Crea un'istanza di visualizzazione caratteristiche

Puoi creare una visualizzazione delle funzionalità all'interno di un'istanza del negozio online esistente. Durante la creazione di una visualizzazione elemento, puoi associare elementi nei seguenti modi:

  • Aggiungi gruppi di funzionalità e funzionalità dal Registro di caratteristiche: associali ai gruppi di funzionalità e alle funzionalità esistenti del Registro di caratteristiche. Un gruppo di caratteristiche specifica la posizione dell'origine dati BigQuery. Un elemento all'interno del gruppo di elementi fa riferimento a una colonna di elementi specifica all'interno dell'origine dati. Puoi associare una visualizzazione elemento a più gruppi di elementi.

  • Aggiungi elementi da un'origine BigQuery: associa direttamente un'origine dati BigQuery, ad esempio una tabella o una vista BigQuery, e specifica almeno una colonna ID entità.

Dopo aver creato una vista delle funzionalità, Vertex AI Feature Store sincronizza i valori delle funzionalità più recenti dall'origine dati BigQuery. Se imposti il parametro di query run_sync_immediately=true, Vertex AI Feature Store sincronizza i valori delle funzionalità quando crei la vista delle funzionalità. In caso contrario, Vertex AI Feature Store sincronizza i valori delle funzionalità in base alla programmazione della sincronizzazione specificata per la visualizzazione delle funzionalità.

Prima di iniziare

Esegui l'autenticazione su Vertex AI, se non l'hai ancora fatto.

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

Per utilizzare gli Python esempi in questa pagina in un ambiente di sviluppo locale, installa e inizializza l'interfaccia alla gcloud CLI, quindi configura le Credenziali predefinite dell'applicazione con le tue credenziali utente.

  1. Install the Google Cloud CLI.

  2. To initialize the gcloud CLI, run the following command: 

    gcloud init

  3. 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.

Per ulteriori informazioni, consulta Set up authentication for a local development environment.

REST

Per utilizzare gli esempi dell'API REST in questa pagina in un ambiente di sviluppo locale, utilizza le credenziali fornite a gcloud CLI.

    Install the Google Cloud CLI, then initialize it by running the following command: 

    gcloud init

Per saperne di più, consulta Eseguire l'autenticazione per l'utilizzo di REST nella documentazione sull'autenticazione di Google Cloud.

Sincronizzare i dati delle funzionalità in una visualizzazione delle funzionalità

Vertex AI Feature Store può aggiornare o sincronizzare i valori delle funzionalità dall'origine dati BigQuery alla vista delle funzionalità. Puoi specificare il tipo di sincronizzazione dei dati per una visualizzazione delle funzionalità utilizzando il parametro FeatureView.sync_config.

Vertex AI Feature Store supporta i seguenti tipi di sincronizzazione dei dati:

  • Sincronizzazione dei dati pianificata: puoi specificare la pianificazione o la frequenza della sincronizzazione dei dati. Puoi scegliere questa sincronizzazione dei dati pianificata per una visualizzazione delle funzionalità, indipendentemente dal tipo di pubblicazione online specificato per l'istanza del negozio online.

    Se la visualizzazione delle funzionalità è configurata per utilizzare la sincronizzazione dei dati pianificata, puoi scegliere di saltare l'attesa fino all'operazione di sincronizzazione pianificata successiva avviando manualmente la sincronizzazione dei dati. Per ulteriori informazioni sull'attivazione manuale di una sincronizzazione dei dati, consulta Sincronizzare i dati delle funzionalità con il negozio online.

    Durante la pubblicazione online, se vuoi pubblicare solo gli ultimi valori delle caratteristiche, inclusi i valori null, devi utilizzare la seguente configurazione:

    1. Registra l'origine dati delle funzionalità creando un gruppo di funzionalità con il parametro dense impostato su true.

    2. Scegli la pubblicazione online di Bigtable quando crei l'istanza del negozio online.

    3. Scegli la sincronizzazione dei dati pianificata quando crei le visualizzazioni delle funzionalità.

  • Sincronizzazione continua dei dati: i dati delle funzionalità vengono aggiornati ogni volta che i dati delle funzionalità nell'origine dati BigQuery vengono aggiornati. Puoi scegliere questo tipo di sincronizzazione dei dati per una visualizzazione delle funzionalità solo se sono soddisfatte tutte le seguenti condizioni:

    • L'istanza del negozio online è configurata per la pubblicazione online tramite Bigtable.

    • La visualizzazione delle caratteristiche è associata a gruppi di caratteristiche e risorse delle caratteristiche.

    • L'origine dati BigQuery si trova in una delle seguenti regioni:

      • eu

      • us

      • us-central1

    La sincronizzazione continua dei dati presenta le seguenti limitazioni:

    • Non puoi aggiornare una visualizzazione delle caratteristiche se selezioni la sincronizzazione continua dei dati.

    • Solo i nuovi record delle funzionalità vengono sincronizzati dall'origine dati BigQuery. La sincronizzazione continua dei dati non sincronizza i record delle funzionalità aggiornati o eliminati in BigQuery.

Ottimizzare i costi durante la sincronizzazione dei dati pianificata

Un'operazione di sincronizzazione dei dati potrebbe comportare costi per l'utilizzo delle risorse BigQuery. Segui queste linee guida per ottimizzare questi costi e migliorare il rendimento durante una sincronizzazione dei dati:

  • Non configurare la pianificazione della sincronizzazione in modo che venga eseguita più di frequente rispetto alla frequenza con cui i dati dovrebbero cambiare nell'origine BigQuery.

  • Ottimizza le dimensioni dell'origine dati delle funzionalità in BigQuery. Durante la creazione della visualizzazione delle funzionalità, includi solo i dati necessari per la pubblicazione online.

  • Evita di eseguire aggregazioni complesse in BigQuery. Esegui una SELECT * query sulla tabella o sulla vista per stimare il volume e la durata dell'elaborazione dei dati.

  • Durante l'impostazione delle opzioni di scalabilità per il negozio online, imposta max_node_count su un valore sufficientemente elevato da coprire carichi elevati durante una sincronizzazione dei dati.

  • Pianifica la sincronizzazione per visualizzazioni delle funzionalità diverse in momenti diversi all'interno dello stesso negozio online.

  • Se la tabella BigQuery contiene dati storici estesi, valuta la possibilità di partizionare la tabella utilizzando i timestamp e specifica un intervallo di tempo per retrieving i dati delle funzionalità. In questo modo, il recupero dei dati delle funzionalità obsolete viene ridotto al minimo durante la sincronizzazione.

  • L'utilizzo di Bigtable aumenta durante le sincronizzazioni dei dati. Per le visualizzazioni delle funzionalità create all'interno dei negozi online per la pubblicazione online di Bigtable, pianifica i job di sincronizzazione durante i periodi di bassa attività per ottenere il massimo rendimento.

Configurare l'account di servizio per una visualizzazione delle funzionalità

Ogni vista elemento utilizza un account di servizio per accedere ai dati di origine in BigQuery durante la sincronizzazione. Vertex AI Feature Store assegna a questo account di servizio il ruolo IAM Data Identity and Access Management.

Per impostazione predefinita, una visualizzazione delle funzionalità utilizza l'account di servizio configurato per il progetto. Con questa configurazione, qualsiasi utente con l'autorizzazione per creare una vista elemento nel tuo progetto può accedere ai dati delle funzionalità in BigQuery.

In alternativa, puoi configurare la visualizzazione delle funzionalità in modo che utilizzi il proprio account di servizio. Vertex AI Feature Store configura quindi un account servizio dedicato per la visualizzazione delle funzionalità. Con questa configurazione, puoi limitare l'accesso ai dati delle funzionalità in BigQuery o concedere l'accesso ad altri utenti. Puoi specificare la configurazione dell'account di servizio utilizzando il parametro FeatureView.service_agent_type.

