本文介绍特征管理在 DataBuddy 控制台中的界面操作,包括特征表的检索与筛选、特征表详情查看,以及将离线特征表发布为在线特征表。
提示
前提条件
已开通 DataBuddy 服务并完成空间初始化。
当前账号在目标 Catalog / Schema 上拥有相应的查看或元数据维护权限。
特征管理列表检索与筛选
在左侧导航栏选择 数据科学 > 特征管理 ,进入特征管理列表页。列表以纯索引视图展示当前 Workspace 中所有已识别的特征表。
顶部操作区
搜索特征表 :按特征表名称模糊检索。
范围筛选 :按特征表责任人 、所属 Catalog (支持多选)、标签 进行筛选。
刷新 :重新加载列表,获取最新状态。
Buddy :打开 Buddy 入口,与智能体实时互动。
特征表列表区
字段 | 说明 |
特征表名称 | catalog.schema.table 格式,点击跳转至特征表详情页 |
责任人 | 该表在 Catalog 中登记的责任人 |
在线表 | 关联的在线特征表所在的 Catalog 名称(鼠标悬停可查看全名);未发布在线表时为空 |
最近更新时间 | 表数据或元数据的最近一次更新时间 |
标签 | Catalog 中维护的标签集合 |
描述信息 | Catalog 中维护的表描述 |
查看特征表详情
特征表本质是 “用特征工程 SDK 声明了主键和时间戳键的 Catalog 中的表” ,因此其详情页即该表在数据目录中的资产详情页。可通过以下任一方式进入:
从特征管理列表进入 :在特征管理列表中点击特征表名称。
从数据目录进入 :在左侧导航栏选择 目录 (Catalog),展开目标 Catalog > Schema > 表,点击对应的特征表。
顶部操作栏
页面顶部展示当前特征表的名称、路径(
快速访问 / <catalog> / <database> / <table>)以及一组操作入口:操作 | 说明 |
搜索字段名称 | 在当前表的字段列表中按字段名快速过滤 |
根据表创建 | 下拉菜单,基于当前特征表快速发起下游操作(详见下表) |
修改名称 | 修改特征表名称 |
删除表 | 删除当前特征表(等价于 SDK 的 drop_table,操作不可恢复) |
Buddy | 一键带着当前表上下文进入 Buddy 进行智能分析 |
根据表创建 下拉项:
入口 | 说明 |
在线表 | |
NoteBook | 新建 Notebook 并自动带入当前表,便于直接读写特征数据 |
SQL 探索 | 打开 SQL 探索并预填当前表,便于即席查询 |
仪表盘 | 基于当前表创建可视化仪表盘 |
分析空间 | 进入 Buddy 对当前表做对话式分析 |
质量任务 | 为当前表配置数据质量校验任务 |
Power BI 连接插件 | 获取 Power BI 连接当前表的配置 |
标签页
详情页提供 概览、数据预览、血缘、权限、详情、变更历史、质量 等标签页:
概览 :维护特征表元信息的主入口。可点击 添加描述 补充表的业务说明、编辑 责任人 、添加标签 维护表级标签;在字段列表中可编辑字段的 字段描述 、为字段 添加标签 (主键字段带 PK 标识、时间戳键带相应标识)、添加脱敏策略 。
数据预览 :查看特征表数据样本。
血缘 :查看该表的上下游血缘关系。
权限 :查看与管理该表的访问权限。
详情 :查看表的 Schema、字段定义、存储信息等。
变更历史 :查看表结构与数据的变更记录。
质量 :查看数据质量校验结果。
提示
表级描述、责任人、字段描述、字段标签等元数据均由 Catalog 统一维护,修改后会同步到特征管理列表。建议在特征表正式投入训练之前补充完整,帮助下游使用者理解每个特征的业务含义。
自动识别已有表为特征表
Catalog 中任意一张同时 具备主键和时间戳键的表都会被自动识别 为特征表,无需调用 SDK 或在页面上执行任何额外操作。表在创建时已由数据工程流程或特征工程 SDK 指定好主键与时间戳键,则该表会立即出现在特征管理列表中。
