Importazione di flussi di dati

L'importazione in streaming ti consente di apportare aggiornamenti in tempo reale ai valori delle caratteristiche. Questo metodo è utile quando la priorità è disporre dei dati più recenti disponibili per la pubblicazione online. Ad esempio, puoi importare i dati degli eventi di streaming e, in pochi secondi, Vertex AI Feature Store (legacy) rende disponibili questi dati per gli scenari di distribuzione online.

Se devi eseguire il backfill dei dati o se calcoli i valori delle caratteristiche in batch, utilizza l'importazione batch. Rispetto alle richieste di importazione in streaming, le richieste di importazione batch possono gestire payload più grandi, ma richiedono più tempo per essere completate.

Per informazioni sul timestamp del valore della funzionalità meno recente che puoi importare, consulta Vertex AI Feature Store (legacy) in Quote e limiti. Non puoi importare valori delle caratteristiche per i quali i timestamp indicano date o ore future.

Caso d'uso di esempio

Un'organizzazione di vendita al dettaglio online potrebbe fornire un'esperienza di acquisto personalizzata utilizzando l'attività corrente di un utente. Man mano che gli utenti navigano nel sito web, puoi acquisire la loro attività in un feature store e poi, poco dopo, utilizzare tutte queste informazioni per le previsioni online. L'importazione e la pubblicazione in tempo reale possono aiutarti a mostrare consigli utili e pertinenti ai clienti durante la sessione di acquisto.

Utilizzo dei nodi di archiviazione online

La scrittura dei valori delle caratteristiche in un archivio online utilizza le risorse CPU di Feature Store (nodi di archiviazione online). Monitora l'utilizzo della CPU per verificare che la domanda non superi l'offerta, il che può causare errori di pubblicazione. Ti consigliamo di mantenere un tasso di utilizzo pari o inferiore al 70% per evitare questi errori. Se superi regolarmente questo valore, puoi aggiornare il feature store per aumentare il numero di nodi o utilizzare la scalabilità automatica. Per saperne di più, consulta Gestire i feature store.

Importazione streaming

Scrivi un valore in una funzionalità specifica. Il valore della funzionalità deve essere incluso nella richiesta di importazione. Non puoi trasmettere dati in streaming direttamente da un'origine dati.

Se stai scrivendo a funzionalità create di recente, attendi qualche minuto prima di farlo perché le nuove funzionalità potrebbero non essere ancora state propagate. In caso contrario, potresti visualizzare un errore resource not found.

Puoi importare i valori delle caratteristiche per una sola entità per scrittura. Per un progetto e una regione specifici, puoi scrivere contemporaneamente i valori delle caratteristiche per più entità all'interno di un massimo di dieci tipi di entità diversi. Questo limite include le richieste di importazione in streaming a tutti gli feature store in un determinato progetto e regione. Se superi questo limite, Vertex AI Feature Store (legacy) potrebbe non scrivere tutti i tuoi dati nell'archivio offline. In questo caso, Vertex AI Feature Store (legacy) registra l'errore in Esplora log. Per ulteriori informazioni, consulta Monitorare gli errori di scrittura dell'archiviazione offline per l'importazione di 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)

Passaggi successivi

• Scopri come monitorare gli errori di scrittura dell'archiviazione offline per l'importazione di streaming.
• Scopri come pubblicare le funzionalità tramite la distribuzione online o la distribuzione batch.
• Risolvi i problemi comuni di Vertex AI Feature Store (legacy).