Configurare il recupero di vettori per una visualizzazione elemento

Puoi configurare il recupero dei vettori per una vista elemento all'interno di un negozio online creato per la pubblicazione online ottimizzata utilizzando il parametro FeatureView.index_config. Per informazioni su come preparare o aggiornare l'origine dati BigQuery per supportare gli incorporamenti includendo la colonna embedding, consulta le linee guida per la preparazione delle origini dati.

Tieni presente che puoi configurare il recupero dei vettori e gestire gli embedding solo se la vista delle funzionalità viene creata specificando un URI di origine BigQuery e non da gruppi di funzionalità e funzionalità del Registry delle funzionalità.

Per saperne di più su come cercare i vicini più prossimi approssimativi utilizzando gli embedding in Vertex AI Feature Store, consulta Eseguire ricerche utilizzando gli embedding.

Creare una visualizzazione delle funzionalità dai gruppi di funzionalità

Puoi creare una visualizzazione delle funzionalità in base ai dati delle funzionalità registrati utilizzando gruppi di funzionalità e funzionalità. Per associare più origini dati BigQuery con la stessa vista delle funzionalità, puoi specificare più gruppi di funzionalità.

Se crei una visualizzazione delle caratteristiche specificando gruppi di funzionalità e funzionalità:

  • L'origine dati deve avere una colonna feature_timestamp e può contenere dati storici.

  • Vertex AI Feature Store pubblica solo i valori più recenti delle funzionalità in base al timestamp della funzionalità.

  • Non puoi configurare la gestione dell'incorporamento per la visualizzazione delle funzionalità.

Crea una visualizzazione delle funzionalità con la configurazione predefinita dell'account di servizio

Utilizza il seguente esempio per creare una visualizzazione delle funzionalità associando più gruppi di funzionalità senza specificare una configurazione dell'account di servizio.

REST

Per creare una risorsa FeatureView, invia una richiesta POST utilizzando il metodo featureViews.create.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • LOCATION_ID: regione in cui vuoi creare la visualizzazione dei componenti, ad esempio us-central1.
  • PROJECT_ID: l'ID del tuo progetto.
  • FEATUREONLINESTORE_NAME: il nome dell'istanza del negozio online in cui vuoi creare la visualizzazione delle funzionalità.
  • FEATUREVIEW_NAME: il nome della nuova istanza della visualizzazione delle funzionalità che vuoi creare.
  • FEATUREGROUP_NAME_A e FEATUREGROUP_NAME_B: i nomi dei gruppi di funzionalità da cui vuoi aggiungere funzionalità alla visualizzazione delle funzionalità.
  • FEATURE_ID_A1 e FEATURE_ID_A2: gli ID delle caratteristiche del gruppo di caratteristiche FEATUREGROUP_NAME_A che vuoi aggiungere alla vista delle caratteristiche.
  • FEATURE_ID_B1 e FEATURE_ID_B2: gli ID delle caratteristiche del gruppo di caratteristiche FEATUREGROUP_NAME_B che vuoi aggiungere alla vista delle caratteristiche.
  • SYNC_CONFIG: inserisci una delle seguenti configurazioni di sincronizzazione per la visualizzazione delle funzionalità:
    • Per utilizzare la sincronizzazione dei dati pianificata, specifica la pianificazione della sincronizzazione nel seguente formato:
      "cron": "cron_schedule_expression"
      Sostituisci "cron_schedule_expression" con l'espressione di pianificazione cron che rappresenta la frequenza di sincronizzazione dei dati con la visualizzazione delle funzionalità. Per ulteriori informazioni, consulta cron.
    • Per utilizzare la sincronizzazione continua dei dati, inserisci quanto segue:
      "continuous": true Puoi utilizzare la sincronizzazione continua dei dati solo se l'istanza del negozio online contenente la visualizzazione della funzionalità è configurata per il servizio online Bigtable.

