流式导入

流式导入使您可以对特征值进行实时更新。如果获取最新可用数据以进行在线传送具有高优先级,则此方法非常有用。例如,您可以导入流式事件数据,Vertex AI Feature Store(旧版)会在几秒钟内提供这些数据以用于在线传送场景。

如果您必须回填数据或者您要批量计算特征值,请使用批量导入。与流式导入请求相比,批量导入请求可以处理更大的载荷,但需要更长时间才能完成。

如需了解您可以导入的最早特征值时间戳,请参阅配额和限制中的 Vertex AI Feature Store(旧版)。您无法导入时间戳表示未来日期或时间的特征值。

用例示例

在线零售组织可能会根据用户的当前活动提供个性化购物体验。当用户浏览网站时,您可以将用户的活动捕获到特征存储区中,然后很快地传送所有这些信息用于在线预测。这种实时导入和传送功能可帮助您在购物会话期间向客户显示有用且相关的商品推荐。

在线存储节点用量

将特征值写入在线存储区会使用特征存储区的 CPU 资源(在线存储节点)。请监控您的 CPU 使用率,以确保需求没有超出供应,否则可能导致传送错误。为避免这些错误,我们建议使用率约为 70%。如果您经常超过该值,则可以更新特征存储区以增加节点数或使用自动扩缩功能。如需了解详情,请参阅管理特征存储区

流式导入

将值写入特定特征。特征值必须包含在导入请求中。您无法直接从数据源流式传输数据。

如果您要写入最近创建的特征,请先等待几分钟,因为新特征可能尚未传播。否则,您可能会看到 resource not found 错误。

每次写入只能导入一个实体的特征值。对于任何特定项目和区域,您最多可以同时写入 10 个不同实体类型的多个实体的特征值。此限制包括对一个给定项目和区域中所有特征存储区的流式导入请求。如果您超出此限制,Vertex AI Feature Store(旧版)可能不会将所有数据写入离线存储区。如果发生这种情况,Vertex AI Feature Store(旧版)会在 Logs Explorer 中记录错误。如需了解详情,请参阅监控流式导入的离线存储写入错误

REST

如需导入现有特征的特征值,请使用 featurestores.entityTypes.writeFeatureValues 方法发送 POST 请求。如果源数据列的名称和目标特征 ID 不同,请添加 sourceField 参数。 请注意,featurestores.entityTypes.writeFeatureValues 可让您一次仅导入一个实体的特征值。

在使用任何请求数据之前,请先进行以下替换:

  • LOCATION:在其中创建特征存储区的区域。例如 us-central1
  • PROJECT:您的项目 ID
  • FEATURESTORE_ID:特征存储区的 ID。
  • ENTITY_TYPE_ID:实体类型的 ID。
  • FEATURE_ID:特征存储区中要写入值的现有特征的 ID。
  • VALUE_TYPE:特征的值类型
  • VALUE:特征的值。
  • TIME_STAMP(可选):特征的生成时间。时间戳必须采用 RFC3339 世界协调时间 (UTC) 格式。

HTTP 方法和网址:

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

请求 JSON 正文:

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

如需发送请求,请选择以下方式之一:

curl

将请求正文保存在名为 request.json 的文件中,然后执行以下命令:

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

将请求正文保存在名为 request.json 的文件中,然后执行以下命令:

$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

您应该会收到一个成功的状态代码 (2xx) 和一个空响应。

Python

如需了解如何安装或更新 Python 版 Vertex AI SDK,请参阅安装 Python 版 Vertex AI SDK。如需了解详情,请参阅 Python API 参考文档

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)

其他语言

您可以安装并使用以下 Vertex AI 客户端库来调用 Vertex AI API。Cloud 客户端库使用每种受支持语言的自然规范和样式,为开发者带来优化的体验。

后续步骤