Criar um grupo de elementos

Mantenha tudo organizado com as coleções Salve e categorize o conteúdo com base nas suas preferências.

Console

Use as instruções a seguir para criar um grupo de recursos usando o console do Google Cloud.

1. Na seção Vertex AI do console do Google Cloud, acesse a página Feature Store.

   Acessar a página da Feature Store

2. Na seção Grupos de recursos, clique em Criar para abrir o painel Informações básicas na página Criar grupo de recursos.

3. Especifique o Nome do grupo de recursos.

4. Opcional: para adicionar rótulos, clique em Adicionar rótulo e especifique o nome e o valor do rótulo. É possível adicionar vários rótulos a um grupo de recursos.

5. No campo Caminho do BigQuery, clique em Procurar para selecionar a tabela ou visualização de origem do BigQuery a ser associada ao grupo de recursos.

6. Na lista Coluna de ID da entidade, selecione as colunas de ID da entidade da tabela ou visualização de origem do BigQuery.

   Isso é opcional se a tabela ou visualização de origem do BigQuery tiver uma coluna chamada entity_id. Nesse caso, se você não selecionar uma coluna de ID da entidade, o grupo de recursos vai usar a coluna entity_id como a coluna de ID da entidade padrão.

7. Clique em Continuar.

8. No painel Registrar, clique em uma das seguintes opções para indicar se você quer adicionar recursos ao novo grupo de recursos:

   • Incluir todas as colunas da tabela do BigQuery: crie recursos no grupo de recursos para todas as colunas na tabela ou visualização de origem do BigQuery.

   • Inserir recursos manualmente: crie recursos com base em colunas específicas na origem do BigQuery. Para cada recurso, insira um Nome do recurso e clique no nome da coluna de origem do BigQuery correspondente na lista.

     Para adicionar mais elementos, clique em Adicionar outro recurso.

   • Criar um grupo de recursos vazio: cria o grupo de recursos sem adicionar funcionalidades a ele.

9. Clique em Criar.

SDK da Vertex AI para Python

Para saber como instalar o SDK da Vertex AI para Python, consulte Instalar o SDK da Vertex AI para Python. Saiba mais na documentação de referência da API SDK da Vertex AI para Python.

from google.cloud import aiplatform
from vertexai.resources.preview import feature_store
from typing import List


def create_feature_group_sample(
    project: str,
    location: str,
    feature_group_id: str,
    bq_table_uri: str,
    entity_id_columns: List[str],
):
    aiplatform.init(project=project, location=location)
    fg = feature_store.FeatureGroup.create(
        name=feature_group_id,
        source=feature_store.utils.FeatureGroupBigQuerySource(
            uri=bq_table_uri, entity_id_columns=entity_id_columns
        ),
    )
    return fg

• project: o ID do projeto.
• location: região em que você quer criar o grupo de recursos, como us-central1.
• feature_group_id: o nome do novo grupo de recursos que você quer criar.
• bq_table_uri: URI da tabela de origem ou visualização do BigQuery que você quer registrar para o grupo de recursos.
• entity_id_columns: os nomes das colunas que contêm os IDs das entidades. É possível especificar uma ou várias colunas.
  • Para especificar apenas uma coluna de IDs das entidades, especifique o nome da coluna no seguinte formato:
    "entity_id_column_name".
  • Para especificar várias colunas de IDs das entidades, especifique os nomes das colunas no seguinte formato:
    ["entity_id_column_1_name", "entity_id_column_2_name", ...].

REST

Para criar um recurso FeatureGroup, envie uma solicitação POST usando o método featureGroups.create.

