Tworzenie połączenia Databricks MLflow

Połączenia Databricks MLflow tworzy się w narzędziu Edytor ładowania danych lub Edytor skryptów.

Po utworzeniu połączenia można wybrać dane z dostępnych tabel, aby wysłać je do Databricks MLflow w celu obliczeń, a następnie załadować te dane do swojej aplikacji. Tego połączenia można używać w skrypcie ładowania danych oraz w wyrażeniach wykresu, aby wywoływać punkty końcowe modelu i dokonywać obliczeń wyrażeń wykresu w czasie rzeczywistym.

Musisz znać ustawienia i poświadczenia dostępu do usługi Databricks MLflow, z którą chcesz się połączyć.

Konfigurowalne ustawienia

W oknie dialogowym Połączenie można konfigurować następujące ustawienia:

Konfigurowalne ustawienia w oknie dialogowym połączeń
Pole	Opis
Select Configuration	Configuration: Wybierz wersję Databricks MLflow używaną przez Twój model. Dostępne są następujące opcje: MLflow 1.0: Model jest tworzony przy użyciu Databricks MLflow 1.x. MLflow 2.0: Model jest tworzony przy użyciu Databricks MLflow 2.x. Informacja W przypadku modeli utworzonych przy użyciu Databricks MLflow 2.0 (w wersjach 2.x) dane są wysyłane do Databricks w formacie dataframe_split JSON, który jest preferowanym formatem danych strukturalnych w Databricks MLflow.
Model	Model URL: Adres URL platformy Databricks MLflow, na której wdrożono model Databricks MLflow.
Authentication	Udostępnia Token API Databricks. Wszystkie modele w Databricks MLflow są uwierzytelniane z włączoną funkcją uwierzytelniania opartą na tokenie Databricks. Wymaga to wygenerowania tokena API, który ma dostęp do zasobu modelu.
Response Table	Name of Returned Table: Nazwa zwracanej tabeli z wdrażanego modelu uczenia maszynowego.
Response Fields	Load all available fields: Włącz ładowanie wszystkich dostępnych pól zwracanych przez punkt końcowy uczenia maszynowego. Wyłączenie tej opcji pozwala określić pola tabeli i wartości do załadowania do aplikacji. Podczas tworzenia aplikacji zaleca się najpierw załadować wszystkie pola zwracane z punktu końcowego modelu, a następnie ewentualnie usunąć pola, które nie są potrzebne do analizy w aplikacji. Table Fields (JMESPath): Pola tabeli można określić, dodając: Name: nazwa tabeli, która zostanie załadowana do aplikacji. Value: nazwa wiersza odpowiedzi w tablicy odpowiedzi JSON. Do analizowania tablicy odpowiedzi JSON można użyć języka JMESPath.
Association	Association Field: Pole z tabeli danych wejściowych zawierające unikatowy identyfikator. Pole to należy uwzględnić w danych źródłowych podczas tworzenia żądania punktu końcowego, aby zwrócona tabela wyników była powiązana z tabelą pól źródłowych przy użyciu klucza. Wyznaczone pole zostanie zwrócone jako pole w odpowiedzi i umożliwi powiązanie prognoz z danymi źródłowymi w modelu danych. Może to być dowolne pole z unikatowym identyfikatorem, pochodzące z danych źródłowych lub używane w ramach procesu ładowania tabeli. Wyślij pole asocjacji: Po wybraniu pole określone jako pole asocjacji zostanie zwrócone do Qlik Sense i uwzględnione wśród pól wysyłanych do punktu końcowego Jeśli pole należy do danych źródłowych i jest oczekiwane przez model, musi zostać wysłane do modelu przez włączenie opcji Wyślij pole asocjacji.
Name	Nazwa połączenia. Jeśli nie wprowadzisz nazwy, zostanie użyta nazwa domyślna.

Tworzenie nowego połączenia

Wykonaj następujące czynności:

Uzyskaj dostęp do łącznika za pomocą narzędzia Edytor ładowania danych lub Edytor skryptów.

Kliknij Utwórz nowe połączenie i wybierz z listy łącznik Databricks MLflow.
Wypełnij pola okna dialogowego połączenia.
Kliknij polecenie Utwórz.

Twoje połączenie jest teraz wyświetlane w obszarze Połączenia danych w narzędziu Edytor ładowania danych lub Edytor skryptów.

Czy ta strona była pomocna?

Jeżeli natkniesz się na problemy z tą stroną lub jej zawartością — literówkę, brakujący krok lub błąd techniczny — daj nam znać, co możemy poprawić!

Przekaż tu opinię