Impor streaming

Impor streaming memungkinkan Anda membuat update real-time pada nilai fitur. Metode ini berguna jika memiliki data terbaru yang tersedia untuk penayangan online menjadi prioritas. Misalnya, Anda dapat mengimpor data peristiwa streaming dan, dalam beberapa detik, Vertex AI Feature Store (Lama) akan menyediakan data tersebut untuk skenario penyaluran online.

Jika Anda harus mengisi ulang data atau menghitung nilai fitur secara massal, gunakan impor batch. Dibandingkan dengan permintaan impor streaming, permintaan impor batch dapat menangani payload yang lebih besar, tetapi memerlukan waktu lebih lama untuk menyelesaikan tugas.

Untuk mengetahui informasi tentang stempel waktu nilai fitur terlama yang dapat Anda impor, lihat Vertex AI Feature Store (Lama) di Kuota dan batas. Anda tidak dapat mengimpor nilai fitur yang stempel waktunya menunjukkan tanggal atau waktu mendatang.

Contoh kasus penggunaan

Organisasi retail online dapat memberikan pengalaman belanja yang dipersonalisasi dengan memanfaatkan aktivitas terkini pengguna. Saat pengguna menjelajahi situs, Anda dapat merekam aktivitas mereka ke dalam featurestore, kemudian menampilkan semua informasi tersebut untuk prediksi online. Impor dan penayangan real-time ini dapat membantu Anda menampilkan rekomendasi yang bermanfaat dan relevan kepada pelanggan selama sesi belanja mereka.

Penggunaan node penyimpanan online

Penulisan nilai fitur ke penyimpanan online menggunakan resource CPU featurestore (node penyimpanan online). Pantau penggunaan CPU Anda untuk memastikan permintaan tidak melebihi pasokan, yang dapat menyebabkan error penyaluran. Kami merekomendasikan tingkat penggunaan maksimal 70% untuk menghindari error ini. Jika nilai tersebut terlampaui secara rutin, Anda dapat mengupdate featurestore untuk meningkatkan jumlah node atau menggunakan penskalaan otomatis. Untuk informasi selengkapnya, lihat Mengelola featurestore.

Impor streaming

Tulis nilai ke sebuah fitur tertentu. Nilai fitur ini harus disertakan sebagai bagian dari permintaan impor. Anda tidak dapat men-streaming data dari sebuah sumber data secara langsung.

Jika Anda menulis ke fitur yang baru dibuat, tunggu beberapa menit sebelum melakukannya karena fitur baru mungkin belum diterapkan. Jika tidak menunggu, Anda mungkin akan melihat error resource not found.

Anda hanya dapat mengimpor nilai fitur untuk satu entity per penulisan. Untuk setiap project dan region tertentu, Anda dapat menulis nilai fitur untuk beberapa entity secara bersamaan dalam maksimum sepuluh jenis entity berbeda. Batas ini mencakup permintaan impor streaming ke semua featurestore di project dan region tertentu. Jika Anda melebihi batas ini, Vertex AI Feature Store (Lama) mungkin tidak menulis semua data Anda ke penyimpanan offline. Jika hal ini terjadi, Vertex AI Feature Store (Lama) akan mencatat error di Logs Explorer. Untuk mengetahui informasi selengkapnya, lihat Memantau error penulisan penyimpanan offline untuk impor streaming.

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT/locations/LOCATION/featurestores/FEATURESTORE_ID/entityTypes/ENTITY_TYPE_ID:writeFeatureValues

{
  "payloads": [
    {
      "entityId": "ENTITY_ID",
      "featureValues": {
        "FEATURE_ID": {
          "VALUE_TYPE": VALUE,
          "metadata": {"generate_time": "TIME_STAMP"}
        }
      }
    }
  ]
}

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT/locations/LOCATION/featurestores/FEATURESTORE_ID/entityTypes/ENTITY_TYPE_ID:writeFeatureValues"

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT/locations/LOCATION/featurestores/FEATURESTORE_ID/entityTypes/ENTITY_TYPE_ID:writeFeatureValues" | Select-Object -Expand Content

from google.cloud import aiplatform


def write_feature_values_sample(
    project: str, location: str, entity_type_id: str, featurestore_id: str
):

    aiplatform.init(project=project, location=location)

    my_entity_type = aiplatform.featurestore.EntityType(
        entity_type_name=entity_type_id, featurestore_id=featurestore_id
    )

    my_data = {
        "movie_01": {
            "title": "The Shawshank Redemption",
            "average_rating": 4.7,
            "genre": "Drama",
        },
    }

    my_entity_type.write_feature_values(instances=my_data)

Langkah berikutnya

• Pelajari cara memantau error penulisan ke penyimpanan offline untuk impor streaming.
• Pelajari cara menayangkan fitur melalui penyaluran online atau penyaluran batch.
• Memecahkan masalah umum terkait Vertex AI Feature Store (Lama).