Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Feature Store Speicherkonfigurationen
Der Amazon SageMaker Feature Store besteht aus einem Online-Shop und einem Offline-Shop. Der Online-Speicher ermöglicht die Echtzeitsuche nach Merkmalen für Inferenz, während der Offline-Speicher historische Daten für Modelltraining und Batch-Inferenz enthält. Beim Erstellen einer Feature-Gruppe haben Sie die Möglichkeit, entweder den Online-Speicher, den Offline-Speicher oder beides zu aktivieren. Wenn Sie beide aktivieren, werden sie synchronisiert, um Diskrepanzen zwischen Trainings- und Bereitstellungsdaten zu vermeiden. Weitere Informationen zu den Online- und Offline-Speichers sowie zu anderen Feature-Store-Konzepten finden Sie unter [Feature Store-Konzepte](feature-store-concepts.md).
In den folgenden Themen werden Onlineshop-Speichertypen und Offline-Speichertabellenformate behandelt.
**Topics**
+ [Online-Geschäft](feature-store-storage-configurations-online-store.md)
+ [Offline-Geschäft](feature-store-storage-configurations-offline-store.md)
+ [Durchsatzmodi](feature-store-throughput-mode.md)
# Online-Geschäft
Der Online-Speicher ist ein Datenspeicher mit niedriger Latenz und hoher Verfügbarkeit, der die Suche nach Funktionen in Echtzeit ermöglicht. Es wird in der Regel für die Modellbereitstellung von Machine Learning (ML) verwendet. Sie können beim Erstellen einer Feature-Gruppe zwischen dem Standard-Online-Speicher (`Standard`) oder einem Online-Speicher auf Speicherebene (`InMemory`) wählen. Auf diese Weise können Sie den Speichertyp auswählen, der den Lese- und Schreibmustern für eine bestimmte Anwendung am besten entspricht und gleichzeitig Leistung und Kosten berücksichtigen. Weitere Informationen zur Preisgestaltung finden Sie unter [ SageMaker Amazon-Preise](https://aws.amazon.com/sagemaker/pricing/).
Der Online-Speicher enthält die folgenden `StorageType` Optionen. Weitere Informationen zu den Inhalten des Online-Speichers finden Sie unter [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_OnlineStoreConfig.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_OnlineStoreConfig.html).
## Speichertyp der Standardstufe
Bei der `Standard` Stufe handelt es sich um einen verwalteten Datenspeicher mit niedriger Latenz für Onlineshop-Funktionsgruppen. Er ermöglicht einen schnellen Datenabruf für den ML-Modell-Service für Ihre Anwendungen. `Standard` ist der Standardspeichertyp.
## Speichertyp auf Speicherebene
Bei der `InMemory` Stufe handelt es sich um einen verwalteten Datenspeicher für Onlineshop-Funktionsgruppen, der den Abruf mit sehr geringer Latenz unterstützt. Es ermöglicht den umfassenden Datenabruf in Echtzeit für ML-Modellserver, die für Anwendungen mit hohem Durchsatz verwendet werden. Die `InMemory` Stufe wird von Amazon ElastiCache (Redis OSS) bereitgestellt. Weitere Informationen finden Sie unter [Was ist Amazon ElastiCache (Redis OSS)](https://docs.aws.amazon.com/AmazonElastiCache/latest/red-ug/WhatIs.html)? .
Die `InMemory` Onlineshop-Stufe unterstützt die Sammlungstypen „Liste“, „Set“ und „Vector“. Weitere Informationen zu `InMemory`-Sammlungstypen finden Sie unter [Sammlungstypen](feature-store-collection-types.md).
Feature Store bietet Lese- und Schreibvorgänge im Onlineshop mit geringer Latenz. Die Anwendungslatenz besteht hauptsächlich aus zwei Hauptkomponenten: Infrastruktur- oder Netzwerklatenz und Feature Store-API-Latenz. Die Reduzierung der Netzwerklatenz trägt dazu bei, die niedrigste Latenz für Lese- und Schreibvorgänge im Feature Store zu erzielen. Sie können die Netzwerklatenz auf den Feature Store reduzieren, indem Sie die Installation AWS PrivateLink auf dem Feature Store Runtime-Endpunkt durchführen. Mit AWS PrivateLink können Sie auf skalierbare Weise privat auf alle Feature Store Runtime API-Operationen von Ihrer Amazon Virtual Private Cloud (VPC) zugreifen, indem Sie VPC-Schnittstellen-Endpunkte verwenden. Eine AWS PrivateLink Bereitstellung, bei der die `privateDNSEnabled` Option auf „Wahr“ gesetzt ist:
+ Es hält den gesamten Feature read/write Store-Verkehr innerhalb Ihrer VPC.