Metodo HTTP e URL: 

POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME

Corpo JSON della richiesta: 

{
  "feature_registry_source": {
    "feature_groups": [
      {
        "feature_group_id": "FEATUREGROUP_NAME_A",
        "feature_ids": [ "FEATURE_ID_A1", "FEATURE_ID_A2" ]
      },
      {
        "feature_group_id": "FEATUREGROUP_NAME_B",
        "feature_ids": [ "FEATURE_ID_B1", "FEATURE_ID_B2" ]
      }
    ]
  },
  "sync_config": {
    SYNC_CONFIG
  }
}

Per inviare la richiesta, scegli una delle seguenti opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

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/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$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/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME" | Select-Object -Expand Content

Dovresti ricevere una risposta JSON simile alla seguente:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews/FEATUREVIEW_NAME/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1.CreateFeatureViewOperationMetadata",
    "genericMetadata": {
      "createTime": "2023-09-15T02:11:29.458820Z",
      "updateTime": "2023-09-15T02:11:29.458820Z"
    }
  }
}

Creare una visualizzazione delle funzionalità specificando una configurazione dell'account di servizio

Utilizza il seguente esempio per creare una visualizzazione dei componenti da gruppi di componenti specificando una configurazione dell'account di servizio.

REST

Per creare una risorsa FeatureView, invia una richiesta POST utilizzando il metodo featureViews.create.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • LOCATION_ID: regione in cui vuoi creare la visualizzazione dei componenti, ad esempio us-central1.
  • PROJECT_ID: l'ID del tuo progetto.
  • FEATUREONLINESTORE_NAME: il nome dell'istanza del negozio online in cui vuoi creare la visualizzazione delle funzionalità.
  • FEATUREVIEW_NAME: il nome della nuova istanza della visualizzazione delle funzionalità che vuoi creare.
  • FEATUREGROUP_NAME_A e FEATUREGROUP_NAME_B: i nomi dei gruppi di funzionalità da cui vuoi aggiungere funzionalità alla visualizzazione delle funzionalità.
  • FEATURE_ID_A1 e FEATURE_ID_A2: gli ID delle caratteristiche del gruppo di caratteristiche FEATUREGROUP_NAME_A che vuoi aggiungere alla vista delle caratteristiche.
  • FEATURE_ID_B1 e FEATURE_ID_B2: gli ID delle caratteristiche del gruppo di caratteristiche FEATUREGROUP_NAME_B che vuoi aggiungere alla vista delle caratteristiche.
  • SYNC_CONFIG: inserisci una delle seguenti configurazioni di sincronizzazione per la visualizzazione delle funzionalità:
    • Per utilizzare la sincronizzazione dei dati pianificata, fornisci la pianificazione della sincronizzazione nel seguente formato:
      "cron": "cron_schedule_expression"
      Sostituisci "cron_schedule_expression" con l'espressione di pianificazione cron che rappresenta la frequenza di sincronizzazione dei dati con la visualizzazione delle funzionalità. Per ulteriori informazioni, consulta cron.
    • Per utilizzare la sincronizzazione continua dei dati, inserisci quanto segue:
      "continuous": true Puoi utilizzare la sincronizzazione continua dei dati solo se l'istanza del negozio online contenente la visualizzazione della funzionalità è configurata per il servizio online Bigtable.
  • SERVICE_AGENT_TYPE: facoltativo. Configurazione dell'account di servizio per la visualizzazione delle funzionalità. I tipi di agenti di servizio supportati includono:
    • SERVICE_AGENT_TYPE_PROJECT: utilizza l'account di servizio a livello di progetto per la visualizzazione delle funzionalità. Questa è la configurazione predefinita.
    • SERVICE_AGENT_TYPE_FEATURE_VIEW: configura e utilizza un account di servizio dedicato per la visualizzazione delle funzionalità.

