Menggunakan Vertex AI Feature Store

Dokumen ini menjelaskan cara menggunakan Vertex AI Feature Store untuk melakukan tugas seperti menyinkronkan toko online, menayangkan fitur dari toko online, dan menelusuri toko fitur online menggunakan entity atau penyematan, dengan menggunakan Vertex AI SDK untuk ABAP.

Vertex AI Feature Store adalah layanan penyimpanan fitur terkelola berbasis cloud. Solusi ini menyederhanakan pengelolaan fitur ML dan proses penyaluran online dengan memungkinkan Anda mengelola data fitur dalam tabel atau tampilan BigQuery.

Dalam alur kerja umum penyiapan Vertex AI Feature Store, Anda harus menyiapkan sumber data SAP di BigQuery terlebih dahulu, mendaftarkan sumber data dengan membuat grup fitur dan fitur, serta menyiapkan resource toko online dan tampilan fitur. Kemudian, Anda dapat menayangkan nilai fitur terbaru secara online dari tampilan fitur atau melakukan penelusuran kesamaan di penyimpanan fitur online. Untuk mengetahui informasi tentang cara menyiapkan Vertex AI Feature Store, lihat Vertex AI Feature Store.

Setelah Vertex AI Feature Store siap untuk penayangan online, Anda dapat menggunakan Vertex AI SDK untuk ABAP untuk hal berikut:

  • Untuk memberikan nilai fitur terbaru dan akurat untuk penayangan real-time selama prediksi model, sinkronkan penyimpanan online Anda dengan sumber data fitur di BigQuery.
  • Untuk memberikan nilai fitur dari penyimpanan online untuk aplikasi real-time, sajikan fitur dari penyimpanan online.
  • Untuk mengambil daftar entity yang mirip atau terkait secara semantik dari toko online, telusuri menggunakan entity atau penyematan.

Sebelum memulai

Sebelum menggunakan Vertex AI SDK for ABAP dengan Vertex AI Feature Store, pastikan Anda atau administrator Anda telah menyelesaikan prasyarat berikut:

Membuat instance class ABAP untuk Vertex AI Feature Store

Untuk menggunakan Vertex AI Feature Store di aplikasi ABAP, Anda membuat instance class /GOOG/CL_FEATURE_STORE.

DATA(lo_client) = NEW /goog/cl_feature_store(
                          iv_key_name         = 'CLIENT_KEY'
                          iv_location         = 'LOCATION_ID'
                          iv_feature_store_id = 'FEATURE_ONLINE_STORE_NAME' ).

Ganti kode berikut:

  • CLIENT_KEY: Kunci klien yang dikonfigurasi untuk autentikasi.
  • LOCATION_ID: Region tempat toko online berada, seperti us-central1.
  • FEATURE_ONLINE_STORE_NAME: Nama toko online yang berisi tampilan fitur.

Menyinkronkan toko online

Untuk memastikan bahwa penyimpanan online Anda memiliki nilai fitur terbaru dan paling akurat untuk penyaluran real-time selama prediksi model, Anda perlu menyinkronkan resource tampilan fitur di penyimpanan online dengan sumber data fitur di BigQuery.

Sebelum memulai

Karena Anda mengakses Vertex AI Feature Store melalui endpoint regional, Anda perlu membuat tujuan RFC untuk membuat koneksi ke Vertex AI API. Kemudian, Anda menentukan tujuan RFC di tabel pemetaan layanan.

  1. Buat tujuan RFC untuk Vertex AI API dengan endpoint regional tempat Vertex AI Feature Store Anda berada. Misalnya, jika Vertex AI Feature Store Anda berada di us-east1, endpoint untuk host target adalah us-east1-aiplatform.googleapis.com. Untuk informasi tentang endpoint regional, lihat Endpoint layanan. Untuk membuat tujuan RFC, lakukan langkah-langkah berikut:

    1. Di SAP GUI, jalankan kode transaksi SM59.

    2. Buat tujuan RFC baru. Untuk tujuan RFC yang Anda buat, pastikan Connection Type ditetapkan sebagai berikut: G - HTTP connection to external server.

    3. Buka tab Technical Settings dan masukkan detail berikut:

      • Target Host: Berikan endpoint regional tempat Vertex AI Feature Store Anda berada.

      • No.Service: Masukkan 443. Nomor port ini digunakan untuk komunikasi yang aman.

    4. Buka tab Logon & Security, lalu pastikan kolom SSL Certificate ditetapkan dengan opsi DFAULT SSL Client (Standard).

    5. Simpan perubahan.

  2. Konfigurasikan tabel pemetaan layanan untuk Vertex AI API:

    1. Di SAP GUI, jalankan kode transaksi /GOOG/SDK_IMG.

      Atau, jalankan kode transaksi SPRO, lalu klik IMG Referensi SAP.

