Featuregruppe erstellen

Eine Featuregruppe ist eine Feature Registry-Ressource, die einer BigQuery-Tabelle oder -Ansicht mit Ihren Featuredaten zugeordnet ist. Eine Featuregruppe kann mehrere Features enthalten, wobei jedes Feature einer Spalte in der Featuredatenquelle zugeordnet ist. Wenn Sie Ihre Feature-Datenquelle in der Feature Registry registrieren möchten, erstellen Sie eine Featuregruppe und fügen Sie ihr dann Features hinzu.

Nachdem Sie eine Featuregruppe erstellt und die BigQuery-Datenquelle verknüpft haben, können Sie Features erstellen, die mit den Spalten in der Datenquelle verknüpft sind. Das Zuordnen einer Datenquelle beim Erstellen einer Featuregruppe ist zwar optional, Sie müssen jedoch eine BigQuery-Tabelle oder ‑Ansicht zuordnen, bevor Sie Features in dieser Featuregruppe erstellen. Jedes Feature entspricht einer Spalte in der Datenquelle, die der Featuregruppe zugeordnet ist.

Vorteile von Featuregruppen und Features

Die Registrierung Ihrer Feature-Datenquelle ist optional. In den folgenden Szenarien müssen Sie Ihre Featuredaten jedoch registrieren, indem Sie Featuregruppen und Features erstellen:

• Verwenden Sie Verlaufsdaten im Zeitreihenformat, um ein Modell zu trainieren: Wenn die Feature-Datenquelle sowohl aktuelle als auch Verlaufsdaten mit mehreren Feature-Datensätzen für dieselbe Entitäts-ID enthält, formatieren Sie diese Daten als Zeitreihe, indem Sie die Spalte feature_timestamp hinzufügen. In diesem Szenario müssen Sie die Datenquelle mit Featuregruppen und Features registrieren. Anschließend können Sie Funktionen so bereitstellen:

  • Verwenden Sie die Onlinebereitstellung, um die neuesten Featurewerte basierend auf dem Zeitstempel für Echtzeitvorhersagen bereitzustellen.

  • Verwenden Sie die Offlinebereitstellung, um aktuelle und historische Featurewerte für das Training eines Modells bereitzustellen.

• Features aus mehreren Quellen aggregieren: Mit Featuregruppen können Sie bestimmte Spalten aus mehreren BigQuery-Datenquellen aggregieren, wenn Sie eine Instanz der Featureansicht erstellen.

• Null-Featurewerte bereitstellen: Wenn Sie während der Onlinebereitstellung nur die neuesten Featurewerte, einschließlich Nullwerten, bereitstellen möchten, registrieren Sie Ihre Feature-Datenquelle, indem Sie Featuregruppen mit dem Parameter dense auf true festlegen.

  Hinweis :Wenn Sie Null-Featurewerte bereitstellen möchten, müssen Sie auch eine Onlinespeicherinstanz verwenden, die für die Bigtable-Onlinebereitstellung konfiguriert ist, und die geplante Datensynchronisierung in Ihren Featureansichten verwenden.

• Kontinuierliche Datensynchronisierung in Featureansichten verwenden: Die Registrierung Ihrer Features ist eine Voraussetzung für die Verwendung der kontinuierlichen Datensynchronisierung in Ihren Featureansichten.

  Hinweis: Damit Sie die kontinuierliche Datensynchronisierung verwenden können, müssen Sie auch die folgenden Anforderungen erfüllen:

  • Die Onlinespeicherinstanz muss für die Onlinebereitstellung von Bigtable konfiguriert sein.
  • Die zugehörige BigQuery-Datenquelle muss sich in eu, us oder us-central1 befinden.

• Features auf Anomalien überwachen: Sie müssen Ihre Features registrieren, wenn Sie Feature-Monitoring einrichten möchten, um Feature-Statistiken abzurufen und Feature-Drift zu erkennen.

