Importazione streaming

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

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

Per informazioni sul timestamp del valore della caratteristica più vecchio che puoi importare, consulta Vertex AI Feature Store (legacy) in Quote e limiti. Non puoi importare i valori delle caratteristiche per cui 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 featurestore e poi, poco dopo, pubblicare tutte queste informazioni per le previsioni online. Questa importazione e pubblicazione in tempo reale può aiutarti a mostrare ai clienti consigli utili e pertinenti durante la sessione di acquisto.

Utilizzo dei nodi di archiviazione online

La scrittura dei valori delle caratteristiche in un negozio online utilizza le risorse della CPU dell'archivio di caratteristiche (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. Per evitare questi errori, ti consigliamo di utilizzare circa il 70% o meno. Se superi regolarmente questo valore, puoi aggiornare il featurestore per aumentare il numero di nodi o utilizzare la scalabilità automatica. Per saperne di più, consulta Gestire i featurestore.

Importazione streaming

Scrivi un valore per una caratteristica specifica. Il valore della caratteristica deve essere incluso nella richiesta di importazione. Non puoi eseguire lo streaming dei dati direttamente da un'origine dati.

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

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

REST

Per importare i valori delle caratteristiche per le caratteristiche esistenti, invia una richiesta POST utilizzando il featurestores.entityTypes.writeFeatureValues. Se i nomi delle colonne dei dati di origine e gli ID delle caratteristiche di destinazione sono diversi, includi il parametro sourceField. Tieni presente che featurestores.entityTypes.writeFeatureValues ti consente di importare i valori delle caratteristiche per una sola entità alla volta.

Prima di utilizzare i dati della richiesta, apporta le sostituzioni seguenti:

  • LOCATION: regione in cui viene creato il featurestore. Ad esempio, us-central1.
  • PROJECT: il tuo ID progetto.
  • FEATURESTORE_ID: ID del featurestore.
  • ENTITY_TYPE_ID: ID del tipo di entità.
  • FEATURE_ID: ID di una caratteristica esistente nel featurestore per cui scrivere i valori.
  • VALUE_TYPE: il tipo di valore della caratteristica.
  • VALUE: valore della caratteristica.
  • TIME_STAMP (facoltativo): l'ora in cui è stata generata la caratteristica. Il timestamp deve essere nel formato RFC3339 UTC.

Metodo HTTP e URL: 

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

Corpo JSON della richiesta: 

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

Per inviare la richiesta, scegli una di queste opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

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"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, e quindi esegui il comando seguente: 

$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

Dovresti ricevere un codice di stato riuscito (2xx) e una risposta vuota.

Python

Per scoprire come installare o aggiornare l'SDK Vertex AI per Python, consulta Installare l'SDK Vertex AI per Python. Per saperne di più, consulta la documentazione di riferimento dell'API Python. 

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)

Linguaggi aggiuntivi

Puoi installare e utilizzare le seguenti librerie client di Vertex AI per chiamare l' API Vertex AI. Le librerie client di Cloud offrono un'esperienza di sviluppo ottimizzata utilizzando le convenzioni e gli stili naturali di ogni linguaggio supportato.

Passaggi successivi