Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Hinweis
Die Verwendung von Databricks CLI unterliegt der Datenbricks-Lizenz - und Databricks-Datenschutzerklärung, einschließlich der Bestimmungen zu Nutzungsdaten.
Mit feature-engineering der Befehlsgruppe in der Databricks CLI können Sie Features im Databricks-Featurespeicher verwalten.
databricks Merkmal-Engineering Funktion-erstellen
Erstellen Sie ein Feature.
databricks feature-engineering create-feature FULL_NAME SOURCE INPUTS FUNCTION TIME_WINDOW [flags]
Arguments
FULL_NAME
Der vollständige dreiteilige Name (Katalog, Schema, Name) des Features.
SOURCE
Die Datenquelle des Features.
INPUTS
Die Eingabespalten, aus denen das Feature berechnet wird.
FUNCTION
Die Funktion, mit der das Feature berechnet wird.
TIME_WINDOW
Das Zeitfenster, in dem das Feature berechnet wird.
Options
--description string
Die Beschreibung des Features.
--json JSON
Die Inline-JSON-Zeichenfolge oder die JSON-Datei mit dem @path Anforderungstext.
Examples
Im folgenden Beispiel wird ein Feature erstellt:
databricks feature-engineering create-feature my_catalog.my_schema.my_feature my_source my_inputs my_function my_time_window --description "My feature description"
Databricks Feature-Engineering create-kafka-config
Erstellen Sie eine Kafka-Konfiguration.
databricks feature-engineering create-kafka-config NAME BOOTSTRAP_SERVERS SUBSCRIPTION_MODE AUTH_CONFIG [flags]
Arguments
NAME
Name, der diese Kafka-Konfiguration im Metastore eindeutig identifiziert. Dies ist die Identifikator, die vom Feature-Objekt verwendet wird, um auf diese Konfigurationen eines Features zu referenzieren. Es kann sich vom Themennamen unterscheiden.
BOOTSTRAP_SERVERS
Eine durch Trennzeichen getrennte Liste von Host/Port-Paaren, die auf den Kafka-Cluster verweisen.
SUBSCRIPTION_MODE
Optionen, um einzustellen, aus welchen Kafka-Themen Daten gezogen werden sollen.
AUTH_CONFIG
Authentifizierungskonfiguration für die Verbindung zu Themen.
Options
--json JSON
Die Inline-JSON-Zeichenfolge oder die JSON-Datei mit dem @path Anforderungstext.
Databricks Feature-Engineering Create-Materialized-Feature
Erstelle eine materialisierte Funktion.
databricks feature-engineering create-materialized-feature FEATURE_NAME [flags]
Arguments
FEATURE_NAME
Der vollständige Name der Funktion im Unity-Katalog.
Options
--cron-schedule string
Der Quarz-Cron-Ausdruck, der den Zeitplan der Materialisierungspipeline definiert.
--json JSON
Die Inline-JSON-Zeichenfolge oder die JSON-Datei mit dem @path Anforderungstext.
--materialized-feature-id string
Serverzugewiesene eindeutige Kennung für die materialisierte Funktion.
--pipeline-schedule-state MaterializedFeaturePipelineScheduleState
Der geplante Zustand der Materialisierungspipeline. Unterstützte Werte: ACTIVE, PAUSED, SNAPSHOT.
Databricks Feature-Engineering create-stream
Erstellen Sie einen Stream.
databricks feature-engineering create-stream NAME SOURCE_CONFIG CONNECTION_CONFIG SCHEMA_CONFIG INGESTION_CONFIG [flags]
Arguments
NAME
Vollständiger dreiteiliger (catalog.schema.stream) Name des Streams.
SOURCE_CONFIG
Quellenspezifische Konfiguration. Bestimmt die Herkunft der Streaming-Plattform.
CONNECTION_CONFIG
Legt fest, wie man sich mit der Stream-Plattform verbindet und authentifiziert.
SCHEMA_CONFIG
Schema-Definitionen für den Strom. Derzeit werden nur direkte Schemata unterstützt. In einem zukünftigen Meilenstein werden wir Schema-Register über eine UC-Verbindung unterstützen.
INGESTION_CONFIG
Konfiguration zur Streaming-Datenaufnahme: Die verwaltete Tabelle speichert eine Offline-Kopie von Forward-Fill-Daten und optionalen historischen Backfill-Daten.
Options
--description string
Vom Nutzer bereitgestellte Beschreibung.
--json JSON
Die Inline-JSON-Zeichenfolge oder die JSON-Datei mit dem @path Anforderungstext.
databricks feature-engineering Löschen von Feature
Löschen sie ein Feature.
databricks feature-engineering delete-feature FULL_NAME [flags]
Arguments
FULL_NAME
Name des zu löschenden Features.
