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.
Mit Machine Learning (ML) mit Amazon Athena können Sie Athena verwenden, um SQL-Anweisungen zu schreiben, die Machine Learning (ML) -Inferenzen mithilfe von Amazon AI ausführen. SageMaker Dieses Feature vereinfacht den Zugriff auf ML-Modelle zum Zweck von Datenanalysen. Daher müssen keine komplexen Programmiermethoden verwendet werden, um Inferenzen auszuführen.
Um ML mit Athena zu verwenden, definieren Sie eine ML mit Athena Funktion mit der USING EXTERNAL
FUNCTION-Klausel. Die Funktion verweist auf den SageMaker KI-Modellendpunkt, den Sie verwenden möchten, und spezifiziert die Variablennamen und Datentypen, die an das Modell übergeben werden sollen. Die folgenden Klauseln in der Abfrage verweisen auf die Funktion, um Werte an das Modell zu übergeben. Das Modell führt Inferenzen basierend auf den von der Abfrage übergebenen Werten aus und gibt anschließend Inferenzergebnisse zurück. Weitere Informationen zu SageMaker KI und zur Funktionsweise von SageMaker KI-Endpunkten finden Sie im Amazon SageMaker AI Developer Guide.
Ein Beispiel, das ML mit Athena und SageMaker KI-Inferenz verwendet, um einen anomalen Wert in einer Ergebnismenge zu erkennen, finden Sie im AWS Big Data-Blogartikel Erkennen anomaler Werte durch Aufrufen
Überlegungen und Einschränkungen
-
Verfügbare Regionen — Die Athena ML-Funktion ist dort verfügbar, AWS-Regionen wo Athena Engine Version 2 oder höher unterstützt wird.
-
SageMaker Der Endpunkt des KI-Modells muss akzeptiert und zurückgegeben werden
text/csv— Weitere Informationen zu Datenformaten finden Sie unter Common Data Formats for Inference im Amazon SageMaker AI Developer Guide. -
Athena sendet keine CSV-Header — Wenn Ihr SageMaker KI-Endpunkt dies ist
text/csv, sollte Ihr Eingabe-Handler nicht davon ausgehen, dass die erste Zeile der Eingabe ein CSV-Header ist. Da Athena keine CSV-Header sendet, enthält die an Athena zurückgegebene Ausgabe eine Zeile weniger als von Athena erwartet, und verursacht einen Fehler. -
SageMaker KI-Endpunktskalierung — Stellen Sie sicher, dass der Referenzendpunkt des SageMaker KI-Modells für Athena-Aufrufe an den Endpunkt ausreichend hochskaliert ist. Weitere Informationen finden Sie unter Automatisches Skalieren von SageMaker KI-Modellen im Amazon SageMaker AI Developer Guide und CreateEndpointConfigin der Amazon SageMaker AI API-Referenz.
-
IAM-Berechtigungen — Um eine Abfrage auszuführen, die eine ML mit Athena-Funktion spezifiziert, muss der IAM-Prinzipal, der die Abfrage ausführt, berechtigt sein, die
sagemaker:InvokeEndpointAktion für den Referenzendpunkt des SageMaker KI-Modells auszuführen. Weitere Informationen finden Sie unter Erlauben Sie den Zugriff für ML mit Athena. -
ML-Athena-Funktionen dürfen in
GROUP BY-Klauseln nicht direkt verwendet werden
