แอปพลิเคชันการเรียนรู้ของเครื่องแบบเรียลไทม์ (ML) มีอยู่ทุกที่ ตั้งแต่การอนุมัติธุรกรรมบัตรเครดิตที่เกิดขึ้น ไปจนถึงการสร้างคำแนะนำส่วนบุคคลสำหรับบริการสตรีมมิงที่คุณชื่นชอบในทันที แอปพลิเคชันเหล่านี้ไม่สามารถจ่ายล่าช้าได้ พวกเขาต้องการการเข้าถึงข้อมูลสดเพื่อให้การอนุมานเวลาแฝงต่ำมาก (100 มิลลิวินาทีหรือน้อยกว่า) เพื่อให้นักพัฒนาและองค์กรมีความสามารถแบบเรียลไทม์ที่คุ้มค่าสำหรับแอปพลิเคชัน ML ระดับสูง เรารู้สึกตื่นเต้นที่จะร่วมกันประกาศการบูรณาการระดับเฟิร์สคลาสของ Tecton และ Redis Enterprise Cloud
Redis Enterprise Cloud คือ Redis เวอร์ชันที่ดีที่สุด โดยมอบประสิทธิภาพ ความสามารถในการปรับขนาด และความคุ้มค่าที่ดีที่สุดในระดับเดียวกันสำหรับผู้จำหน่ายระบบคลาวด์ Redis ได้รับการโหวตให้เป็นฐานข้อมูลที่นักพัฒนาชื่นชอบมากที่สุดเป็นเวลาห้าปีติดต่อกันในการสำรวจนักพัฒนาประจำปีของ Stack Overflow เป็นที่นิยมในอุตสาหกรรมบริการทางการเงิน อีคอมเมิร์ซ และเกม Redis มีประวัติที่ตอบสนองความต้องการเวลาแฝงที่ต้องการมากที่สุด (มิลลิวินาทีย่อย) และความต้องการความพร้อมใช้งานสูง ทำให้เหมาะอย่างยิ่งที่จะตอบสนองความต้องการของแอปพลิเคชัน ML แบบเรียลไทม์
Tecton เป็นที่เก็บฟีเจอร์ชั้นนำสำหรับองค์กรที่ต้องการเร่งเวลาในการผลิตสำหรับโครงการ ML รากฐานมาจากประสบการณ์ในการสร้าง Uber Michelangelo ซึ่งเป็นแพลตฟอร์มที่ขับเคลื่อนแอปพลิเคชัน ML ทุกรายการของ Uber Tecton เป็นระบบสำหรับดำเนินการและจัดการไปป์ไลน์ข้อมูลและคุณลักษณะสำหรับแอปพลิเคชัน ML ที่ใช้งานจริง กรณีการใช้งานทั่วไป ได้แก่ การตรวจจับการฉ้อโกง คำแนะนำแบบเรียลไทม์ การกำหนดราคาแบบไดนามิก และการปรับเปลี่ยนในแบบของคุณ
ขณะนี้ Feature Store ของ Tecton ได้ผสานรวมกับ Redis Enterprise Cloud สำหรับการให้บริการออนไลน์แล้ว มันง่ายกว่าและคุ้มค่ากว่าที่เคยในการผลิตกรณีการใช้งาน ML ที่มีเวลาแฝงต่ำและมีปริมาณงานสูง สำหรับผู้ใช้ Tecton ที่ทำงานในระดับสูง การวิเคราะห์เกณฑ์มาตรฐานแสดงให้เห็นว่า Redis Enterprise ได้รับเวลาแฝงที่เร็วขึ้น 3 เท่า ในขณะเดียวกันก็ถูกกว่า Amazon DynamoDB ถึง 14 เท่า (อ่านเพิ่มเติมในบล็อกของ Tecton ที่นี่) ในบทความนี้ เราจะเจาะลึกลงไปว่า Redis Enterprise และ Tecton ทำงานร่วมกันอย่างไร
วิธีที่ Tecton ทำงานร่วมกับ Redis
เพื่อให้เข้าใจว่า Tecton และ Redis เข้ากันได้อย่างไรเพื่อเปิดใช้งาน ML แบบเรียลไทม์ มาดูขั้นตอนสำหรับการผลิตกรณีใช้งาน ML เช่น การตรวจจับการฉ้อโกง:
- ขั้นแรก ต้องใช้ข้อมูลดิบ (เช่น ธุรกรรมในอดีตของผู้ใช้ทั้งหมด + ธุรกรรมปัจจุบันแบบเรียลไทม์) ข้อมูลนี้น่าจะแพร่กระจายผ่านคลังข้อมูลต่างๆ และสตรีมข้อมูลทั่วทั้งองค์กร