    2. Klik ABAP SDK for Google Cloud > Basic Settings > Configure Service Mapping.

    3. Klik New Entries.

    4. Tentukan tujuan RFC untuk Vertex AI API:

      Nama Nama Layanan RFC Destination
      Kunci klien untuk autentikasi. aiplatform:v1 Nama tujuan RFC.

    5. Simpan entri baru.

Menyinkronkan Vertex AI Feature Store

Untuk memulai sinkronisasi data di tampilan fitur, Anda menggunakan metode SYNC_FEATURE_DATA_TO_FS.

DATA(lv_feature_view_sync_id) = lo_client->sync_feature_data_to_fs(
                                             iv_feature_view_id = 'FEATURE_VIEW_NAME'
                                        )->get_feature_sync_id( ).

Ganti FEATURE_VIEW_NAME dengan nama tampilan fitur yang ingin Anda mulai sinkronisasi datanya.

Metode ini menampilkan ID sinkronisasi tampilan fitur, yang dapat digunakan untuk memeriksa status sinkronisasi.

Mendapatkan status sinkronisasi Vertex AI Feature Store

Untuk mendapatkan status sinkronisasi Vertex AI Feature Store, Anda dapat menggunakan metode GET_FEATURE_SYNC_STATUS.

DATA(ls_status) = lo_client->get_feature_sync_status(
                               iv_feature_view_id     = 'FEATURE_VIEW_NAME'
                               iv_feature_sync_id     = 'FEATURE_VIEW_SYNC_ID'
              )->get_feature_sync_status( ).

Ganti kode berikut:

  • FEATURE_VIEW_NAME: Nama tampilan fitur yang ingin Anda periksa status sinkronisasinya.

  • FEATURE_VIEW_SYNC_ID: ID sinkronisasi tampilan fitur yang diterima dari Sinkronkan Vertex AI Feature Store.

    Metode ini menampilkan salah satu status berikut bersama dengan pesan error, jika ada: C: Complete, R: Running, atau F: Failed

Menyinkronkan Vertex AI Feature Store menggunakan tugas latar belakang SAP

Untuk memulai sinkronisasi data di tampilan fitur menggunakan tugas latar belakang SAP, Anda dapat menggunakan metode SYNC_FEATURE_DATA_TO_FS_BGJOB.

Metode ini membuat tugas latar belakang di sistem SAP Anda, yang memulai sinkronisasi toko fitur dan memeriksa status sinkronisasi toko fitur setiap 30 detik. Jika status sinkronisasi penyimpanan fitur selesai atau gagal, tugas latar belakang akan selesai dengan pesan yang sesuai. Jika sinkronisasi penyimpanan fitur berjalan, tugas latar belakang akan berjalan hingga nilai TIMEOUT yang ditentukan. Setelah waktu tunggu habis, tugas latar belakang akan selesai, tetapi sinkronisasi penyimpanan fitur akan terus berjalan.

DATA(ls_bgjob_details) = lo_client->sync_feature_data_to_fs_bgjob(
                                       iv_feature_view_id = 'FEATURE_VIEW_NAME'
                                       iv_timeout         = TIMEOUT
                                 )->get_background_job_details( ).

Ganti kode berikut:

  • FEATURE_VIEW_NAME: Nama tampilan fitur tempat Anda ingin memulai sinkronisasi data secara manual.
  • TIMEOUT: Waktu dalam detik setelah waktu tugas latar belakang habis. Hal ini tidak memengaruhi sinkronisasi Vertex AI Feature Store.

Metode ini menampilkan nama tugas latar belakang dan ID yang sesuai. Tugas ini dapat dipantau dari dalam SAP untuk memeriksa status sinkronisasi penyimpanan fitur.

Menayangkan fitur dari toko online

Anda dapat menayangkan nilai fitur dari toko online untuk aplikasi real-time, seperti rekomendasi produk. Bergantung pada jenis penyaluran online yang telah dikonfigurasi untuk penyimpanan online, Anda dapat menyalurkan nilai fitur dengan salah satu cara berikut:

  • Mengambil nilai fitur menggunakan penyaluran online Bigtable.
  • Mengambil nilai fitur menggunakan Penayangan online yang dioptimalkan dengan endpoint publik.
  • Ambil nilai fitur menggunakan layanan online yang Dioptimalkan dengan endpoint Private Service Connect.

Untuk informasi selengkapnya tentang cara menayangkan nilai fitur, lihat Menayangkan fitur dari penyimpanan online.

Sebelum memulai

Sebelum dapat mulai menayangkan nilai fitur dari toko online, Anda perlu mengambil nama domain endpoint publik dari detail toko online, membuat tujuan RFC untuk endpoint, lalu menentukan tujuan RFC dalam tabel pemetaan layanan.