Metodo HTTP e URL: 

POST https://LOCATION_ID-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME

Corpo JSON della richiesta: 

{
  "feature_registry_source": {
    "feature_groups": [
      {
        "feature_group_id": "FEATUREGROUP_NAME_A",
        "feature_ids": [ "FEATURE_ID_A1", "FEATURE_ID_A2" ]
      },
      {
        "feature_group_id": "FEATUREGROUP_NAME_B",
        "feature_ids": [ "FEATURE_ID_B1", "FEATURE_ID_B2" ]
      }
    ]
  },
  "sync_config": {
    SYNC_CONFIG
  },
  "service_agent_type": "SERVICE_AGENT_TYPE"
}

Per inviare la richiesta, scegli una delle seguenti opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

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/v1beta1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$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/v1beta1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME" | Select-Object -Expand Content

Dovresti ricevere una risposta JSON simile alla seguente:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews/FEATUREVIEW_NAME/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1beta1.CreateFeatureViewOperationMetadata",
    "genericMetadata": {
      "createTime": "2023-09-15T02:11:29.458820Z",
      "updateTime": "2023-09-15T02:11:29.458820Z"
    }
  }
}

Creare una vista elemento da un'origine BigQuery

Se vuoi pubblicare elementi online senza registrare l'origine dati BigQuery utilizzando gruppi di elementi ed elementi, puoi creare una vista elemento specificando l'URI dell'origine dati BigQuery.

Se crei una visualizzazione elemento specificando l'origine dati:

  • Non puoi includere una colonna feature_timestamp nella tabella o nella vista BigQuery.

  • Non puoi includere i valori delle caratteristiche storiche nell'origine dati. Ogni riga deve contenere un ID entità univoco.

Creare una visualizzazione delle funzionalità che utilizza l'account di servizio predefinito e non supporta gli incorporamenti

Utilizza i seguenti esempi per creare una visualizzazione delle funzionalità che non supporta gli embedding, associando direttamente un'origine dati BigQuery e senza specificare una configurazione del account di servizio.

Python

Per scoprire come installare o aggiornare l'SDK Vertex AI per Python, consulta Installare l'SDK Vertex AI per Python. Per saperne di più, consulta la documentazione di riferimento dell'API Python. 


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


def create_feature_view_from_bq_source(
    project: str,
    location: str,
    existing_feature_online_store_id: str,
    feature_view_id: str,
    bq_table_uri: str,
    entity_id_columns: List[str],
):
    aiplatform.init(project=project, location=location)
    fos = feature_store.FeatureOnlineStore(existing_feature_online_store_id)
    fv = fos.create_feature_view(
        name=feature_view_id,
        source=feature_store.utils.FeatureViewBigQuerySource(
            uri=bq_table_uri, entity_id_columns=entity_id_columns
        ),
    )
    return fv
  • project: l'ID del tuo progetto.
  • location: regione in cui vuoi creare la visualizzazione dei componenti, ad esempio us-central1.
  • existing_feature_online_store_id: il nome dell'istanza del negozio online in cui vuoi creare la visualizzazione delle funzionalità.
  • feature_view_id: il nome della nuova istanza della visualizzazione delle funzionalità che vuoi creare.
  • bq_table_uri: URI della vista o della tabella di origine BigQuery.
  • entity_id_columns: i nomi delle colonne contenenti gli ID entità. Puoi specificare una o più colonne.
    • Per specificare una sola colonna ID entità, specifica il nome della colonna nel seguente formato:
      "entity_id_column_name".
    • Per specificare più colonne ID entità, specifica i nomi delle colonne nel seguente formato:
      ["entity_id_column_1_name", "entity_id_column_2_name", ...].