Antes de usar os dados da solicitação abaixo, faça as substituições a seguir:

• LOCATION_ID: região em que você quer criar o grupo de recursos, como us-central1.
• ENTITY_ID_COLUMNS: os nomes das colunas que contêm os IDs das entidades. É possível especificar uma ou várias colunas.
  • Para especificar apenas uma coluna de IDs das entidades, especifique o nome da coluna no seguinte formato:
    "entity_id_column_name".
  • Para especificar várias colunas de IDs das entidades, especifique os nomes das colunas no seguinte formato:
    ["entity_id_column_1_name", "entity_id_column_2_name", ...].
• PROJECT_ID: o ID do projeto.
• FEATUREGROUP_NAME: o nome do novo grupo de recursos que você quer criar.
• BIGQUERY_SOURCE_URI: URI da tabela de origem ou visualização do BigQuery que você quer registrar para o grupo de recursos.
• TIMESTAMP_COLUMN: opcional. Especifique o nome da coluna que contém os carimbos de data/hora do recurso na tabela ou visualização de origem do BigQuery.
  É necessário especificar o nome da coluna de carimbo de data/hora somente se os dados estiverem formatados como uma série temporal e a coluna que contém os carimbos de data/hora do recurso não tiver o nome feature_timestamp.
  
• STATIC_DATA_SOURCE: opcional. Insira true se os dados não estiverem formatados como uma série temporal. A configuração padrão é false.
  
• DENSE: opcional. Indica como o Vertex AI Feature Store processa valores nulos ao exibir dados de visualizações de recursos associadas ao grupo de recursos:
  • false: é a configuração padrão. A Feature Store da Vertex AI mostra apenas os valores de atributos não nulos mais recentes. Se o valor mais recente de um recurso for nulo, o Vertex AI Feature Store vai exibir o valor histórico não nulo mais recente. No entanto, se os valores atuais e históricos desse recurso forem nulos, o Feature Store da Vertex AI vai exibir nulo como o valor do recurso.
  • true: para visualizações de recursos com sincronização de dados programada, a Feature Store da Vertex AI exibe apenas os valores de recursos mais recentes, incluindo valores nulos. Para visualizações de recursos com sincronização contínua de dados, a Feature Store da Vertex AI mostra apenas os valores de atributos não nulos mais recentes. No entanto, se os valores atuais e históricos do recurso forem nulos, o Feature Store da Vertex AI vai usar nulo como o valor do recurso. Para mais informações sobre os tipos de sincronização de dados e como configurar o tipo de sincronização de dados em uma visualização de recursos, consulte Sincronizar os dados em uma visualização de recursos.

Método HTTP e URL:

POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups?feature_group_id=FEATUREGROUP_NAME

Corpo JSON da solicitação:

{
  "big_query": {
    "entity_id_columns": "ENTITY_ID_COLUMNS",
    "big_query_source": {
      "input_uri": "BIGQUERY_SOURCE_URI",
    }
    "time_series": {
      "timestamp_column": ""TIMESTAMP_COLUMN"",
    },
    "static_data_source": STATIC_DATA_SOURCE,
    "dense": DENSE
  }
}

Para enviar a solicitação, escolha uma destas opções:

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups?feature_group_id=FEATUREGROUP_NAME"

$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_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups?feature_group_id=FEATUREGROUP_NAME" | Select-Object -Expand Content

Você receberá uma resposta JSON semelhante a esta:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featureGroups/FEATUREGROUP_NAME/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1.UpdateFeatureGroupOperationMetadata",
    "genericMetadata": {
      "createTime": "2023-09-18T03:00:13.060636Z",
      "updateTime": "2023-09-18T03:00:13.060636Z"
    }
  }
}

REST

Para criar um recurso FeatureGroup, envie uma solicitação POST usando o método featureGroups.create.

