Early Access: The content on this website is provided for informational purposes only in connection with pre-General Availability Qlik Products.
All content is subject to change and is provided without warranty.
跳到主要內容 跳至補充內容

Databricks MLflow 分析來源

Databricks MLflow 是一個機器學習平台,用於自動化、確保和加速預測分析,幫助資料科學家和分析師建置和部署準確的預測模型。

要連線到 Databricks MLflow,您必須已建立模型或有權存取模型,並將其部署到 Databricks MLflow 平台上的端點。此外,此端點必須可由 Qlik Cloud 公開存取。

受管理 MLflow

限制

  • Databricks MLflow 具有端點配額。如需更多資訊,請參見 Databricks 機器學習簡介

  • 已部署模型的 Databricks MLflow 服務上的可用資源會影響和限制 Qlik Sense 重新載入和圖表回應的效能。

  • Databricks MLflow 連接器限制為每個請求 200,000 列。這些請求以 2,000 列為一組傳送到端點服務。在必須處理更多列的狀況下,使用資料載入指令碼中的 Loop 來批次處理更多列。

  • 在定期重新載入應用程式的情況下,最佳做法是使用 QVD 檔案快取預測,並且只將新列傳送到預測端點。這將提升 Qlik Sense 應用程式重新載入的效能,並減少 Databricks MLflow 端點上的負載。

  • 在圖表運算式中使用 Databricks MLflow 時,提供欄位的資料類型相當重要,因為模型需要以正確的字串/數字格式處理這些資料類型。圖表運算式中伺服器端擴充有一個限制,也就是資料類型不會像在載入指令碼中那樣自動偵測。

  • 如果您使用的是相對連線名稱,並且您決定將應用程式從一個共用空間移動到另一個共用空間,或者您將應用程式從一個共用空間移動到您的私人空間,則更新分析連線以反映新的空間位置需要一些時間。

此頁面是否對您有幫助?

若您發現此頁面或其內容有任何問題——錯字、遺漏步驟或技術錯誤——請告知我們可以如何改善!