+ Es hält den Datenverkehr in derselben AZ wie der Client, von dem er bei der Verwendung von Feature Store ausgegangen ist. Dadurch werden die „Sprünge“ zwischen der AZs Reduzierung der Netzwerklatenz vermieden.
Folgen Sie den Schritten unter [Zugreifen auf einen AWS Dienst mithilfe eines Schnittstellen-VPC-Endpunkts](https://docs.aws.amazon.com/vpc/latest/privatelink/create-interface-endpoint.html), um AWS PrivateLink den Feature Store einzurichten. Der Dienstname für Feature Store Runtime in AWS PrivateLink lautet`com.amazonaws.region.sagemaker.featurestore-runtime`.
Der Online-Speicher mit `InMemory`-Ebene wird automatisch auf der Grundlage der Speichernutzung und der Anforderungen skaliert. Die automatische Skalierung kann einige Minuten dauern, bis sie sich an ein neues Nutzungsmuster anpasst, wenn es sich schnell ändert. Während der automatisierten Skalierung:
+ Bei Schreibvorgängen in die Featuregruppe kann es zu Drosselungsfehlern kommen. Sie sollten Ihre Anfragen einige Minuten später erneut versuchen.
+ Bei Lesevorgängen für die Featuregruppe kann es zu Drosselungsfehlern kommen. Standardstrategien für Wiederholungen sind in diesem Fall geeignet.
+ Bei Lesevorgängen kann es zu einer erhöhten Latenz kommen.
Die Standardgröße für `InMemory` Tier-Feature-Gruppen beträgt 50 GiB.
Beachten Sie, dass die `InMemory` Stufe derzeit nur Online-Featuregruppen unterstützt, keine Online- und Offline-Featuregruppen, sodass für diese Stufe keine Replikation zwischen Online- und Offline-Speichers stattfindet `InMemory`. Außerdem unterstützt diese `InMemory` Stufe derzeit keine vom Kunden verwalteten KMS-Schlüssel.
# Offline-Geschäft
Der Offline-Speicher wird für historische Daten verwendet, wenn ein Abruf in Sekundenbruchteilen nicht erforderlich ist. Er wird in der Regel für die Datenexploration, das Modelltraining und die Batch-Inferenz verwendet.
Wenn Sie sowohl den Online- als auch den Offline-Speicher für Ihre Feature-Gruppe aktivieren, werden beide Speicher synchronisiert, um Diskrepanzen zwischen Trainings- und Bereitstellungsdaten zu vermeiden. Bitte beachten Sie, dass eine Onlineshop-Funktionsgruppe mit aktiviertem `InMemory` Speichertyp derzeit keine entsprechende Featuregruppe im Offline-Speicher unterstützt (keine Online-zu-Offline-Replikation). Weitere Informationen zur Bereitstellung von ML-Modellen im Amazon SageMaker Feature Store finden Sie unter[Online-Geschäft](feature-store-storage-configurations-online-store.md).
Der Offline-Speicher enthält die folgenden `TableFormat` Optionen. Informationen zu den Inhalten des Offline-Shops finden Sie [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_OfflineStoreConfig.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_OfflineStoreConfig.html)in der Amazon SageMaker API-Referenz.
## Klebetabellenformat
Das `Glue` Format (Standard) ist ein Standardtabellenformat vom Typ Hive für AWS Glue. Mit AWS Glue können Sie Daten aus mehreren Quellen ermitteln, aufbereiten, verschieben und integrieren. Es umfasst auch zusätzliche Produktivitäts- und Datenops-Tools für die Erstellung, Ausführung von Aufträgen und die Implementierung von Geschäftsabläufen. Weitere Informationen zu AWS Glue finden Sie unter [Was ist AWS Glue?](https://docs.aws.amazon.com/glue/latest/dg/what-is-glue.html) .