Wann sollten keine Feature-Gruppen und Features verwendet werden?

Wenn Sie Einbettungen aus Ihrer Feature-Datenquelle bereitstellen möchten, registrieren Sie die Datenquelle nicht, indem Sie Featuregruppen und Features erstellen. In diesem Fall müssen Sie die Onlinebereitstellung einrichten, indem Sie die BigQuery-Tabelle oder -Ansicht direkt mit Ihren Feature-Ansichten verknüpfen.

Weitere Informationen zum Einrichten der Onlinebereitstellung ohne Registrierung Ihrer Feature-Datenquelle finden Sie unter Featureansicht aus einer BigQuery-Quelle erstellen.

Zugriff kontrollieren

Sie können den Zugriff für eine Funktionsgruppe auf den folgenden Ebenen steuern:

• Zugriff auf die FeatureGroup-Ressource steuern: Wenn Sie den Zugriff auf eine Featuregruppe für eine bestimmte Person, Google-Gruppe, Domain oder ein bestimmtes Dienstkonto steuern möchten, richten Sie eine IAM-Richtlinie für die Featuregruppe ein.

• Zugriff auf die BigQuery-Datenquelle steuern: Standardmäßig wird für eine Featuregruppe das für das Projekt konfigurierte Standarddienstkonto verwendet. Vertex AI Feature Store weist diesem Dienstkonto die IAM-Rolle BigQuery-Identity and Access ManagementDatenbetrachter zu. So kann jeder Nutzer mit der Berechtigung zum Erstellen einer Featuregruppe im Projekt auf die Feature-Datenquelle in BigQuery zugreifen. Wenn Sie den Zugriff auf die BigQuery-Datenquelle einschränken oder zusätzlichen Nutzern Zugriff gewähren möchten, können Sie Ihre Featuregruppe so einrichten, dass sie ein eigenes Dienstkonto verwendet. Vertex AI Feature Store generiert für jede Featuregruppe, für die ein dediziertes Dienstkonto konfiguriert ist, eine eindeutige E-Mail-Adresse für das Dienstkonto.

  Hinweis :Sie können die E-Mail-Adresse des dedizierten Dienstkontos für eine Funktionsgruppe auf eine der folgenden Arten aufrufen:

  • Liste aller Featuregruppen abrufen: Verwenden Sie dazu die Methode featureGroups.list.
  • Rufen Sie die Details der Featuregruppe mit der Methode featureGroups.get ab.

Hinweise

Bevor Sie eine Featuregruppe erstellen, müssen Sie die folgenden Voraussetzungen erfüllen:

• Achten Sie darauf, dass in Ihrem Projekt mindestens eine Onlinespeicherinstanz erstellt wurde, auch wenn Sie eine neue Onlinespeicherinstanz erstellen möchten. Wenn Sie ein neues Projekt verwenden, erstellen Sie eine Onlineshop-Instanz, bevor Sie die Funktionsgruppe erstellen.

• Formatieren Sie Ihre Feature-Daten in der BigQuery-Tabelle oder -Ansicht gemäß den Richtlinien für die Vorbereitung von Datenquellen.

• Prüfen Sie, ob Ihre BigQuery-Datenquelle mindestens eine Spalte für die Entitäts-ID mit string- oder int-Werten enthält.

• Authentifizieren Sie sich bei Vertex AI, sofern nicht bereits geschehen.

  Select the tab for how you plan to use the samples on this page:

  Console

  When you use the Google Cloud console to access Google Cloud services and APIs, you don't need to set up authentication.

  Python

  Wenn Sie die Python -Beispiele auf dieser Seite in einer lokalen Entwicklungsumgebung verwenden möchten, installieren und initialisieren Sie die gcloud CLI und richten Sie dann die Standardanmeldedaten für Anwendungen mit Ihren Nutzeranmeldedaten ein.

  Installieren Sie die Google Cloud CLI.