Antes de usar os dados da solicitação abaixo, faça as substituições a seguir:

• LOCATION_ID: região em que você quer criar o grupo de recursos, como us-central1.
• SERVICE_AGENT_TYPE: configuração da conta de serviço para o grupo de recursos. Para usar uma conta de serviço dedicada para o grupo de recursos, digite SERVICE_AGENT_TYPE_FEATURE_GROUP.
• SERVICE_ACCOUNT_EMAIL: o endereço de e-mail da conta de serviço que você quer usar para o grupo de recursos. Especifique o endereço de e-mail da conta de serviço somente se você usar o tipo de agente de serviço SERVICE_AGENT_TYPE_FEATURE_GROUP.
• PROJECT_ID: o ID do projeto.
• ENTITY_ID_COLUMNS: os nomes das colunas que contêm os IDs das entidades. É possível especificar uma ou várias colunas.
  • Para especificar apenas uma coluna de IDs das entidades, especifique o nome da coluna no seguinte formato:
    "entity_id_column_name".
  • Para especificar várias colunas de IDs das entidades, especifique os nomes das colunas no seguinte formato:
    ["entity_id_column_1_name", "entity_id_column_2_name", ...].
• FEATUREGROUP_NAME: o nome do novo grupo de recursos que você quer criar.
• BIGQUERY_SOURCE_URI: URI da tabela de origem ou visualização do BigQuery que você quer registrar para o grupo de recursos.
• TIMESTAMP_COLUMN: opcional. Especifique o nome da coluna que contém os carimbos de data/hora do recurso na tabela ou visualização de origem do BigQuery.
  É necessário especificar o nome da coluna de carimbo de data/hora somente se os dados estiverem formatados como uma série temporal e a coluna que contém os carimbos de data/hora do recurso não tiver o nome feature_timestamp.
  
• STATIC_DATA_SOURCE: opcional. Insira true se os dados não estiverem formatados como uma série temporal. A configuração padrão é false.
  
• DENSE: opcional. Indica como o Vertex AI Feature Store processa valores nulos ao exibir dados de visualizações de recursos associadas ao grupo de recursos:
  • false: é a configuração padrão. A Feature Store da Vertex AI mostra apenas os valores de atributos não nulos mais recentes. Se o valor mais recente de um recurso for nulo, o Vertex AI Feature Store vai exibir o valor histórico não nulo mais recente. No entanto, se os valores atuais e históricos desse recurso forem nulos, o Feature Store da Vertex AI vai exibir nulo como o valor do recurso.
  • true: para visualizações de recursos com sincronização de dados programada, a Feature Store da Vertex AI exibe apenas os valores de recursos mais recentes, incluindo valores nulos. Para visualizações de recursos com sincronização contínua de dados, a Feature Store da Vertex AI mostra apenas os valores de atributos não nulos mais recentes. No entanto, se os valores atuais e históricos do recurso forem nulos, o Feature Store da Vertex AI vai usar nulo como o valor do recurso. Para mais informações sobre os tipos de sincronização de dados e como configurar o tipo de sincronização de dados em uma visualização de recursos, consulte Sincronizar os dados em uma visualização de recursos.

Método HTTP e URL:

POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups?feature_group_id=FEATUREGROUP_NAME

Corpo JSON da solicitação:

{
  "service_agent_type": "SERVICE_AGENT_TYPE",
  "service_account_email": "SERVICE_ACCOUNT_EMAIL",
  "big_query": {
    "entity_id_columns": "ENTITY_ID_COLUMNS",
    "big_query_source": {
      "input_uri": "BIGQUERY_SOURCE_URI",
    }
    "time_series": {
      "timestamp_column": ""TIMESTAMP_COLUMN"",
    },
    "static_data_source": STATIC_DATA_SOURCE,
    "dense": DENSE
  }
}

Para enviar a solicitação, escolha uma destas opções:

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups?feature_group_id=FEATUREGROUP_NAME"

$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_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups?feature_group_id=FEATUREGROUP_NAME" | Select-Object -Expand Content

Você receberá uma resposta JSON semelhante a esta:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featureGroups/FEATUREGROUP_NAME/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1.UpdateFeatureGroupOperationMetadata",
    "genericMetadata": {
      "createTime": "2023-09-18T03:00:13.060636Z",
      "updateTime": "2023-09-18T03:00:13.060636Z"
    }
  }
}