# Создание подключения Databricks MLflow

Подключения Databricks MLflow создаются в редакторе загрузки данных или Скрипт.

После создания подключения можно выбирать данные из доступных таблиц, отправлять их в Databricks MLflow для расчетов, а затем загружать эти данные в приложение. Это подключение можно использовать в скрипте загрузки данных и в выражениях диаграммы для вызова конечных точек модели и выполнения расчетов выражения диаграммы в реальном времени.

Необходимо знать настройки и учетные данные для доступа к службе Databricks MLflow, к которой требуется подключиться.

## Настраиваемые параметры

Следующие параметры можно настроить в диалоговом окне подключения.

Настраиваемые параметры в диалоговом окне подключения

| Поле | Описание |
| --- | --- |
| Выбрать конфигурацию | Конфигурация: выберите версию Databricks MLflow, которую использует модель. Доступны следующие параметры.<br><br><ul> <li> <p>MLflow 1.0: эта модель создана с использованием <span>Databricks MLflow</span> 1.x.</p> </li> <li> <p>MLflow 2.0: эта модель создана с использованием <span>Databricks MLflow</span> 1.x.</p> <div><span>Примечание к информации</span>                                 Для моделей, созданных с использованием <span>Databricks MLflow 2.0</span> (версий 2.x), данные оправляются в <span>Databricks</span> в формате dataframe_split JSON, который является предпочитаемым для структурированных данных в <span>Databricks MLflow</span>. </div> </li> </ul> |
| Модель | URL модели: URL-адрес платформы Databricks MLflow, на которой развернута модель Databricks MLflow. |
| Authentication (Проверка подлинности) | Предоставляет токен API Databricks.<br><br>Проверка подлинности для всех моделей в Databricks MLflow выполняется с использованием включенной проверки подлинности на основе ключей Databricks. Для этого требуется создать токен API, обеспечивающий доступ к ресурсу модели. |
| Response Table (Таблица ответа) | Name of Returned Table (Имя возвращенной таблицы): имя таблицы, возвращенной из развернутой модели машинного обучения. |
| Response Fields (Поля ответа) | <ul> <li> <p><span>Load all available fields</span> (Загрузить все доступные поля): включает загрузку всех доступных полей, возвращенных конечной точкой машинного обучения. Отключив этот параметр, можно указать поля таблицы и значения, загружаемые в приложение.</p> <p>При разработке приложений рекомендуется сначала загружать все поля, возвращаемые конечной точкой модели, а затем при необходимости удалять поля, которые не требуются для анализа в приложении.</p> </li> <li> <p><span>Table Fields (JMESPath)</span> (Поля таблицы (JMESPath)): поля таблицы можно задать, добавляя следующие параметры.</p> <ul> <li> <p>Имя: имя таблицы, которая будет загружена в приложение.</p> </li> <li> <p>Value (Значение): имя строки ответа в массиве ответа JSON.</p> </li> </ul> <p>Для разбора массива ответа JSON можно использовать язык запроса JMESPath.</p> </li> </ul> |
| Association (Ассоциация) | <ul> <li> <p><span>Association field</span> (Поле связи): задайте поле связи, это поле из таблицы входных данных, содержащее уникальный идентификатор.</p> <p>Включение этого поля в исходные данные требуется при отправке запроса конечной точки для связывания возвращенной таблицы результатов с исходной таблицей поля с помощью ключа. Назначенное поле будет возвращено как поле в ответе и обеспечит возможность связывания с исходными данными в модели данных. Это может быть любое поле с уникальным ИД: из исходных данных или из процесса загрузки таблицы.</p> </li> <li> <p><span>Send Association Field</span> (Отправить поле связи): когда этот флажок установлен, поле, указанное как поле связи, будет возвращено в <span>Qlik Sense</span> и включено в поля, отправляемые в конечную точку.</p> <p>Если поле относится к исходным данным и ожидается моделью, его необходимо отправить в модель, установив флажок <span>Send Association Field</span> (Отправить поле ассоциаций).</p> </li> </ul> |
| Имя | Имя подключения. Если поле оставлено пустым, используется имя по умолчанию. |

## Создание нового подключения

Выполните следующие действия.

1. Вызовите коннектор через редактор загрузки данных или Скрипт.

2. Щелкните команду Создать новое подключение.

3. В поле Пространство выберите пространство, где будет находиться подключение.

4. Выберите Databricks MLflow из списка коннекторов данных.

5. Заполните поля диалогового окна подключения.

6. Нажмите Создать.

Теперь подключение отображается в списке Подключения к данным в Редактор загрузки данных или Скрипт.