  1. Ambil nama domain endpoint publik untuk toko online:

  2. Di SAP GUI, jalankan kode transaksi /GOOG/SDK_IMG.

    Atau, jalankan kode transaksi SPRO, lalu klik IMG Referensi SAP.

  3. Klik ABAP SDK for Google Cloud > Utilities > Vertex AI SDK: Get RFC information for Feature Store and Vector Search.

  4. Pilih Dapatkan Detail Toko Fitur.

  5. Masukkan parameter berikut:

    • Nama Kunci Google Cloud: Kunci klien untuk autentikasi ke Google Cloud.
    • Lokasi: Wilayah tempat toko online berada.
    • ID Feature Store: Nama penyimpanan online yang berisi tampilan fitur.

  6. Klik Execute untuk melihat detailnya. Catat nama domain endpoint publik di label Host.

  7. Buat tujuan RFC untuk endpoint regional, nama domain endpoint publik, atau endpoint Private Service Connect dari toko online. Untuk membuat tujuan RFC, lakukan langkah-langkah berikut:

  8. Di SAP GUI, jalankan kode transaksi SM59.

  9. Buat tujuan RFC baru. Untuk tujuan RFC yang Anda buat, pastikan Connection Type ditetapkan sebagai berikut: G - HTTP connection to external server.

  10. Buka tab Technical Settings dan masukkan detail berikut:

    • Target Host: Berikan nama domain endpoint publik tempat Vertex AI Feature Store Anda berada.

    • No.Service: Masukkan 443. Nomor port ini digunakan untuk komunikasi yang aman.

  11. Buka tab Logon & Security, lalu pastikan kolom SSL Certificate ditetapkan dengan opsi DFAULT SSL Client (Standard).

  12. Simpan perubahan.

  13. Konfigurasikan tabel pemetaan layanan untuk Vertex AI API:

  14. Di SAP GUI, jalankan kode transaksi /GOOG/SDK_IMG.

    Atau, jalankan kode transaksi SPRO, lalu klik IMG Referensi SAP.

  15. Klik ABAP SDK for Google Cloud > Basic Settings > Configure Service Mapping.

  16. Klik New Entries.

  17. Tentukan tujuan RFC untuk Vertex AI API:

    Nama Nama Layanan RFC Destination
    Kunci klien untuk autentikasi. apiinvoker:v1 Nama tujuan RFC.

  18. Simpan entri baru.

Mengambil nilai fitur

Di Vertex AI Feature Store, entity mengacu pada item yang ingin Anda lacak fiturnya, seperti pelanggan, produk, atau titik data lainnya. Setiap entity dikaitkan dengan kumpulan fitur dan nilai yang sesuai.

Untuk mengambil nilai fitur dengan menentukan satu ID entity, gunakan metode SERVE_FEATURE_VALUES.

DATA(lt_features) = lo_client->serve_feature_values(
                         iv_feature_view_id = 'FEATURE_VIEW_NAME'
                             it_entity_id       = 'ENTITY_ID'
                )->get_features( ).

Ganti kode berikut:

  • FEATURE_VIEW_NAME: Nama tampilan fitur tempat Anda ingin menyajikan nilai fitur.
  • ENTITY_ID: Nilai kolom ID di data fitur tempat Anda ingin menyajikan nilai fitur terbaru. Atau, Anda dapat menyediakan array bagian untuk membuat ID Entity. Pastikan kolom ID berada dalam urutan yang sama seperti yang ditentukan dalam tampilan fitur.

Menelusuri perkiraan tetangga terdekat

Untuk toko online yang dibuat untuk penyaluran online yang dioptimalkan, Anda dapat melakukan penelusuran kesamaan vektor untuk mengambil daftar entity yang serupa atau terkait secara semantik, yang juga disebut sebagai perkiraan terdekat. Anda dapat menelusuri perkiraan tetangga terdekat berdasarkan ID entity atau embedding.

Sebelum memulai

Saat Anda membuat toko online untuk penyaluran online yang dioptimalkan, Vertex AI Feature Store akan membuat nama domain endpoint publik untuk toko online tersebut. Sebelum dapat mulai menelusuri tetangga terdekat dari tampilan fitur di toko online, Anda harus mengambil nama domain endpoint publik dari detail toko online, membuat tujuan RFC untuk endpoint, lalu menentukan tujuan RFC di tabel pemetaan layanan.

  1. Ambil nama domain endpoint publik untuk toko online:

    1. Di SAP GUI, jalankan kode transaksi /GOOG/SDK_IMG.

      Atau, jalankan kode transaksi SPRO, lalu klik IMG Referensi SAP.

    2. Klik ABAP SDK for Google Cloud > Utilities > Vertex AI SDK: Get RFC information for Feature Store and Vector Search.
    3. Pilih Dapatkan Detail Toko Fitur.