REST

Per creare una risorsa FeatureView, invia una richiesta POST utilizzando il metodo featureViews.create.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • LOCATION_ID: regione in cui vuoi creare la visualizzazione dei componenti, ad esempio us-central1.
  • PROJECT_ID: l'ID del tuo progetto.
  • FEATUREONLINESTORE_NAME: il nome dell'istanza del negozio online in cui vuoi creare la visualizzazione delle funzionalità.
  • FEATUREVIEW_NAME: il nome della nuova visualizzazione elemento che vuoi creare.
  • PROJECT_NAME: il nome del progetto.
  • DATASET_NAME: il nome del set di dati BigQuery.
  • TABLE_NAME: il nome della tabella del set di dati BigQuery.
  • ENTITY_ID_COLUMNS: i nomi delle colonne contenenti gli ID entità. Puoi specificare una o più colonne.
    • Per specificare una sola colonna ID entità, specifica il nome della colonna nel seguente formato:
      "entity_id_column_name"
    • Per specificare più colonne ID entità, specifica i nomi delle colonne nel seguente formato:
      ["entity_id_column_1_name", "entity_id_column_2_name", ...]
  • CRON: espressione di pianificazione cron che rappresenta la frequenza di sincronizzazione dei dati con la visualizzazione delle funzionalità. Per ulteriori informazioni, consulta cron.

Metodo HTTP e URL: 

POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME

Corpo JSON della richiesta: 

{
  "big_query_source": {
    "uri": "bq://PROJECT_NAME.DATASET_NAME.TABLE_NAME",
    "entity_id_columns": "ENTITY_ID_COLUMNS"
  },
  "sync_config": {
    "cron": "CRON"
  }
}

Per inviare la richiesta, scegli una delle seguenti opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

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/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$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/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME" | Select-Object -Expand Content

Dovresti ricevere una risposta JSON simile alla seguente:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews/FEATUREVIEW_NAME/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1.CreateFeatureViewOperationMetadata",
    "genericMetadata": {
      "createTime": "2023-09-15T02:11:29.458820Z",
      "updateTime": "2023-09-15T02:11:29.458820Z"
    }
  }
}

Crea una visualizzazione di funzionalità che utilizza l'account di servizio predefinito e supporta gli embedding

Utilizza i seguenti esempi per creare una vista elemento con il supporto dell'embedding associando direttamente un'origine dati BigQuery e senza specificare una configurazione dell'account di servizio.

Python

Per scoprire come installare o aggiornare l'SDK Vertex AI per Python, consulta Installare l'SDK Vertex AI per Python. Per saperne di più, consulta la documentazione di riferimento dell'API Python. 


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


def create_feature_view_from_bq_source_with_embedding_management(
    project: str,
    location: str,
    existing_feature_online_store_id: str,
    feature_view_id: str,
    bq_table_uri: str,
    entity_id_columns: List[str],
    embedding_column: str,
    embedding_dimensions: int,
):
    aiplatform.init(project=project, location=location)

    fos = feature_store.FeatureOnlineStore(existing_feature_online_store_id)

    bigquery_source = feature_store.utils.FeatureViewBigQuerySource(
        uri=bq_table_uri,
        entity_id_columns=entity_id_columns,
    )
    index_config = feature_store.utils.IndexConfig(
        embedding_column=embedding_column,
        dimensions=embedding_dimensions,
        algorithm_config=feature_store.utils.TreeAhConfig(),
    )
    fv = fos.create_feature_view(
        name=feature_view_id,
        source=bigquery_source,
        index_config=index_config,
    )
    return fv
  • project: l'ID del tuo progetto.
  • location: regione in cui vuoi creare la visualizzazione dei componenti, ad esempio us-central1.
  • existing_feature_online_store_id: il nome dell'istanza del negozio online in cui vuoi creare la visualizzazione delle funzionalità.
  • feature_view_id: il nome della nuova istanza della visualizzazione delle funzionalità che vuoi creare.
  • bq_table_uri: URI della vista o della tabella di origine BigQuery.
  • entity_id_columns: i nomi delle colonne contenenti gli ID entità. Puoi specificare una o più colonne.
    • Per specificare una sola colonna ID entità, specifica il nome della colonna nel seguente formato:
      "entity_id_column_name".
    • Per specificare più colonne ID entità, specifica i nomi delle colonne nel seguente formato:
      ["entity_id_column_1_name", "entity_id_column_2_name", ...].
  • embedding_column: il nome della colonna contenente i dati di origine per creare l'indice per la ricerca di vettori. Questo valore è obbligatorio solo se vuoi gestire gli incorporamenti con la visualizzazione delle funzionalità.
  • embedding_dimensions: facoltativo. Le dimensioni, espresse come numero di dimensioni, di un'evidenziazione nella colonna di incorporamento.

