Databricks MLflow 分析ソース

Databricks MLflow は、予測分析を自動化、保証、高速化するための機械学習プラットフォームであり、正確な予測モデルの構築と展開をするために、データサイエンティストやアナリストを支援します。

Databricks MLflow に接続するには、Databricks MLflow プラットフォーム上でモデルを作成、またはモデルへのアクセス権を所有し、エンドポイントに展開している必要があります。されに、このエンドポイントは、Qlik Cloud によって一般にアクセス可能である必要があります。

管理された MLflow。

制限事項

• Databricks MLflow にはエンドポイント クォータがあります。詳細については、「Databricks 機械学習の紹介」を参照してください。

• 展開されたモデルが Databricks MLflow サービスで使用可能なリソースは、Qlik Sense 再ロードとチャートの応答性におけるパフォーマンスに影響し、制限されます。

• Databricks MLflow コネクタは、リクエストごとに 200,000 行に制限されます。これらは、2,000k 行のバッチ形式でエンドポイント サービスに送信されます。より多くの行を処理する必要があるシナリオでは、データ ロード スクリプト内の Loop を使用して、より多くの行をバッチ処理します。

• アプリケーションが定期的に再ロードされる場合、ベストプラクティスは、QVD ファイルを使用して推測をキャッシュし、新しい行のみを予測エンドポイントに送信することです。これにより、Qlik Sense アプリケーションの再ロードのパフォーマンスが向上し、Databricks MLflow エンドポイントの負荷が軽減されます。

• チャートの数式で Databricks MLflow 接続を使用する場合、モデルが正しい文字列/数値形式で項目を処理する必要があるため、項目のデータ型を指定することをお勧めします。チャートの数式でのサーバーサイド拡張の制限は、データ型がロード スクリプト内で自動的に検出されないことです。

• 相対接続名を使用していて、共有スペースから別の共有スペースにアプリを移動する場合、または共有スペースからプライベート スペースにアプリを移動する場合は、新しいスペースの場所を反映して更新されるまでに時間を要します。