创建 Databricks MLflow 连接

配置：选择模型使用的 Databricks MLflow 版本。有以下选项可用：

• MLflow 1.0：模型使用 Databricks MLflow 1.x 创建而成。

• MLflow 2.0：模型使用 Databricks MLflow 2.x 创建而成。

  信息注释 对于使用 Databricks MLflow 2.0（版本 2.x）创建的模型，数据以 dataframe_split JSON 格式发送到 Databricks，这是 Databricks MLflow 中结构化数据的首选格式。

模型 URL：部署 Databricks MLflow 模型的 Databricks MLflow 平台的 URL。

提供 Databricks API 令牌。

Databricks MLflow 上的所有模型都通过启用基于 Databricks 令牌的身份验证进行了身份验证。这需要生成一个能够访问模型资源的 API 令牌。

返回表的名称：从已部署的机器学习模型返回的表的名称。

• Load all available fields：启用机器学习端点返回的所有可用字段的加载。禁用此选项，将允许您指定要加载到应用程序中的表字段和值。

  在开发应用程序时，建议首先加载从模型端点返回的所有字段，然后可能删除不需要在应用程序中分析的字段。

• Table Fields (JMESPath)：表字段可以按以下元素添加：

  • Name：将在应用程序中加载的表的名称。

  • Value：JSON 响应数组中响应行的名称。

  可用于解析 JSON 响应数组的 JMESPath 查询语言。

• Association Field：输入数据表中包含唯一标识符的字段。

  当对使用密钥对返回的与源字段表相关联的结果表发出端点请求时，在源数据中包含该字段。指定的字段将作为字段返回到响应中，并使预测能够与数据模型中的源数据相关联。这可以是任何具有惟一 ID 的字段，可以来自源数据，也可以作为表加载过程的一部分。

• 发送关联字段：选中时，指定为关联字段的字段将返回到 Qlik Sense 发送给端点的字段中，并包含在发送到端点的字段中

  如果该字段属于源数据并且是模型所期望的，则必须通过启用发送关联字段将其发送到模型。