REST

Per creare una risorsa FeatureView, invia una richiesta POST utilizzando il metodo featureViews.create.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • LOCATION_ID: regione in cui vuoi creare la visualizzazione dei componenti, ad esempio us-central1.
  • PROJECT_ID: l'ID del tuo progetto.
  • FEATUREONLINESTORE_NAME: il nome dell'istanza del negozio online in cui vuoi creare la visualizzazione delle funzionalità.
  • FEATUREVIEW_NAME: il nome della nuova visualizzazione elemento che vuoi creare.
  • PROJECT_NAME: il nome del progetto.
  • DATASET_NAME: il nome del set di dati BigQuery.
  • TABLE_NAME: il nome della tabella del set di dati BigQuery.
  • ENTITY_ID_COLUMNS: i nomi delle colonne contenenti gli ID entità. Puoi specificare una o più colonne.
    • Per specificare una sola colonna ID entità, specifica il nome della colonna nel seguente formato:
      "entity_id_column_name"
    • Per specificare più colonne ID entità, specifica i nomi delle colonne nel seguente formato:
      ["entity_id_column_1_name", "entity_id_column_2_name", ...]
  • CRON: espressione di pianificazione cron che rappresenta la frequenza di sincronizzazione dei dati con la visualizzazione delle funzionalità. Per ulteriori informazioni, consulta cron.
  • EMBEDDING_COLUMN: il nome della colonna contenente i dati di origine per creare l'indice per la ricerca di vettori. Questo valore è obbligatorio solo se vuoi gestire gli incorporamenti con la visualizzazione delle funzionalità.
  • FILTER_COLUMN_1 e FILTER_COLUMN_2: facoltativi. I nomi delle colonne utilizzate per filtrare i risultati di ricerca dei vettori.
  • CROWDING_COLUMN: facoltativo. Il nome della colonna contenente gli attributi di affollamento.
  • EMBEDDING_DIMENSION: (facoltativo) La dimensione, espressa come numero di dimensioni, di un'evidenziazione nella colonna corrispondente.

Metodo HTTP e URL: 

POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME

Corpo JSON della richiesta: 

{
  "big_query_source": {
    "uri": "bq://PROJECT_NAME.DATASET_NAME.TABLE_NAME",
    "entity_id_columns": "ENTITY_ID_COLUMNS"
  },
  "sync_config": {
    "cron": "CRON"
  },
  "index_config": {
    "embedding_column": "EMBEDDING_COLUMN",
    "filter_columns": ["FILTER_COLUMN_1", "FILTER_COLUMN_2"],
    "crowding_column": "CROWDING_COLUMN",
    "embedding_dimension": EMBEDDING_DIMENSION
    "tree_ah_config": {}
  }
}

Per inviare la richiesta, scegli una delle seguenti opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

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/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$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/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME" | Select-Object -Expand Content

Dovresti ricevere una risposta JSON simile alla seguente:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews/FEATUREVIEW_NAME/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1.CreateFeatureViewOperationMetadata",
    "genericMetadata": {
      "createTime": "2023-09-15T02:11:29.458820Z",
      "updateTime": "2023-09-15T02:11:29.458820Z"
    }
  }
}

Crea una visualizzazione dei componenti con gestione dell'embedding specificando una configurazione dell'account di servizio

Utilizza il seguente esempio per creare una vista delle funzionalità con il supporto dell'incorporamento associando direttamente un'origine dati BigQuery e specificando una configurazione del service account.

REST

Per creare una risorsa FeatureView con il supporto delle rappresentazioni distribuite, invia una richiesta POST utilizzando il metodo featureViews.create e specificando il parametro FeatureView.index_config. Tieni presente che puoi utilizzare la gestione dell'embedding solo se il negozio online è configurato per la pubblicazione online ottimizzata.

