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.

Löscht einen Datensatz aus einer Feature-Gruppe.

Sie können die Amazon SageMaker Feature Store-API verwenden, um Datensätze aus Ihren Feature-Gruppen zu löschen. Eine Feature-Gruppe ist ein Objekt, das Ihre maschinellen Lerndaten (ML) enthält, wobei die Spalten Ihrer Daten durch Funktionen beschrieben werden und Ihre Daten in Datensätzen enthalten sind. Ein Datensatz enthält Werte für Features, die einer bestimmten Datensatz-ID zugeordnet sind.

Es gibt zwei Speicherkonfigurationen für Ihre Featuregruppen: Online-Speicher und Offline-Speicher. Der Online-Speicher speichert nur den Datensatz mit dem letzten Zeitpunkt des Ereignisses und wird in der Regel für die Echtzeitsuche nach ML-Inferenzen verwendet. Der Offline-Speicher speichert alle Datensätze und dient als historische Datenbank. Er wird in der Regel für die Erkundung von Merkmalen, das ML-Training und die Batch-Inferenz verwendet.

Weitere Informationen zu Feature-Store-Konzepten finden Sie unter Verschluckungsdiagramme.

Es gibt zwei Möglichkeiten, Datensätze aus Ihren Feature-Gruppen zu löschen, und das Verhalten ist je nach Speicherkonfiguration unterschiedlich. In den folgenden Themen beschreiben wir, wie Sie Datensätze aus den Online- und Offline-Speichern automatisch und dauerhaft löschen können, und geben Beispiele.

Löschen Sie Datensätze aus dem Online-Speicher

Sie können mithilfe der DeleteRecord-API einen Datensatz aus dem Online-Speicher entweder automatisch oder dauerhaft löschen, indem Sie mit dem DeletionMode-Anforderungsparameter angeben SoftDelete (Standard) oder HardDelete. Weitere Informationen zur DeleteRecord API finden Sie DeleteRecordin der Amazon SageMaker API-Referenz.

Mit dem Online-Speicher:

In beiden Fällen hängt Feature Store die Markierung für gelöschte Datensätze an die OfflineStore an. Bei der Markierung für gelöschte Datensätze handelt es sich um einen Datensatz, der dem Original entspricht RecordIdentifer, dessen is_deleted Wert jedoch auf True die Löscheingabe EventTime auf EventTime gesetzt ist und andere Feature-Werte auf null eingestellt sind.

Beachten Sie, dass der EventTime in DeleteRecordangegebene Wert später gesetzt werden sollte als der EventTime des vorhandenen Datensatzes OnlineStore für denselben Datensatz RecordIdentifer. Ist dies nicht der Fall, erfolgt das Löschen nicht:

In den folgenden Beispielen wird der delete_record Vorgang SDK for Python (Boto3) verwendet, um einen Datensatz aus einer Feature-Gruppe zu löschen. Zum Löschen eines Datensatzes aus einer Feature-Gruppe benötigen Sie:

Beispiel für ein Soft-Delete im Online-Speicher

Für das automatische Löschen müssen Sie die DeleteRecord API verwenden und können die Standardeinstellung verwenden DeletionMode oder die Option DeletionMode auf SoftDelete setzen.

import boto3
client = boto3.client('sagemaker-featurestore-runtime')

client.delete_record(
    FeatureGroupName='feature-group-name',
    RecordIdentifierValueAsString='record-identifier-value',
    EventTime='deletion-event-time',
    TargetStores=[
        'OnlineStore',
    ],
    DeletionMode='SoftDelete'
)

Beispiel für ein hartes Löschen im Online-Speicher

Für das endgültige Löschen müssen Sie die DeleteRecord API verwenden und den Wert DeletionMode auf HardDelete setzen.

import boto3
client = boto3.client('sagemaker-featurestore-runtime')

client.delete_record(
    FeatureGroupName='feature-group-name',
    RecordIdentifierValueAsString='record-identifier-value',
    EventTime='deletion-event-timestamp',
    TargetStores=[
        'OnlineStore',
    ],
    DeletionMode='HardDelete'
)

Löschen Sie Datensätze aus dem Offline-Speicher

Mit Amazon SageMaker Feature Store können Sie einen Datensatz aus dem OfflineStore Iceberg-Tabellenformat sowohl weich als auch dauerhaft löschen. Mit dem OfflineStore Eisberg-Tabellenformat:

Besorgen Sie sich den Namen Ihrer Eisberg-Tabelle

Um aus Ihrer OfflineStore Eisberg-Tabelle „Soft“ und „Hard“ zu löschen, benötigen Sie den Namen Ihrer Eisberg-Tabelle, iceberg-table-name. In den folgenden Anweisungen wird davon ausgegangen, dass Sie Feature Store bereits verwendet haben, um eine Feature-Gruppe mithilfe der Offline-Speicherkonfiguration im Eisberg-Tabellenformat mit DisableGlueTableCreation = False (Standard) zu erstellen. Weitere Informationen zum Erstellen eines Features finden Sie unter Erste Schritte mit Amazon SageMaker Feature Store.

Um Ihre iceberg-table-name zu erhalten, verwenden Sie die DescribeFeatureGroup API, um sie abzurufen DataCatalogConfig. Die Metadaten der Glue-Tabelle, die als Datenkatalog für den OfflineStore dient. Die TableName-Organisationseinheit befindet sich innerhalb der DataCatalogConfig iceberg-table-nameOrganisationseinheit.

Beispiel für weiches und hartes Löschen im Amazon Athena Offline-Speicher

In den folgenden Anweisungen wird Amazon Athena verwendet, um einen Datensatz aus der OfflineStore Eisberg-Tabelle sanft und anschließend dauerhaft zu löschen. Dabei wird davon ausgegangen, dass es sich bei dem Datensatz, den Sie in Ihrer Datenbank löschen möchten, um einen gelöschten Datensatz OfflineStore handelt. Informationen zur Markierung für gelöschte Datensätze in Ihrem OfflineStore finden Sie unter Löschen Sie Datensätze aus dem Online-Speicher.

Beispiel für Soft- und Harddelete im Apache Spark-Offline-Speicher

Um mit Apache Spark einen Datensatz aus der OfflineStore Eisberg-Tabelle sanft und dann dauerhaft zu löschen, können Sie die gleichen Anweisungen wie Beispiel für weiches und hartes Löschen im Amazon Athena Offline-Speicher oben befolgen, jedoch Spark-Verfahren verwenden. Eine vollständige Liste der Verfahren finden Sie unter Spark-Prozeduren in der Apache-Iceberg-Dokumentation.