特征工程和工作区特征存储 Python API

本页提供了 Databricks 特征工程和 Databricks 工作区特征存储中的 Python API 文档链接，以及有关客户端包 databricks-feature-engineering 和 databricks-feature-store 的信息的链接。

兼容性矩阵

应使用的包和客户端取决于功能表所在的位置和正在运行的 Databricks Runtime ML 版本，如下表所示。

若要标识 Databricks Runtime ML 版本内置的包版本，请参阅特征工程兼容性矩阵。

发行说明

请参阅 Databricks 特征工程和旧版工作区特征存储的发行说明。

特征工程 Python API 参考

请参阅特征工程 Python API 参考。

工作区特征存储 Python API 参考（已弃用）

对于 databricks-feature-store v0.17.0，请参阅特征工程 Python API 参考中的 Databricks FeatureStoreClient，以了解最新的工作区功能存储 API 参考。

对于 v0.16.3 和更低版本，请使用表中的链接下载或显示功能存储 Python API 参考。 要确定 Databricks Runtime ML 版本的预安装版本，请参阅兼容性矩阵。

Python 包

本部分介绍如何安装 Python 包以使用 Databricks 特征工程和 Databricks 工作区特征存储。

特征工程

Databricks 特征工程 API 可通过 Python 客户端包 databricks-feature-engineering 获得。 客户端在 PyPI 上可用，并预安装在 Databricks Runtime 13.3 LTS ML 及更高版本中。

有关哪个客户端版本对应于哪个运行时版本的参考，请参阅兼容性矩阵。

若要在 Databricks Runtime 中安装客户端，请运行以下命令：

%pip install databricks-feature-engineering

若要在本地 Python 环境中安装客户端，请运行以下命令：

pip install databricks-feature-engineering

工作区特征存储（已弃用）

Databricks 特征存储 API 可通过 Python 客户端包 databricks-feature-store 获得。 客户端在 PyPI 上可用，并预安装在用于机器学习的 Databricks Runtime 中。 有关哪个运行时包括哪些客户端版本的参考，请参阅兼容性矩阵。

若要在 Databricks Runtime 中安装客户端，请运行以下命令：

%pip install databricks-feature-store

若要在本地 Python 环境中安装客户端，请运行以下命令：

pip install databricks-feature-store

迁移到 databricks-feature-engineering

若要安装 databricks-feature-engineering 包，请使用 pip install databricks-feature-engineering 而不是 pip install databricks-feature-store。 databricks-feature-store 中的所有模块都已移至 databricks-feature-engineering，因此无需更改任何代码。 安装 databricks-feature-engineering 后，from databricks.feature_store import FeatureStoreClient 等导入语句将继续生效。

要在 Unity Catalog 中使用特征表，请使用 FeatureEngineeringClient。 要使用工作区特征存储，必须使用 FeatureStoreClient。

支持的方案

在 Databricks（包括 Databricks Runtime 和用于机器学习的 Databricks Runtime）上，你可以执行以下操作：

• 创建、读取和写入功能表。
• 基于功能数据对模型进行训练和评分。
• 将功能表发布到在线应用商店，以便提供实时服务。

从本地环境或 Databricks 的外部环境中，你可以执行以下操作：

• 使用本地 IDE 支持开发代码。
• 使用模拟框架进行单元测试。
• 编写在 Databricks 上运行的集成测试。

限制

客户端库只能在 Databricks 上运行，包括 Databricks Runtime 和用于机器学习的 Databricks Runtime。 它不支持从本地环境或 Databricks 以外的环境调用 Unity Catalog 或特征存储 API 中的特征工程。

使用客户端进行单元测试

可以在 Unity Catalog 客户端或特征存储客户端本地安装特征工程，以帮助运行单元测试。

例如，要验证方法 update_customer_features 是否正确调用 FeatureEngineeringClient.write_table（或对于工作区特征存储 FeatureStoreClient.write_table），可以编写：

from unittest.mock import MagicMock, patch

from my_feature_update_module import update_customer_features
from databricks.feature_engineering import FeatureEngineeringClient

@patch.object(FeatureEngineeringClient, "write_table")
@patch("my_feature_update_module.compute_customer_features")
def test_something(compute_customer_features, mock_write_table):
  customer_features_df = MagicMock()
  compute_customer_features.return_value = customer_features_df

  update_customer_features()  # Function being tested

  mock_write_table.assert_called_once_with(
    name='ml.recommender_system.customer_features',
    df=customer_features_df,
    mode='merge'
  )

使用客户端进行集成测试

可以在 Databricks 上使用 Unity Catalog 客户端或特征存储客户端中的特征工程运行集成测试。