  Wenn Sie einen externen Identitätsanbieter (IdP) verwenden, müssen Sie sich zuerst mit Ihrer föderierten Identität in der gcloud CLI anmelden.

  If you're using a local shell, then create local authentication credentials for your user account:

  gcloud auth application-default login

  You don't need to do this if you're using Cloud Shell.

  If an authentication error is returned, and you are using an external identity provider (IdP), confirm that you have signed in to the gcloud CLI with your federated identity.

  Weitere Informationen finden Sie unter Set up authentication for a local development environment.

  REST

  Wenn Sie die REST API-Beispiele auf dieser Seite in einer lokalen Entwicklungsumgebung verwenden möchten, nutzen Sie die Anmeldedaten, die Sie der gcloud CLI bereitstellen.

  Installieren Sie die Google Cloud CLI.

  Wenn Sie einen externen Identitätsanbieter (IdP) verwenden, müssen Sie sich zuerst mit Ihrer föderierten Identität in der gcloud CLI anmelden.

  Weitere Informationen finden Sie in der Dokumentation zur Google Cloud -Authentifizierung unter Für die Verwendung von REST authentifizieren.

Featuregruppe erstellen, um eine Feature-Datenquelle zu registrieren

Verwenden Sie die folgenden Beispiele, um eine Featuregruppe zu erstellen und eine Feature-Datenquelle wie eine BigQuery-Tabelle oder -Ansicht zu verknüpfen.

Konsole

Wichtig :Sie können in der Google Cloud Konsole keine Funktionsgruppe mit einem dedizierten Dienstkonto erstellen. Wenn Sie eine Featuregruppe mit einem dedizierten Dienstkonto erstellen möchten, verwenden Sie die REST API oder das Vertex AI SDK für Python.

So erstellen Sie eine Feature-Gruppe mit der Google Cloud Console:

1. Rufen Sie im Bereich „Vertex AI“ der Google Cloud Console die Seite Feature Store auf.

   Zur Seite „Feature Store“

2. Klicken Sie im Abschnitt Featuregruppen auf Erstellen, um den Bereich Allgemeine Informationen auf der Seite Featuregruppe erstellen zu öffnen.

3. Geben Sie den Namen der Featuregruppe an.

4. Optional: Klicken Sie auf Label hinzufügen und geben Sie den Namen und den Wert des Labels an. Sie können einer Featuregruppe mehrere Labels hinzufügen.

5. Klicken Sie im Feld BigQuery-Pfad auf Durchsuchen, um die BigQuery-Quelltabelle oder ‑ansicht auszuwählen, die mit der Featuregruppe verknüpft werden soll.

6. Wählen Sie in der Liste Entitäts-ID-Spalte die Entitäts-ID-Spalten aus der BigQuery-Quelltabelle oder ‑ansicht aus.

   Das ist optional, wenn die BigQuery-Quelltabelle oder ‑Ansicht eine Spalte mit dem Namen entity_id hat. Wenn Sie in diesem Fall keine Spalte für die Entitäts-ID auswählen, wird die Spalte entity_id als Standardspalte für die Entitäts-ID verwendet.

7. Klicken Sie auf Weiter.

8. Klicken Sie im Bereich Register (Registrieren) auf eine der folgenden Optionen, um anzugeben, ob Sie der neuen Featuregruppe Features hinzufügen möchten:

   • Alle Spalten aus der BigQuery-Tabelle einschließen: Sie können in der Featuregruppe Features für alle Spalten in der BigQuery-Quelltabelle oder ‐ansicht erstellen.

   • Features manuell eingeben: Sie können Features basierend auf bestimmten Spalten in der BigQuery-Quelle erstellen. Geben Sie für jedes Feature einen Feature-Namen ein und klicken Sie in der Liste auf den entsprechenden Namen der BigQuery-Quellspalte.

     Wenn Sie weitere Features hinzufügen möchten, klicken Sie auf Weiteres Feature hinzufügen.