## Iceberg-Tabellenformat
Das `Iceberg` Format (empfohlen) ist ein offenes Tabellenformat für sehr große Analysetabellen. Mit `Iceberg` können Sie die kleinen Datendateien in weniger große Dateien in der Partition komprimieren, was zu deutlich schnelleren Abfragen führt. Dieser Komprimierungsvorgang erfolgt gleichzeitig und hat keine Auswirkungen auf laufende Lese- und Schreibvorgänge in der Featuregruppe. Weitere Informationen zur Optimierung von Iceberg-Tabellen finden Sie in den Benutzerhandbüchern für [Amazon Athena](https://docs.aws.amazon.com/athena/latest/ug/querying-iceberg-data-optimization.html) und [AWS Lake Formation](https://docs.aws.amazon.com/lake-formation/latest/dg/data-compaction.html).
`Iceberg` verwaltet große Sammlungen von Dateien als Tabellen und unterstützt moderne analytische Data-Lake-Operationen. Wenn Sie `Iceberg` diese Option beim Erstellen neuer Feature-Gruppen wählen, erstellt Amazon SageMaker Feature Store die `Iceberg` Tabellen im Parquet-Dateiformat und registriert die Tabellen bei der AWS Glue Data Catalog. Weitere Informationen zu `Iceberg`-Tabellenformaten finden Sie unter [Verwenden von Apache-Iceberg-Tabellen](https://docs.aws.amazon.com/athena/latest/ug/querying-iceberg.html).
**Wichtig**
Beachten Sie, dass Sie für Feature-Gruppen im `Iceberg` Tabellenformat den Feature-Typ `String` für die Eventzeit angeben müssen. Wenn Sie einen anderen Typ angeben, können Sie die Feature-Gruppe nicht erfolgreich erstellen.
# Durchsatzmodi
Amazon SageMaker Feature Store bietet zwei Preismodelle zur Auswahl: Durchsatzmodi auf Abruf (`On-demand`) und Bereitgestellt (`Provisioned`). `On-demand`eignet sich am besten für weniger vorhersehbaren Verkehr und `Provisioned` eignet sich am besten für konsistenten und vorhersehbaren Verkehr.
Sie haben die Möglichkeit, für eine bestimmte Featuregruppe zwischen den Modi `On-demand` und dem `Provisioned` Durchsatzmodus zu wechseln, um Zeiträumen Rechnung zu tragen, in denen sich die Muster des Anwendungsdatenverkehrs ändern oder weniger vorhersehbar sind. Sie können Ihren Feature-Gruppen-Durchsatzmodus nur `On-demand` einmal innerhalb von 24 Stunden aktualisieren. Der Durchsatzmodus kann programmgesteuert mithilfe der [UpdateFeatureGroup](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UpdateFeatureGroup.html)API oder über die Benutzeroberfläche der Konsole aktualisiert werden. Weitere Informationen zur Verwendung der Konsole finden Sie unter [Amazon SageMaker Feature Store in der Konsole verwenden](feature-store-use-with-studio.md).
Sie können den `Provisioned`-Durchsatzmodus mit reinen Offline-Feature-Gruppen oder Feature-Gruppen mit dem `Standard`-Speichertyp verwenden. Für andere Speicherkonfigurationen wird der `On-demand` Durchsatzmodus verwendet. Informationen zu den Online- und Offline-Speicherkonfigurationen finden Sie jeweils [Offline-Geschäft](feature-store-storage-configurations-offline-store.md) unter [Online-Geschäft](feature-store-storage-configurations-online-store.md) und.
Weitere Informationen zur Preisgestaltung finden Sie unter [ SageMaker Amazon-Preise](https://aws.amazon.com/sagemaker/pricing/).
**Topics**
+ [On-Demand-Durchsatzmodus](#feature-store-throughput-mode-on-demand)
+ [Modus „Bereitgestellter Durchsatz“](#feature-store-throughput-mode-provisioned)
+ [Kennzahlen zum Durchsatzmodus](#feature-store-throughput-mode-metrics)
+ [Durchsatzmodus-Grenzwerte](#feature-store-throughput-mode-limits)
## On-Demand-Durchsatzmodus
Der `On-demand` (Standard-) Durchsatzmodus funktioniert am besten, wenn Sie Featuregruppen mit unbekannter Arbeitslast und unvorhersehbarem Anwendungsverkehr verwenden und Sie die Kapazitätsanforderungen nicht prognostizieren können.
