Nel machine learning (ML), le funzionalità sono attributi caratteristici di un'istanza o entità che puoi utilizzare per addestrare i modelli o fare previsioni online. Le funzionalità vengono generate trasformando i dati ML non elaborati in attributi misurabili e condivisibili utilizzando tecniche di feature engineering, in genere denominate trasformazioni delle funzionalità.
Per gestione delle caratteristiche si intende il processo di creazione, manutenzione, condivisione e distribuzione di funzionalità di ML archiviate in una posizione o un repository centralizzati. La gestione delle funzionalità semplifica il riutilizzo delle funzionalità per addestrare e riaddestrare i modelli, riducendo il ciclo di vita dei deployment di AI e ML.
Un prodotto o servizio che include servizi di gestione delle funzionalità per archiviare, scoprire, condividere ed eseguire il servizio di funzionalità di ML è chiamato feature store. Vertex AI include i seguenti servizi di archivio di funzionalità:
Questa pagina introduce e mette a confronto i due servizi di gestione delle funzionalità e fornisce una panoramica delle relative funzionalità. Descrive inoltre come eseguire la migrazione di un feature store esistente in Vertex AI Feature Store (legacy) al nuovo Vertex AI Feature Store.
Vertex AI Feature Store
Vertex AI Feature Store offre un nuovo approccio alla gestione delle funzionalità, consentendoti di gestire e pubblicare i dati delle funzionalità da un'origine dati BigQuery. In questo approccio, Vertex AI Feature Store funge da livello di metadati che fornisce funzionalità di pubblicazione online all'origine dati delle funzionalità in BigQuery e ti consente di pubblicare le funzionalità online in base a questi dati. Non è necessario copiare o importare i dati in un datastore offline separato in Vertex AI.
Vertex AI Feature Store è integrato con Dataplex per monitorare i metadati delle funzionalità. Supporta inoltre gli embedding e consente di eseguire ricerche di somiglianza vettoriale per i vicini più prossimi.
Vertex AI Feature Store è ottimizzato per la pubblicazione con latenza ultrabassa e ti consente di svolgere le seguenti operazioni:
Memorizza e gestisci i dati delle funzionalità offline in BigQuery, sfruttando le funzionalità di gestione dei dati di BigQuery.
Condividi e riutilizza le funzionalità aggiungendole al Registro di caratteristiche.
Pubblica le funzionalità per le previsioni online a latenze ridotte utilizzando la pubblicazione online tramite Bigtable o a latenze ultra-ridotte utilizzando la pubblicazione online ottimizzata.
Memorizza gli embedding nei dati delle funzionalità ed esegui ricerche sulla similarità vettoriale utilizzando la pubblicazione online ottimizzata.
Monitora i metadati delle funzionalità in Dataplex.
Per saperne di più su Vertex AI Feature Store, consulta la documentazione di Vertex AI Feature Store.
Vertex AI Feature Store (legacy)
Vertex AI Feature Store (legacy) fornisce un repository centralizzato per archiviare, organizzare e pubblicare i dati delle funzionalità di ML. Esegue il provisioning di una gerarchia di risorse che incapsula sia un negozio online sia un negozio offline in Vertex AI. L'archivio online fornisce i valori delle funzionalità più recenti per le previsioni online. L'archivio offline archivia e gestisce i dati delle funzionalità (inclusi i dati storici) che puoi pubblicare in batch per l'addestramento dei modelli ML.
Vertex AI Feature Store (legacy) è un servizio di gestione delle funzionalità completamente funzionale che ti consente di svolgere le seguenti operazioni:
Importa i dati delle caratteristiche in batch o in streaming nel negozio offline da un'origine dati, ad esempio un bucket Cloud Storage o un'origine BigQuery.
Pubblica le funzionalità online per le previsioni.
Pubblica o esporta in batch le funzionalità per l'addestramento o l'analisi dei modelli ML.
Imposta i criteri IAM (Identity and Access Management) sulle risorse
EntityTypeeFeaturestore.Gestisci le risorse del Feature Store dalla console Google Cloud.
Vertex AI Feature Store (legacy) non include funzionalità di gestione degli embedding o di recupero dei vettori. Se devi gestire gli incorporamenti nei tuoi dati delle funzionalità o eseguire ricerche di somiglianza vettoriale, ti consigliamo di passare a Vertex AI Feature Store. Per informazioni sulla migrazione a Vertex AI Feature Store, consulta Eseguire la migrazione a Vertex AI Feature Store.
Per saperne di più su Vertex AI Feature Store (legacy), consulta la documentazione di Vertex AI Feature Store (legacy).
