Python API

Python API參考

使用表中的鏈接下載或顯示Feature Store Python API參考。要確定Databricks Runtime ML版本的預安裝版本，請參見Feature Store兼容性矩陣．

Python包

Databricks特性庫api可通過Python客戶端包“Databricks - Feature - Store”獲得。客戶端處於可用狀態PyPI並預先安裝在Databricks機器學習運行時中。有關哪個運行時包含哪個客戶端版本的參考，請參閱特性存儲兼容性矩陣．

在Databricks運行時中安裝客戶端:

％皮普安裝磚-功能-商店

在本地Python環境中安裝客戶端。

皮普安裝磚-功能-商店

支持場景

在Databricks上，包括Databricks運行時和Databricks運行時for Machine Learning，您可以:

• 創建、讀取和寫入特性表。

• 根據特征數據對模型進行訓練和評分。

• 發布特性表到網上商店實時服務。

在本地環境或Databricks外部環境中，您可以:

• 使用本地IDE支持開發代碼。

• 使用模擬框架進行單元測試。

• 編寫要在Databricks上運行的集成測試。

限製

客戶端庫隻能在Databricks上運行，包括Databricks Runtime和Databricks Runtime for Machine Learning。它不支持從本地環境調用Feature Store api，也不支持從Databricks以外的環境調用。

使用Feature Store客戶機進行單元測試

您可以在本地安裝功能庫客戶機，以幫助運行單元測試。

例如，驗證一個方法update_customer_features正確的電話FeatureStoreClient.write_table，你可以這樣寫:

從unittest.mock進口MagicMock，補丁從my_feature_update_module進口update_customer_features從databricks.feature_store進口FeatureStoreClient@patch．對象（FeatureStoreClient，“write_table”）@patch（“my_feature_update_module.compute_customer_features”）deftest_something（compute_customer_features，mock_write_table)：customer_features_df＝MagicMock（）compute_customer_features．return_value＝customer_features_dfupdate_customer_features（）#測試功能mock_write_table．assert_called_once_with（的名字＝“recommender_system.customer_features”，df＝customer_features_df，模式＝“合並”）

使用Feature Store客戶機進行集成測試

您可以在Databricks上使用Feature Store客戶端運行集成測試。詳情請參見開發人員工具和指導:使用CI/CD．

在集成開發環境(IDE)中使用Feature Store客戶機

您可以將Feature Store客戶端與IDE一起使用，使用Databricks進行軟件開發。詳情請參見使用Databricks的IDE．