   • Leere Featuregruppe erstellen: Sie erstellen die Featuregruppe, ohne ihr Features hinzuzufügen.

9. Klicken Sie auf Erstellen.

Python

Informationen zur Installation des Vertex AI SDK for Python finden Sie unter Vertex AI SDK for Python installieren. Weitere Informationen finden Sie in der Python-API-Referenzdokumentation.

Hinweis :In diesem Beispiel wird eine Featuregruppe mit der Standardkonfiguration für Dienstkonten erstellt.

from google.cloud import aiplatform
from vertexai.resources.preview import feature_store
from typing import List


def create_feature_group_sample(
    project: str,
    location: str,
    feature_group_id: str,
    bq_table_uri: str,
    entity_id_columns: List[str],
):
    aiplatform.init(project=project, location=location)
    fg = feature_store.FeatureGroup.create(
        name=feature_group_id,
        source=feature_store.utils.FeatureGroupBigQuerySource(
            uri=bq_table_uri, entity_id_columns=entity_id_columns
        ),
    )
    return fg

• project: Ihre Projekt-ID.
• location: die Region, in der Sie die Featuregruppe erstellen möchten, z. B. us-central1.
• feature_group_id: der Name der neuen Featuregruppe, die Sie erstellen möchten.
• bq_table_uri: URI der BigQuery-Quelltabelle oder -Ansicht, die Sie für die Featuregruppe registrieren möchten.
• entity_id_columns: Die Namen der Spalten mit den Entitäts-IDs. Sie können entweder eine oder mehrere Spalten angeben.
  • Wenn Sie nur eine Spalte für die Entitäts-ID angeben möchten, geben Sie den Spaltennamen im folgenden Format an:
    "entity_id_column_name".
  • Wenn Sie mehrere Spalten für die Entitäts-ID angeben möchten, geben Sie die Spaltennamen im folgenden Format an:
    ["entity_id_column_1_name", "entity_id_column_2_name", ...].

REST

So erstellen Sie eine FeatureGroup-Ressource: Senden Sie eine POST-Anfrage mithilfe der Methode featureGroups.create .

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

• LOCATION_ID: die Region, in der Sie die Featuregruppe erstellen möchten, z. B. us-central1.
• SERVICE_AGENT_TYPE: Optional. Dienstkontokonfiguration für die Funktionsgruppe. Wenn Sie ein spezielles Dienstkonto für die Funktionsgruppe verwenden möchten, geben Sie SERVICE_AGENT_TYPE_FEATURE_GROUP ein.
• PROJECT_ID: Ihre Projekt-ID.
• ENTITY_ID_COLUMNS: Die Namen der Spalten mit den Entitäts-IDs. Sie können entweder eine oder mehrere Spalten angeben.
  • Wenn Sie nur eine Spalte für die Entitäts-ID angeben möchten, geben Sie den Spaltennamen im folgenden Format an:
    "entity_id_column_name".
  • Wenn Sie mehrere Spalten für die Entitäts-ID angeben möchten, geben Sie die Spaltennamen im folgenden Format an:
    ["entity_id_column_1_name", "entity_id_column_2_name", ...].
• FEATUREGROUP_NAME: der Name der neuen Featuregruppe, die Sie erstellen möchten.
• BIGQUERY_SOURCE_URI: URI der BigQuery-Quelltabelle oder -Ansicht, die Sie für die Featuregruppe registrieren möchten.
• TIMESTAMP_COLUMN: Optional. Geben Sie den Namen der Spalte mit den Zeitstempeln für das Feature in der BigQuery-Quelltabelle oder -Ansicht an.
  Sie müssen den Namen der Zeitstempelspalte nur angeben, wenn die Daten als Zeitreihe formatiert sind und die Spalte mit den Zeitstempeln für das Feature nicht den Namen feature_timestamp hat.
  
  Achtung: Geben Sie den Parameter time_series nicht an, wenn Sie den Parameter static_data_source auf true festlegen.
• STATIC_DATA_SOURCE: Optional. Geben Sie true ein, wenn die Daten nicht als Zeitreihe formatiert sind. Die Standardeinstellung ist false.
  
  Achtung: Wenn Sie den Parameter time_series verwenden, dürfen Sie den Parameter static_data_source nicht angeben.
• DENSE: Optional. Geben Sie an, wie Vertex AI Feature Store Nullwerte bei der Bereitstellung von Daten aus Featureansichten verarbeitet, die der Featuregruppe zugeordnet sind:
  • false: Das ist die Standardeinstellung. Vertex AI Feature Store stellt nur die neuesten Nicht-Null-Featurewerte bereit. Wenn der neueste Wert für ein Feature null ist, stellt Vertex AI Feature Store den letzten historischen Wert ungleich null bereit. Wenn jedoch sowohl die aktuellen als auch die bisherigen Werte für dieses Feature null sind, gibt Vertex AI Feature Store null als Featurewert zurück.
  • true: Bei Featureansichten mit geplanter Datensynchronisierung stellt Vertex AI Feature Store nur die neuesten Featurewerte bereit, einschließlich Nullwerten. Bei Feature-Ansichten mit kontinuierlicher Datensynchronisierung stellt Vertex AI Feature Store nur die neuesten Nicht-Null-Featurewerte bereit. Wenn jedoch sowohl die aktuellen als auch die bisherigen Werte für das Feature null sind, gibt Vertex AI Feature Store null als Featurewert zurück. Weitere Informationen zu Datensynchronisierungstypen und zum Konfigurieren des Typs der Datensynchronisierung in einer Featureansicht finden Sie unter Daten in einer Featureansicht synchronisieren.

HTTP-Methode und URL:

POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups?feature_group_id=FEATUREGROUP_NAME

JSON-Text der Anfrage:

{
  "service_agent_type": "SERVICE_AGENT_TYPE",
  "big_query": {
    "entity_id_columns": "ENTITY_ID_COLUMNS",
    "big_query_source": {
      "input_uri": "BIGQUERY_SOURCE_URI",
    }
    "time_series": {
      "timestamp_column": ""TIMESTAMP_COLUMN"",
    },
    "static_data_source": STATIC_DATA_SOURCE,
    "dense": DENSE
  }
}

Wenn Sie die Anfrage senden möchten, wählen Sie eine der folgenden Optionen aus:

curl

Hinweis: Der folgende Befehl setzt voraus, dass Sie sich mit Ihrem Nutzerkonto bei der gcloud CLI angemeldet haben. Dazu haben Sie gcloud init oder gcloud auth login ausgeführt oder die Cloud Shell genutzt, die Sie automatisch bei der gcloud CLI anmeldet. Um herauszufinden, welches Konto gerade aktiv ist, führen Sie gcloud auth list aus.

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus:

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups?feature_group_id=FEATUREGROUP_NAME"

PowerShell

Hinweis: Der folgende Befehl setzt voraus, dass Sie sich mit Ihrem Nutzerkonto bei der gcloud CLI angemeldet haben. Dazu führen Sie gcloud init oder gcloud auth login aus. Um herauszufinden, welches Konto gerade aktiv ist, führen Sie gcloud auth list aus.

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureGroups?feature_group_id=FEATUREGROUP_NAME" | Select-Object -Expand Content

Sie sollten in etwa folgende JSON-Antwort erhalten:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featureGroups/FEATUREGROUP_NAME/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1.UpdateFeatureGroupOperationMetadata",
    "genericMetadata": {
      "createTime": "2023-09-18T03:00:13.060636Z",
      "updateTime": "2023-09-18T03:00:13.060636Z"
    }
  }
}

Nächste Schritte

• Weitere Informationen zum Erstellen eines Features

• Weitere Informationen zum Aktualisieren einer Featureansicht.

• Erfahren Sie, wie Sie eine Featuregruppe löschen.