Confronto tra Vertex AI Feature Store e Vertex AI Feature Store (legacy)
La tabella seguente mette a confronto i vari aspetti di Vertex AI Feature Store (legacy) e del nuovo Vertex AI Feature Store:
| Categoria | Vertex AI Feature Store | Vertex AI Feature Store (legacy) |
|---|---|---|
| Modelli di dati | ||
| Gerarchia delle risorse (negozio online e offline) | La gerarchia delle risorse nel negozio online è la seguente: FeatureOnlineStore -> FeatureView
|
La gerarchia delle risorse è la seguente: Featurestore -> EntityType -> Feature
|
| Gerarchia delle risorse (registro delle funzionalità) | La gerarchia delle risorse nel registry delle funzionalità è la seguente: FeatureGroup -> Feature
|
In Vertex AI Feature Store (legacy) non esiste un registry delle funzionalità. |
| Gestione delle funzionalità | ||
| Negozi online e offline | Devi creare un'istanza del negozio online e definire le visualizzazioni delle caratteristiche. Vertex AI Feature Store non richiede un datastore offline separato, perché l'origine dati BigQuery costituisce il datastore offline. |
Quando esegui il provisioning di un archivio di funzionalità, Vertex AI Feature Store (legacy) crea archivi online e offline separati. |
| Importazione di funzionalità | Non è necessario importare i dati nei negozi offline, poiché si trovano in BigQuery e puoi utilizzarli direttamente per le esigenze offline. Per i casi d'uso di pubblicazione online, puoi registrare una tabella BigQuery o una vista come vista di funzionalità che copia i dati delle funzionalità nel negozio online. Vertex AI Feature Store aggiorna i dati nel datastore online durante la sincronizzazione dei dati. | Devi importare i dati delle funzionalità nei negozi offline e online utilizzando l'importazione batch o in streaming da un'origine esterna, ad esempio una tabella BigQuery o una vista BigQuery. |
| Trasferimento di dati tra negozi online e offline | Vertex AI Feature Store utilizza BigQuery come archivio offline e copia solo i valori delle funzionalità più recenti nell'archivio online. In Vertex AI non è stato eseguito il provisioning di un archivio offline separato. | I valori delle funzionalità vengono copiati nello spazio di archiviazione offline e successivamente in quello online. |
| Pubblicazione delle funzionalità | ||
| Pubblicazione offline | Per interagire con il datastore offline, devi utilizzare le API BigQuery. Le funzionalità di base sono le stesse. | Per interagire con il negozio offline, gestito da Vertex AI Feature Store (legacy), devi utilizzare le API Vertex AI. Esempi di queste interazioni sono le ricerche point-in-time e le funzionalità di esportazione. |
| Distribuzione online |
Vertex AI Feature Store fornisce due tipi di pubblicazione online:
Ogni richiesta di lettura online recupera tutte le funzionalità predefinite in una visualizzazione delle funzionalità senza ulteriore elaborazione, il che si traduce in latenze inferiori. |
Vertex AI Feature Store (legacy) fornisce un solo tipo di pubblicazione online. Puoi specificare le entità e gli elementi per recuperare i dati delle funzionalità. |
| Interfacce e API | ||
| Funzionalità della console Google Cloud | Utilizza la console Google Cloud per creare e gestire risorse, ad esempio istanze di negozi online, istanze di visualizzazioni delle caratteristiche, gruppi di caratteristiche e caratteristiche. Puoi anche visualizzare l'elenco dei negozi online e informazioni sulla cronologia delle funzionalità. | Utilizza la console Google Cloud per eseguire la maggior parte delle attività di gestione delle funzionalità, incluso il monitoraggio della creazione delle risorse. |
| API di creazione delle risorse | Sono incluse le API per creare risorse FeatureOnlineStore, FeatureView, FeatureGroup e Feature. Queste risorse ti consentono di configurare il registry delle funzionalità e il negozio online. Per il datastore offline viene utilizzato BigQuery. |
Sono incluse le API per creare risorse Featurestore, EntityType e Feature utilizzate nei negozi online e offline. |
| API di importazione collettiva (archivio offline) | Non richiede API per l'importazione collettiva nel negozio offline, perché non è necessario un passaggio di importazione collettiva separato nel negozio offline. | Utilizza le API Vertex AI per l'importazione collettiva nell'archivio offline. |
| API di importazione batch (archivio online) | Copia periodicamente i dati da BigQuery al negozio online durante la sincronizzazione dei dati. | Utilizza le API Vertex AI per l'importazione collettiva nel negozio online. |
| API di importazione streaming (archivio offline) | Non richiede API per l'importazione in streaming nel negozio offline, perché non è necessario un passaggio di importazione in streaming separato nel negozio offline. | Utilizza Vertex AI per l'importazione in streaming nell'archivio offline. |
| API di importazione streaming (negozio online) | L'importazione in streaming non è supportata. | Utilizza le API Vertex AI per l'importazione in streaming nell'archivio online. |
| API di pubblicazione batch | Utilizza le API BigQuery per pubblicare in batch i dati direttamente dalle origini dati BigQuery definite nelle viste delle funzionalità. | Utilizza le API Vertex AI per eseguire il recupero dati in batch delle funzionalità. |
| API di pubblicazione online | Utilizza FetchFeatureValues(FetchFeatureValuesRequest) API. |
Utilizza l'API ReadFeatureValues(ReadFeatureValuesRequest) per la pubblicazione online. |
Eseguire la migrazione a Vertex AI Feature Store
Le risorse e i dati delle funzionalità di Vertex AI Feature Store (legacy) non sono subito disponibili in Vertex AI Feature Store. Se sei già un utente di Vertex AI Feature Store (legacy) e vuoi eseguire la migrazione del tuo progetto a Vertex AI Feature Store, svolgi i passaggi che seguono. Tieni presente che, poiché la gerarchia delle risorse in Vertex AI Feature Store è diversa da quella in Vertex AI Feature Store (legacy), dovrai creare manualmente le risorse dopo aver eseguito la migrazione dei dati delle funzionalità.
Se i dati delle funzionalità non sono già disponibili in BigQuery, esporta i dati delle funzionalità in BigQuery e crea tabelle e viste BigQuery. Segui le linee guida per la preparazione dei dati quando esporti e prepari i dati. Ad esempio:
Ogni elemento corrisponde a una colonna. Gli ID entità possono essere una colonna distinta, che puoi identificare come colonna
ID.Vertex AI Feature Store non dispone delle risorse
EntityTypeeEntity. Fornisci i valori delle caratteristiche per ogni entità nella riga corrispondente all'ID entità.
(Facoltativo) Registra l'origine dati delle funzionalità aggiungendo gruppi di funzionalità e funzionalità. Per ulteriori informazioni, vedi Creare un gruppo di elementi e Creare un elemento.
Configura la pubblicazione online creando istanze di negozi online e viste delle funzionalità in base ai dati sulle funzionalità.