Examples
Im folgenden Beispiel wird ein Feature gelöscht:
databricks feature-engineering delete-feature my_catalog.my_schema.my_feature
Databricks Feature-Engineering delete-kafka-config
Lösche eine Kafka-Konfiguration.
databricks feature-engineering delete-kafka-config NAME [flags]
Arguments
NAME
Name der Kafka-Konfiguration, die gelöscht werden soll.
Databricks Feature-Engineering Delete-Materialized-Feature
Lösche ein materialisiertes Merkmal.
databricks feature-engineering delete-materialized-feature MATERIALIZED_FEATURE_ID [flags]
Arguments
MATERIALIZED_FEATURE_ID
Die ID der materialisierten Funktion soll gelöscht werden.
Databricks Feature-Engineering Delete-Stream
Lösche einen Stream.
databricks feature-engineering delete-stream NAME [flags]
Arguments
NAME
Vollständiger dreiteiliger Name (catalog.schema.stream) des zu löschenden Stroms.
databricks Merkmalsentwicklung Feature-abrufen
Rufen Sie ein Feature ab.
databricks feature-engineering get-feature FULL_NAME [flags]
Arguments
FULL_NAME
Name des abzurufenden Features.
Examples
Das folgende Beispiel erhält eine Funktion:
databricks feature-engineering get-feature my_catalog.my_schema.my_feature
Databricks Feature-Engineering get-kafka-config
Hol dir eine Kafka-Konfiguration.
databricks feature-engineering get-kafka-config NAME [flags]
Arguments
NAME
Name der Kafka-Konfiguration, die man holen soll.
Databricks Feature-Engineering get-materialized-feature
Hol dir eine materialisierte Funktion.
databricks feature-engineering get-materialized-feature MATERIALIZED_FEATURE_ID [flags]
Arguments
MATERIALIZED_FEATURE_ID
Die ID des materialisierten Merkmals.
Databricks Feature-Engineering Get-Stream
Hol dir einen Stream.
databricks feature-engineering get-stream NAME [flags]
Arguments
NAME
Vollständiger dreiteiliger Name (catalog.schema.stream) des Streams, den man holen soll.
databricks Feature-Engineering Feature-Liste
Merkmale auflisten.
databricks feature-engineering list-features [flags]
Options
--page-size int
Die maximale Anzahl der zurückzugebenden Ergebnisse.
--page-token string
Paginierungstoken, um basierend auf einer vorherigen Abfrage zur nächsten Seite zu wechseln.
Examples
Im folgenden Beispiel werden alle Features aufgelistet:
databricks feature-engineering list-features
Databricks Feature-Engineering List-Kafka-Configs
Liste Kafka-Konfigurationen auf.
databricks feature-engineering list-kafka-configs [flags]
Options
--limit int
Maximale Anzahl der zurückzugebenden Ergebnisse.
--page-size int
Die maximale Anzahl der zurückzugebenden Ergebnisse.
Databricks Feature-Engineering Liste materialisierter Features
Liste materialisierte Merkmale.
databricks feature-engineering list-materialized-features [flags]
Options
--feature-name string
Filtern Sie nach Feature-Name.
--limit int
Maximale Anzahl der zurückzugebenden Ergebnisse.
--page-size int
Die maximale Anzahl der zurückzugebenden Ergebnisse.
Databricks Feature-Engineering Listenströme
Liste Streams.
databricks feature-engineering list-streams [flags]
Options
--limit int
Maximale Anzahl der zurückzugebenden Ergebnisse.
--page-size int
Die maximale Anzahl der zurückzugebenden Ergebnisse.
--parent string
Zweiteiliger Name (catalog.schema) des Elternsystems, unter dem Streams aufgelistet werden sollen.
databricks Merkmals-Engineering Feature-Aktualisierung
Aktualisieren Sie die Beschreibung eines Features (alle anderen Felder sind unveränderlich).
databricks feature-engineering update-feature FULL_NAME UPDATE_MASK SOURCE INPUTS FUNCTION TIME_WINDOW [flags]
Arguments
FULL_NAME
Der vollständige dreiteilige Name (Katalog, Schema, Name) des Features.
UPDATE_MASK
Die Liste der zu aktualisierenden Felder.
SOURCE
Die Datenquelle des Features.
INPUTS
Die Eingabespalten, aus denen das Feature berechnet wird.
FUNCTION
Die Funktion, mit der das Feature berechnet wird.
TIME_WINDOW
Das Zeitfenster, in dem das Feature berechnet wird.
Options
--description string
Die Beschreibung des Features.
--json JSON
Die Inline-JSON-Zeichenfolge oder die JSON-Datei mit dem @path Anforderungstext.
Examples
Im folgenden Beispiel wird die Beschreibung eines Features aktualisiert:
databricks feature-engineering update-feature my_catalog.my_schema.my_feature description my_source my_inputs my_function my_time_window --description "Updated description"
Databricks Feature-Engineering Update-Kafka-Config
Aktualisiere eine Kafka-Konfiguration.
databricks feature-engineering update-kafka-config NAME UPDATE_MASK BOOTSTRAP_SERVERS SUBSCRIPTION_MODE AUTH_CONFIG [flags]
Arguments
NAME
Name, der diese Kafka-Konfiguration im Metastore eindeutig identifiziert. Dies ist die Identifikator, die vom Feature-Objekt verwendet wird, um auf diese Konfigurationen eines Features zu referenzieren. Es kann sich vom Themennamen unterscheiden.