Dieser `On-demand` Modus berechnet Ihnen die Lese- und Schreibvorgänge, die Ihre Anwendung an Ihren Feature-Gruppen ausführt. Sie müssen nicht angeben, wie viel Lese- und Schreibdurchsatz Sie von Ihrer Anwendung erwarten, da Feature Store Ihre Workloads sofort anpasst, wenn diese zunehmen oder abnehmen. Sie bezahlen nur für das, was Sie tatsächlich nutzen, was in `ReadRequestsUnits` und gemessen wird`WriteRequestsUnits`.
Sie können den `On-demand` Durchsatzmodus mithilfe von [CreateFeatureGroup](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateFeatureGroup.html)oder [UpdateFeatureGroup](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UpdateFeatureGroup.html) APIs oder über die Benutzeroberfläche der Konsole aktivieren. Weitere Informationen zur Verwendung der Benutzeroberfläche der Konsole finden Sie unter [Amazon SageMaker Feature Store in der Konsole verwenden](feature-store-use-with-studio.md).
**Wichtig**
Sie können Ihren Feature-Gruppen-Durchsatzmodus nur `On-demand` einmal innerhalb von 24 Stunden aktualisieren.
## Modus „Bereitgestellter Durchsatz“
Der `Provisioned` Durchsatzmodus funktioniert am besten, wenn Sie Featuregruppen mit vorhersehbaren Workloads verwenden und Sie die Kapazitätsanforderungen prognostizieren können, um die Kosten zu kontrollieren. Dadurch kann er für bestimmte Workloads, bei denen Sie die Durchsatzanforderungen im Voraus antizipieren können, kostengünstiger werden.
Wenn Sie eine Feature-Gruppe auf den Modus `Provisioned` setzen, legen Sie Kapazitätseinheiten fest, die die maximale Kapazität darstellen, die eine Anwendung aus einer Feature-Gruppe verbrauchen kann. Wenn Ihre Anwendung Ihre bereitgestellte `Provisioned`-Durchsatzkapazität überschreitet, unterliegt sie der Anforderungsdrosselung.
Im Folgenden finden Sie Informationen zu den Lese- und Schreibkapazitätseinheiten.
+ Das Abrufen eines einzelnen Datensatzes mit bis zu 4 KB mithilfe der `GetRecord` API verbraucht *mindestens* 1 RCU (Lesekapazitätseinheit). Das Abrufen größerer Payloads kann länger dauern. Die Gesamtzahl der erforderlichen Lesekapazitätseinheiten hängt von der Elementgröße ab, einschließlich einer kleinen Anzahl von Metadaten pro Datensatz, die vom Feature Store-Service hinzugefügt werden.
+ Eine einzelne Schreibanforderung mit einer Nutzlast von 1 KB unter Verwendung der `PutRecord` API verbraucht *mindestens* 1 WCU (Schreibkapazitätseinheit), wobei die Bruchteile der Nutzlasten auf die nächste KB aufgerundet werden. Je nach Uhrzeit des Ereignisses, dem Löschstatus des Datensatzes und dem Status „Time to Live“ (TTL) kann dieser Vorgang mehr verbrauchen. Weitere Informationen zu TTL finden Sie unter [Time To Live (TTL), Gültigkeitsdauer der Verbindung](feature-store-time-to-live.md).
**Wichtig**
Beachten Sie bei der Einstellung Ihrer Kapazitätseinheiten bitte Folgendes:
Die Lese- und Schreibkapazitäten, die Sie für Ihre Featuregruppe bereitstellen, werden Ihnen in Rechnung gestellt, auch wenn Sie die `Provisioned` Kapazität nicht vollständig nutzen.
Wenn Sie die Lese- oder Schreibkapazität zu niedrig einstellen, kann es bei Ihren Anfragen zu Drosselungen kommen.
In einigen Fällen können Datensätze aufgrund von Metadaten auf Datensatzebene, die vom Feature Store-Service hinzugefügt werden, um verschiedene Funktionen zu aktivieren, eine zusätzliche Kapazitätseinheit verbrauchen.
Beim Abrufen nur einer Teilmenge von Funktionen mit `GetRecord` oder `BatchGetRecord` APIs wird dennoch RCU verbraucht, was dem gesamten Datensatz entspricht.