Prima di utilizzare i dati della richiesta, apporta le seguenti sostituzioni:

  • LOCATION_ID: regione in cui vuoi creare la visualizzazione dei componenti, ad esempio us-central1.
  • PROJECT_ID: l'ID del tuo progetto.
  • FEATUREONLINESTORE_NAME: il nome dell'istanza del negozio online in cui vuoi creare la visualizzazione delle funzionalità.
  • FEATUREVIEW_NAME: il nome della nuova visualizzazione elemento che vuoi creare.
  • PROJECT_NAME: il nome del progetto.
  • DATASET_NAME: il nome del set di dati BigQuery.
  • TABLE_NAME: il nome della tabella del set di dati BigQuery.
  • ENTITY_ID_COLUMNS: i nomi delle colonne contenenti gli ID entità. Puoi specificare una o più colonne.
    • Per specificare una sola colonna ID entità, specifica il nome della colonna nel seguente formato:
      "entity_id_column_name"
    • Per specificare più colonne ID entità, specifica i nomi delle colonne nel seguente formato:
      ["entity_id_column_1_name", "entity_id_column_2_name", ...]
  • CRON: espressione di pianificazione cron che rappresenta la frequenza di sincronizzazione dei dati con la visualizzazione delle funzionalità. Per ulteriori informazioni, consulta cron.
  • SERVICE_AGENT_TYPE: configurazione dell'account di servizio per la visualizzazione delle funzionalità. I tipi di agenti di servizio supportati includono:
    • SERVICE_AGENT_TYPE_PROJECT: utilizza l'account di servizio a livello di progetto per la visualizzazione delle funzionalità. Questa è la configurazione predefinita.
    • SERVICE_AGENT_TYPE_FEATURE_VIEW: configura e utilizza un account di servizio dedicato per la visualizzazione delle funzionalità.
  • EMBEDDING_COLUMN: il nome della colonna contenente i dati di origine per creare l'indice per la ricerca di vettori. Questo valore è obbligatorio solo se vuoi gestire gli incorporamenti con la visualizzazione delle funzionalità.
  • FILTER_COLUMN_1 e FILTER_COLUMN_2: facoltativi. I nomi delle colonne utilizzate per filtrare i risultati di ricerca dei vettori.
  • CROWDING_COLUMN: facoltativo. Il nome della colonna contenente gli attributi di affollamento.
  • EMBEDDING_DIMENSION: (facoltativo) La dimensione, espressa come numero di dimensioni, di un'evidenziazione nella colonna corrispondente.

Metodo HTTP e URL: 

POST https://LOCATION_ID-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME

Corpo JSON della richiesta: 

{
  "big_query_source": {
    "uri": "bq://PROJECT_NAME.DATASET_NAME.TABLE_NAME",
    "entity_id_columns": "ENTITY_ID_COLUMNS"
  },
  "sync_config": {
    "cron": "CRON"
  },
  "service_agent_type": "SERVICE_AGENT_TYPE",
  "index_config": {
    "embedding_column": "EMBEDDING_COLUMN",
    "filter_columns": ["FILTER_COLUMN_1", "FILTER_COLUMN_2"],
    "crowding_column": "CROWDING_COLUMN",
    "embedding_dimension": EMBEDDING_DIMENSION
    "tree_ah_config": {}
  }
}

Per inviare la richiesta, scegli una delle seguenti opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

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/v1beta1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$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/v1beta1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME" | Select-Object -Expand Content

Dovresti ricevere una risposta JSON simile alla seguente:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews/FEATUREVIEW_NAME/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1beta1.CreateFeatureViewOperationMetadata",
    "genericMetadata": {
      "createTime": "2023-09-15T02:11:29.458820Z",
      "updateTime": "2023-09-15T02:11:29.458820Z"
    }
  }
}

Passaggi successivi