UPDATE_MASK
Die Liste der zu aktualisierenden Felder.
BOOTSTRAP_SERVERS
Eine durch Trennzeichen getrennte Liste von Host/Port-Paaren, die auf den Kafka-Cluster verweisen.
SUBSCRIPTION_MODE
Optionen, um einzustellen, aus welchen Kafka-Themen Daten gezogen werden sollen.
AUTH_CONFIG
Authentifizierungskonfiguration für die Verbindung zu Themen.
Options
--json JSON
Die Inline-JSON-Zeichenfolge oder die JSON-Datei mit dem @path Anforderungstext.
Databricks Feature-Engineering Update-Materialized-Feature
Aktualisiere ein materialisiertes Feature.
databricks feature-engineering update-materialized-feature MATERIALIZED_FEATURE_ID UPDATE_MASK FEATURE_NAME [flags]
Arguments
MATERIALIZED_FEATURE_ID
Serverzugewiesene eindeutige Kennung für die materialisierte Funktion.
UPDATE_MASK
Stellen Sie die Materialisierungsmerkmale bereit, die aktualisiert werden sollten. Derzeit kann nur das Feld pipeline_state aktualisiert werden.
FEATURE_NAME
Der vollständige Name der Funktion im Unity-Katalog.
Options
--cron-schedule string
Der Quarz-Cron-Ausdruck, der den Zeitplan der Materialisierungspipeline definiert.
--json JSON
Die Inline-JSON-Zeichenfolge oder die JSON-Datei mit dem @path Anforderungstext.
--materialized-feature-id string
Serverzugewiesene eindeutige Kennung für die materialisierte Funktion.
--pipeline-schedule-state MaterializedFeaturePipelineScheduleState
Der geplante Zustand der Materialisierungspipeline. Unterstützte Werte: ACTIVE, PAUSED, SNAPSHOT.
Databricks Feature-Engineering Update-Stream
Aktualisiere einen Stream.
databricks feature-engineering update-stream NAME UPDATE_MASK SOURCE_CONFIG CONNECTION_CONFIG SCHEMA_CONFIG INGESTION_CONFIG [flags]
Arguments
NAME
Vollständiger dreiteiliger (catalog.schema.stream) Name des Streams.
UPDATE_MASK
Die Liste der zu aktualisierenden Felder.
SOURCE_CONFIG
Quellenspezifische Konfiguration. Bestimmt die Herkunft der Streaming-Plattform.
CONNECTION_CONFIG
Legt fest, wie man sich mit der Stream-Plattform verbindet und authentifiziert.
SCHEMA_CONFIG
Schema-Definitionen für den Strom. Derzeit werden nur direkte Schemata unterstützt. In einem zukünftigen Meilenstein werden wir Schema-Register über eine UC-Verbindung unterstützen.
INGESTION_CONFIG
Konfiguration zur Streaming-Datenaufnahme: Die verwaltete Tabelle speichert eine Offline-Kopie von Forward-Fill-Daten und optionalen historischen Backfill-Daten.
Options
--description string
Vom Nutzer bereitgestellte Beschreibung.
--json JSON
Die Inline-JSON-Zeichenfolge oder die JSON-Datei mit dem @path Anforderungstext.
Globale Kennzeichnungen
--debug
Gibt an, ob die Debugprotokollierung aktiviert werden soll.
-h oder --help
Hilfe für die Databricks CLI oder die zugehörige Befehlsgruppe oder den zugehörigen Befehl anzeigen.
--log-file Schnur
Eine Zeichenfolge, die die Datei darstellt, in die Ausgabeprotokolle geschrieben werden sollen. Wenn dieses Flag nicht angegeben ist, werden Ausgabeprotokolle standardmäßig in stderr geschrieben.
--log-format Format
Der Protokollformattyp text oder json. Der Standardwert ist text.
--log-level Schnur
Eine Zeichenfolge, die die Protokollformatebene darstellt. Wenn nicht angegeben, ist die Protokollformatebene deaktiviert.
-o, --output Typ
Der Befehlsausgabetyp text oder json. Der Standardwert ist text.
-p, --profile Schnur
Der Name des Profils in der ~/.databrickscfg Datei, das zum Ausführen des Befehls verwendet werden soll. Wenn dieses Flag nicht angegeben wird, wird, falls vorhanden, das Profil mit dem Namen DEFAULT verwendet.
--progress-format Format
Das Format zum Anzeigen von Statusprotokollen: default, , append, inplaceoder json
-t, --target Schnur
Falls zutreffend, das zu verwendende Bündelziel