Für die Schreibkapazität sollten Sie das Zweifache der aktuellen Spitzenkapazität bereitstellen, um Drosselungen zu vermeiden, wenn Backfills oder Massenaufnahmen durchgeführt werden, die zu einer großen Anzahl von historischen Schreibvorgängen führen können. Das liegt daran, dass beim Schreiben historischer Datensätze zusätzliche Schreibkapazität verbraucht wird.
Feature Store unterstützt derzeit keine auto Skalierung für den `Provisioned` Modus.
Sie können den `On-demand` Durchsatzmodus mithilfe von [CreateFeatureGroup](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateFeatureGroup.html)oder [UpdateFeatureGroup](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UpdateFeatureGroup.html) APIs oder über die Benutzeroberfläche der Konsole aktivieren. Weitere Informationen zur Verwendung der Benutzeroberfläche der Konsole finden Sie unter [Amazon SageMaker Feature Store in der Konsole verwenden](feature-store-use-with-studio.md).
Im Folgenden wird beschrieben, wie Sie den RCU- und WCU-Durchsatz für Ihre Feature-Gruppen erhöhen oder verringern können, wenn der Modus `Provisioned` aktiviert ist.
**Erhöhen des bereitgestellten Durchsatzes**
Sie können die RCU oder WCU mithilfe der [UpdateFeatureGroup](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UpdateFeatureGroup.html)API oder der Konsolenbenutzeroberfläche beliebig oft erhöhen.
**Verringerung des bereitgestellten Durchsatzes**
Sie können RCU und WCU (oder beide) für Funktionsgruppen mithilfe der [UpdateFeatureGroup](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_UpdateFeatureGroup.html)API oder der Konsolen-Benutzeroberfläche verringern.
Es gibt ein Standardkontingent für die Anzahl der Abnahmen der `Provisioned`-Kapazität, die Sie pro Tag für Ihre Feature-Gruppe ausführen können. Tage sind entsprechend der koordinierten Weltzeit (Universal Time Coordinated, UTC) definiert. An einem bestimmten Tag können Sie damit beginnen, innerhalb einer Stunde bis zu vier Abnahmen auszuführen, solange Sie an diesem Tag noch keine weiteren Abnahmen ausgeführt haben. Anschließend können Sie eine zusätzliche Abnahme pro Stunde ausführen, solange es in der vorangegangenen Stunde keine Abnahmen gab. Dadurch wird die maximale Anzahl an Verringerungen pro Tag faktisch auf 27 erhöht (4 Verringerungen in der ersten Stunde und eine Verringerung jeweils für die folgenden Zeitfenster von einer Stunde an einem Tag).
## Kennzahlen zum Durchsatzmodus
Eine Feature-Gruppe im `On-demand` Modus sendet `ConsumedReadRequestsUnits` `ConsumedWriteRequestsUnits` Messwerte aus. Eine Feature-Gruppe im `Provisioned` Modus sendet `ConsumedReadCapacityUnits` `ConsumedWriteCapacityUnits` Messwerte aus. Weitere Informationen zu Feature-Store-Metriken finden Sie unter [Amazon SageMaker Feature Store-Metriken](monitoring-cloudwatch.md#cloudwatch-metrics-feature-store).
## Durchsatzmodus-Grenzwerte
Für jeden AWS-Konto Service gelten Standardkontingente oder -limits, die angewendet werden, um die Verfügbarkeit sicherzustellen und Abrechnungsrisiken zu minimieren. Informationen zu den Standardkontingenten und -Limits finden Sie unter [Benennungsregeln und Datentypen](feature-store-quotas.md).
In einigen Fällen können diese Grenzwerte niedriger sein als in der Dokumentation angegeben. Wenn Sie höhere Grenzwerte benötigen, können Sie einen Antrag auf Erhöhung stellen. Es ist eine gute Idee, dies zu tun, bevor Sie die aktuellen Grenzwerte erreichen, um Unterbrechungen Ihrer Arbeit zu vermeiden. Weitere Informationen zu Service-Kontingenten und zum Anfordern einer Kontingenterhöhung finden Sie unter [AWS Service-Quotas](https://docs.aws.amazon.com/general/latest/gr/aws_service_limits.html).