    4. Masukkan parameter berikut:

      • Nama Kunci Google Cloud: Kunci klien untuk autentikasi ke Google Cloud.
      • Lokasi: Wilayah tempat toko online berada.
      • ID Feature Store: Nama penyimpanan online yang berisi tampilan fitur.

    5. Klik Execute untuk melihat detailnya. Catat nama domain endpoint publik di label Host.

  2. Buat tujuan RFC untuk nama domain endpoint publik toko online:

    1. Di SAP GUI, jalankan kode transaksi SM59.

    2. Buat tujuan RFC baru. Untuk tujuan RFC yang Anda buat, pastikan Connection Type ditetapkan sebagai berikut: G - HTTP connection to external server.

    3. Buka tab Technical Settings dan masukkan detail berikut:

      • Target Host: Berikan nama domain endpoint publik untuk toko online.

      • No.Service: Masukkan 443. Nomor port ini digunakan untuk komunikasi yang aman.

    4. Buka tab Logon & Security, lalu pastikan kolom SSL Certificate ditetapkan dengan opsi DFAULT SSL Client (Standard).

    5. Simpan perubahan.

  3. Konfigurasikan tabel pemetaan layanan untuk Vertex AI API:

    1. Di SAP GUI, jalankan kode transaksi /GOOG/SDK_IMG.

      Atau, jalankan kode transaksi SPRO, lalu klik IMG Referensi SAP.

    2. Klik ABAP SDK for Google Cloud > Basic Settings > Configure Service Mapping.
    3. Klik New Entries.

    4. Tentukan tujuan RFC untuk Vertex AI API:

      Nama Nama Layanan RFC Destination
      Kunci klien untuk autentikasi. apiinvoker:v1 Nama tujuan RFC.

    5. Simpan entri baru.

Mengambil kecocokan embedding terdekat

Anda dapat menelusuri entity yang terkait secara semantik dengan menentukan embedding.

Untuk menelusuri embedding terdekat, kirim permintaan menggunakan metode SEARCH_USING_EMBEDDINGS.

DATA(lt_embeddings) = VALUE /goog/cl_aiplatform_v1=>ty_t_/goog/num_float( EMBEDDING_DATA ).

DATA(lt_neighbours) = lo_client->search_using_embeddings(
  EXPORTING
    iv_feature_view_id = 'FEATURE_VIEW_NAME'
    it_embeddings      = lt_embeddings
    is_search_params   = VALUE #( neighbor_count     = 'NEIGHBOR_COUNT'
                                  return_full_entity = 'RETURN_FULL_ENTITY' )
)->get_neighbours( ).

Ganti kode berikut:

  • EMBEDDING_DATA: Embedding yang ingin Anda ambil perkiraan kecocokan terdekatnya. Embedding diwakili oleh array nilai float.
  • FEATURE_VIEW_NAME: Nama tampilan fitur tempat Anda ingin menelusuri perkiraan kecocokan terdekat.
  • NEIGHBOR_COUNT: Jumlah perkiraan terdekat yang ingin Anda ambil.
  • RETURN_FULL_ENTITY: Opsional. Tentukan apakah Anda ingin menyertakan atau mengecualikan fitur untuk entity dalam respons. Untuk menyertakan fitur serta entity dalam respons, masukkan ABAP_TRUE. Nilai defaultnya adalah ABAP_FALSE.

Mengambil kecocokan entity terdekat

Anda dapat menelusuri entity yang terkait secara semantik dengan menentukan ID entity.

Untuk menelusuri ID entity terdekat, kirim permintaan menggunakan metode SEARCH_USING_ENTITY.

DATA(lt_neighbours) = lo_client->search_using_entity(
  EXPORTING
    iv_feature_view_id = 'FEATURE_VIEW_NAME'
    iv_entity_id       = 'ENTITY_ID'
    is_search_params   = VALUE #( neighbor_count     = 'NEIGHBOR_COUNT'
                                  return_full_entity = 'RETURN_FULL_ENTITY' )
)->get_neighbours( ).

Ganti kode berikut:

  • FEATURE_VIEW_NAME: Nama tampilan fitur tempat Anda ingin menelusuri perkiraan kecocokan terdekat.
  • ENTITY_ID:: ID entity dari entity yang ingin Anda ambil perkiraan kecocokan terdekatnya.
  • NEIGHBOR_COUNT: Jumlah perkiraan terdekat yang ingin Anda ambil.
  • RETURN_FULL_ENTITY: Opsional. Tentukan apakah Anda ingin menyertakan atau mengecualikan fitur untuk entity dalam respons. Untuk menyertakan fitur serta entity dalam respons, masukkan ABAP_TRUE. Nilai defaultnya adalah ABAP_FALSE.

Langkah berikutnya