(para o Repositório de Funcionalidades do Workspace herdado), requer v0.3.5 e versões posteriores). - Para lojas online de terceiros, a loja online precisa ser publicada com credenciais somente leitura.
Observação
Você pode publicar a tabela de recursos a qualquer momento antes da implantação do modelo, incluindo após o treinamento do modelo.
Pesquisa de recursos automáticos
O Serviço de Modelo do Azure Databricks tem suporte para pesquisa automática de recursos desses armazenamentos online:
- Repositório de Recursos do Databricks Online
- Azure Cosmos DB (v0.5.0 e superior)
Há suporte para a pesquisa automática de recursos para os seguintes tipos de dados:
IntegerTypeFloatTypeBooleanTypeStringTypeDoubleTypeLongTypeTimestampTypeDateTypeShortTypeDecimalTypeArrayTypeMapType
Substituir valores de recurso na pontuação do modelo online
Todos os recursos exigidos pelo modelo (registrados com FeatureEngineeringClient.log_model ou FeatureStoreClient.log_model) são analisados automaticamente em repositórios online quanto à pontuação de modelo. Para substituir os valores dos recursos ao pontuar um modelo usando uma API REST com o Serviço de Modelo, inclua os valores dos recursos como parte da carga útil da API.
Observação
Os novos valores de recurso devem estar em conformidade com o tipo de dados do recurso, conforme o esperado pelo modelo subjacente.
Salvar o DataFrame aumentado na tabela de inferência
Para endpoints criados a partir de fevereiro de 2025, você pode configurar um endpoint de serviço de modelo para registrar o DataFrame enriquecido que contém os valores de características consultadas e os valores de retorno de função. O DataFrame é salvo na tabela de inferência do modelo servido.
Para obter instruções sobre como definir essa configuração, confira Registrar DataFrames de pesquisa de recursos em tabelas de inferência.
Para obter informações sobre tabelas de inferência, consulte tabelas de inferência para modelos de monitoramento e depuração.
Exemplos de notebook: Catálogo do Unity
Com o Databricks Runtime 13.3 LTS e superior, qualquer tabela Delta no Catálogo Unity com uma chave primária pode ser usada como uma tabela de recursos. Quando você usa uma tabela registrada no Catálogo do Unity como uma tabela de recursos, todos os recursos do Catálogo do Unity ficam automaticamente disponíveis para a tabela de recursos.
O notebook a seguir ilustra como publicar recursos em tabelas online para serviço em tempo real e pesquisa automatizada de recursos.
Notebook de demonstração de tabelas online
Este notebook de exemplo ilustra como publicar recursos em um repositório online e fornecer um modelo treinado que pesquisa automaticamente os recursos do repositório online.
Exemplo de notebook da loja online de terceiros (Catálogo do Unity)
Exemplos de bloco de anotações: Repositório de Recursos do Workspace (herdado)
Este notebook de exemplo ilustra como publicar recursos em um repositório online e fornecer um modelo treinado que pesquisa automaticamente os recursos do repositório online.