表详情页 概览 Tab 的字段列表中,主键字段右侧以 PK 标识展示、时间戳键字段右侧以时间戳图标展示,但这两个属性是在表创建时确定并由后端读取的元数据 ,当前 UI 不提供标记主键或标记时间戳键的可编辑入口 。要让一张已有表被识别为特征表,需要在表的源头(DML / SQL DDL / 特征工程 SDK
create_table)中保证其同时具备主键与时间戳键。注意
仅当主键与时间戳键同时 存在时,该表才会被识别为特征表。仅有主键或仅有时间戳的表不会出现在特征管理列表中。
验证方式
如需确认一张表是否被识别为特征表:
1. 在左侧导航栏选择 目录 (Catalog),进入对应 Catalog > Schema > Table 详情页。
2. 查看字段列表中是否有字段被标记为 PK (主键)以及是否有字段带有 时间戳 图标。
3. 同时满足两项时,进入 数据科学 > 特征管理 ,可在列表中找到该表。可点击列表页的 刷新 按钮重新加载。
发布在线特征表
如果模型需要部署为在线推理服务,则其依赖的离线特征表必须先被发布为在线特征表,由同步任务持续把离线数据同步到在线存储(PostgreSQL)。
1. 进入 数据目录 ,打开目标离线特征表详情页。
2. 在 根据表创建 中选择 在线表 ,弹出在线表创建窗口。
3. 在弹窗中配置参数并提交。系统会自动创建在线特征表,并同时创建一条特征同步工作流。
提示
仅 Catalog 中具有主键和时间戳的离线特征表会展示 创建在线表 入口;不满足条件的表无法发布为在线表。
弹窗参数 :
参数 | 说明 | 是否必填 |
计算资源 | 运行同步任务的计算资源 | 是 |
存储地址 | 用于在线表的 PostgreSQL 数据源 | 是 |
数据目录 / Schema / 表名 | 在线特征表的目标 Catalog、Schema 与表名 | 是 |
同步方式 | 快照 / 定时触发 / 持续运行 | 是 |
提示
选择并配置同步方式 :
同步方式 | 适用场景 | 触发逻辑 |
快照 | 一次性把离线特征表的当前快照同步到在线表,常用于首次发布或临时刷新 | 提交后立即执行单次同步 |
定时触发 | 周期性从离线特征表更新到在线表,例如每天凌晨同步当日产出的特征 | 按调度周期或 Cron 表达式定时触发 |
持续运行 | 实时性要求较高时连续运行同步任务 | 任务完成一次后立即开始下一次执行 |
调度配置项的详细规则与 Workflow 调度保持一致,详见 调度与触发器。本场景下需注意以下差异:
1. 持续运行模式不支持排队模式与最大并发数配置。
2. 任务重试模式(仅持续运行模式):
失败 :只要其他任务仍在首次尝试运行,失败的任务就会重试;如果所有任务都进入重试状态,会创建一个新的作业运行。
从不 :失败后不再重试。
注意
特征同步工作流的 Notebook 文件由系统创建并放置在固定目录,不允许修改任务文件内容、删除工作流或调整任务结构;您仅能修改其调度配置并启动运行。
提示
常见问题
Q:在特征管理列表中没有看到刚创建、标记的表?
请确认目标表是否同时 具备 主键 与 时间戳键 。在 Catalog 表详情页检查字段标记;只有同时满足两项条件的表才会被识别为特征表。可点击列表页的 刷新 重新加载。
Q:特征表的字段描述、字段标签为什么要在 Catalog 里维护,而不是特征管理模块?
在 DataBuddy 中,特征表本质是 Catalog 中的表,所有元数据维护逻辑统一在 Catalog 完成。特征管理模块通过跳转复用同一份元信息,避免出现两套描述不一致。
Q:特征表的负责人转交后,原负责人是否仍能维护标签?
标签维护权限随 Catalog 中的表权限走。负责人转交后,原负责人若未保留对应权限,将无法继续维护表元数据;此机制与 Catalog 资产管理一致。
相关文档
调度与触发器