Databricks เปิดตัวตัวเร่งการแนะนำข้อเสนอถัดไปที่ดีที่สุดแบบเรียลไทม์โอเพนซอร์ส
เริ่มตรงนี้
Databricks เผยแพร่ Solution Accelerator แบบโอเพนซอร์สที่สร้างตัวแนะนำข้อเสนอถัดไปที่ดีที่สุดแบบเรียลไทม์สำหรับธนาคารรายย่อย โดยใช้ Feature Views ซึ่งกำหนดคุณลักษณะครั้งเดียวสำหรับทั้งการฝึกและการให้บริการ ตัวเร่งนี้ผสานคุณลักษณะแบบแบตช์เข้ากับเจตนาในเซสชันแบบสตรีมมิ่งจาก Kafka ฝึกตัวจัดอันดับ LightGBM ด้วยการเชื่อมโยงที่ถูกต้องตามจุดเวลา และให้บริการข้อเสนอทั้ง 40 รายการผ่านปลายทาง Model Serving ที่ปรับเส้นทางให้เหมาะสม ในการทดสอบประสิทธิภาพด้วยการกำหนดค่าที่เล็กที่สุดโดยไม่ปรับแต่ง Databricks รายงานว่าเหตุการณ์สตรีมมิ่งปรากฏให้โมเดลเห็นได้ในเวลาประมาณหนึ่งในสิบของวินาที ทุกอย่างทำงานบนคอมพิวต์แบบเซิร์ฟเวอร์เลสที่กำกับดูแลโดย Unity Catalog ส่วนสตรีมมิ่งยังต้องมีการเชื่อมต่อ Unity Catalog Kafka และการเชื่อมต่อ Amazon MSK ปลายทางการจัดอันดับใช้การปรับขนาดเป็นศูนย์ ดังนั้นคำขอแรกหลังจากช่วงที่ไม่ได้ใช้งานอาจเกิดการเริ่มต้นแบบเย็นที่ใช้เวลาหลายสิบวินาที
สร้างจากรายงาน · อัปเดต 1 ชม. ที่แล้ว
ไทม์ไลน์รายงาน
ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน
- Databricks Blogสร้างตัวแนะนำข้อเสนอถัดไปที่ดีที่สุดแบบเรียลไทม์ด้วย Databricks Feature Views
Databricks เผยแพร่ Solution Accelerator แบบโอเพนซอร์สที่สร้างตัวแนะนำข้อเสนอถัดไปที่ดีที่สุดแบบเรียลไทม์สำหรับธนาคารเพื่อรายย่อยโดยใช้ Feature Views ซึ่งกำหนดฟีเจอร์ครั้งเดียวสำหรับทั้งการฝึกและการให้บริการ แอ็กเซลเลอเรเตอร์นี้ผสานฟีเจอร์แบบแบตช์เข้ากับเจตนาในเซสชันแบบสตรีมมิ่งจาก Kafka ฝึก LightGBM ranker ด้วยการ join ที่ถูกต้องตามจุดเวลา และให้บริการข้อเสนอทั้ง 40 รายการผ่าน Model Serving endpoint ที่ปรับเส้นทางให้เหมาะสม ในการทดสอบประสิทธิภาพด้วยการกำหนดค่าที่เล็กที่สุดโดยไม่ปรับแต่ง เหตุการณ์สตรีมมิ่งปรากฏต่อโมเดลภายในเวลาประมาณหนึ่งในสิบของวินาที
ความร้อนแรงของเหตุการณ์นี้
ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม