Gestione dei tipi di entità

Scopri come creare, elencare ed eliminare i tipi di entità.

Crea un tipo di entità

Crea un tipo di entità in modo da poter creare le relative funzionalità.

UI web

Nella sezione Vertex AI della console Google Cloud, vai alla pagina Funzionalità.

Vai alla pagina Funzionalità

Nella barra delle azioni, fai clic su Crea tipo di entità per aprire il riquadro Crea tipo di entità.
Seleziona un'area geografica dall'elenco a discesa Regione che include l'archivio di caratteristiche in cui vuoi creare un tipo di entità.
Seleziona un archivio di caratteristiche.
Specifica un nome per il tipo di entità.
Se vuoi includere una descrizione per il tipo di entità, inserisci una descrizione.
Per abilitare il monitoraggio del valore delle funzionalità (Anteprima), imposta il monitoraggio su Abilitato e specifica l'intervallo di snapshot in giorni. Questa configurazione di monitoraggio si applica a tutte le funzionalità in questo tipo di entità. Per maggiori informazioni, consulta la pagina Monitoraggio del valore delle funzionalità.
Fai clic su Crea.

Terraform

L'esempio seguente crea un nuovo archivio di caratteristiche, quindi utilizza la risorsa Terraform google_vertex_ai_featurestore_entitytype per creare un tipo di entità denominato featurestore_entitytype all'interno dell'archivio di caratteristiche.

Per informazioni su come applicare o rimuovere una configurazione Terraform, consulta Comandi Terraform di base.

Visualizza su GitHub Feedback

# Featurestore name must be unique for the project
resource "random_id" "featurestore_name_suffix" {
  byte_length = 8
}

resource "google_vertex_ai_featurestore" "featurestore" {
  name   = "featurestore_${random_id.featurestore_name_suffix.hex}"
  region = "us-central1"
  labels = {
    environment = "testing"
  }

  online_serving_config {
    fixed_node_count = 1
  }

  force_destroy = true
}

output "featurestore_id" {
  value = google_vertex_ai_featurestore.featurestore.id
}

resource "google_vertex_ai_featurestore_entitytype" "entity" {
  name = "featurestore_entitytype"
  labels = {
    environment = "testing"
  }

  featurestore = google_vertex_ai_featurestore.featurestore.id

  monitoring_config {
    snapshot_analysis {
      disabled = false
    }
  }

  depends_on = [google_vertex_ai_featurestore.featurestore]
}

REST

Per creare un tipo di entità, invia una richiesta POST utilizzando il metodo featurestores.entityTypes.create.

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

LOCATION_ID: la regione in cui si trova l'archivio di caratteristiche, ad esempio us-central1.
PROJECT_ID: l'ID del tuo progetto.
FEATURESTORE_ID: ID dell'archivio di caratteristiche.
ENTITY_TYPE_ID: ID del tipo di entità.
DESCRIPTION: descrizione del tipo di entità.

Metodo e URL HTTP:

POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featurestores/FEATURESTORE_ID/entityTypes?entityTypeId=ENTITY_TYPE_ID

Corpo JSON richiesta:

{
  "description": "DESCRIPTION"
}

Per inviare la richiesta, scegli una delle seguenti opzioni:

ricci

Nota: il seguente comando presuppone che tu abbia eseguito l'accesso all' interfaccia a riga di comando gcloud con il tuo account utente eseguendo gcloud init o gcloud auth login, oppure utilizzando Cloud Shell, che esegue automaticamente l'accesso all'interfaccia a riga di comando di gcloud. Puoi controllare l'account attualmente attivo eseguendo gcloud auth list.

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

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/featurestores/FEATURESTORE_ID/entityTypes?entityTypeId=ENTITY_TYPE_ID"

PowerShell

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

$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/featurestores/FEATURESTORE_ID/entityTypes?entityTypeId=ENTITY_TYPE_ID" | Select-Object -Expand Content

Dovresti vedere un output simile al seguente. Puoi utilizzare OPERATION_ID nella risposta per ottenere lo stato dell'operazione.

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featurestores/FEATURESTORE_ID/entityTypes/bikes/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1.CreateEntityTypeOperationMetadata",
    "genericMetadata": {
      "createTime": "2021-03-02T00:04:13.039166Z",
      "updateTime": "2021-03-02T00:04:13.039166Z"
    }
  }
}

SDK Vertex AI per Python

Per scoprire come installare l'SDK Vertex AI per Python, vedi Installare l'SDK Vertex AI per Python. Per maggiori informazioni, consulta la documentazione di riferimento per l'API Vertex AI SDK per Python.

Visualizza su GitHub Feedback

from google.cloud import aiplatform

def create_entity_type_sample(
    project: str,
    location: str,
    entity_type_id: str,
    featurestore_name: str,
):

    aiplatform.init(project=project, location=location)

    my_entity_type = aiplatform.EntityType.create(
        entity_type_id=entity_type_id, featurestore_name=featurestore_name
    )

    my_entity_type.wait()

    return my_entity_type

Python

La libreria client per Vertex AI è inclusa quando installi l'SDK Vertex AI per Python. Per scoprire come installare l'SDK Vertex AI per Python, vedi Installare l'SDK Vertex AI per Python. Per maggiori informazioni, consulta la documentazione di riferimento per l'API Python AI for Python.

Visualizza su GitHub Feedback

from google.cloud import aiplatform

def create_entity_type_sample(
    project: str,
    featurestore_id: str,
    entity_type_id: str,
    description: str = "sample entity type",
    location: str = "us-central1",
    api_endpoint: str = "us-central1-aiplatform.googleapis.com",
    timeout: int = 300,
):
    # The AI Platform services require regional API endpoints, which need to be
    # in the same region or multi-region overlap with the Feature Store location.
    client_options = {"api_endpoint": api_endpoint}
    # Initialize client that will be used to create and send requests.
    # This client only needs to be created once, and can be reused for multiple requests.
    client = aiplatform.gapic.FeaturestoreServiceClient(client_options=client_options)
    parent = f"projects/{project}/locations/{location}/featurestores/{featurestore_id}"
    create_entity_type_request = aiplatform.gapic.CreateEntityTypeRequest(
        parent=parent,
        entity_type_id=entity_type_id,
        entity_type=aiplatform.gapic.EntityType(description=description),
    )
    lro_response = client.create_entity_type(request=create_entity_type_request)
    print("Long running operation:", lro_response.operation.name)
    create_entity_type_response = lro_response.result(timeout=timeout)
    print("create_entity_type_response:", create_entity_type_response)

Java

Prima di provare questo esempio, segui le istruzioni di configurazione di Java nella guida rapida di Vertex AI utilizzando le librerie client. Per ulteriori informazioni, consulta la documentazione di riferimento per l'API JavaVertex AI.

Per eseguire l'autenticazione su Vertex AI, configura le Credenziali predefinite dell'applicazione. Per saperne di più, consulta Configurare l'autenticazione per un ambiente di sviluppo locale.

Visualizza su GitHub