- ในการสร้างคุณลักษณะสำหรับโมเดล คุณต้องเชื่อมต่อกับแหล่งข้อมูลเหล่านั้นและกำหนดและดำเนินการแปลงข้อมูลที่จะให้คุณลักษณะ ตัวอย่างเช่น คุณลักษณะหนึ่งอาจดูจำนวนธุรกรรมเฉลี่ยของผู้ใช้ในช่วง 6 เดือนที่ผ่านมา และเปรียบเทียบกับธุรกรรมปัจจุบันของผู้ใช้
- สุดท้ายแล้ว คุณต้องให้บริการคุณลักษณะของคุณกับโมเดล ML ที่ทำการคาดการณ์แบบเรียลไทม์ และทำสิ่งนี้ที่เวลาแฝงต่ำกว่า 100 มิลลิวินาที เพื่อไม่ให้ผู้ใช้รับรู้ถึงความล่าช้า
Feature Store ของ Tecton ได้รับการออกแบบมาเพื่อจัดการกับขั้นตอนเหล่านี้ โดยแยกการทำงานของการแปลงคุณลักษณะและไปป์ไลน์ข้อมูลออกไปทั้งหมด เพื่อให้ทีมวิทยาศาสตร์ข้อมูลและวิศวกรรมข้อมูลของคุณสามารถมุ่งเน้นไปที่การสร้างแบบจำลองได้ อย่างไรก็ตาม Tecton ไม่ใช่เครื่องมือคำนวณหรือฐานข้อมูล แต่จะตั้งอยู่บนโครงสร้างพื้นฐานที่ลูกค้าใช้อยู่แล้ว คุณจึงมีอิสระที่จะสร้างสแต็ก ML ที่เหมาะกับคุณ
Redis Enterprise Cloud เป็นหนึ่งในองค์ประกอบโครงสร้างพื้นฐานเหล่านี้ ทำให้ลูกค้ามีตัวเลือกใหม่ที่มีประสิทธิภาพสูงสำหรับ ร้านค้าออนไลน์ ใช้โดย Feature Store ของ Tecton
วิธีที่ Tecton ใช้ร้านค้าออนไลน์กับร้านค้าออฟไลน์
Feature Store ของ Tecton รองรับรูปแบบการเข้าถึงหลักสองรูปแบบสำหรับ ML:การดึงข้อมูลประวัติจำนวนหลายล้านแถวสำหรับการฝึกโมเดล และการเรียกแถวเดียวในเวลาไม่กี่วินาที เพื่อให้บริการฟีเจอร์แก่โมเดลที่ทำงานอยู่ในเวอร์ชันที่ใช้งานจริง เนื่องจากกรณีการใช้งานเหล่านี้แตกต่างกันมากในแง่ของประสิทธิภาพและการแลกเปลี่ยนต้นทุน เราจึงสนับสนุนฐานข้อมูลประเภทต่างๆ สำหรับการดึงคุณลักษณะแบบออฟไลน์และแบบออนไลน์
สำหรับที่เก็บฟีเจอร์ออฟไลน์ Tecton รองรับ S3 เนื่องจากมีพื้นที่จัดเก็บที่คุ้มค่าซึ่งสามารถปรับขนาดให้ตรงตามคุณสมบัติออฟไลน์ของคุณเพื่อรองรับความต้องการสำหรับการฝึกโมเดล สำหรับร้านค้าฟีเจอร์ออนไลน์ ตอนนี้ Tecton เสนอทางเลือกที่ยืดหยุ่นแก่ลูกค้าระหว่าง DynamoDB (โหมดความจุแบบออนดีมานด์) และ Redis Enterprise Cloud
การขจัดการเบี่ยงเบนการฝึกเสิร์ฟ
หากไม่ใช้แนวทางฐานข้อมูลแบบคู่นี้ องค์กรจำนวนมากใช้ไปป์ไลน์ข้อมูลแยกกันสำหรับการฝึกอบรมออฟไลน์และการให้บริการออนไลน์ ความแตกต่างเล็กน้อยในการใช้งานไปป์ไลน์อาจทำให้ประสิทธิภาพของโมเดลลดลงได้อย่างสมบูรณ์ เนื่องจากข้อมูลที่โมเดลเห็นในการฝึกอบรมไม่ตรงกับข้อมูลที่พบในการผลิต ความไม่ตรงกันนี้เรียกว่าการเบี่ยงเบนการให้บริการการฝึก และใช้เวลานานอย่างเหลือเชื่อในการดีบัก
Feature Store ของ Tecton จะแก้ไขการเบี่ยงเบนการให้บริการฝึกอบรมโดยอัตโนมัติด้วยการประสานงานข้อมูลในสภาพแวดล้อมออฟไลน์และออนไลน์ ดังนั้นจึงมีการซิงโครไนซ์เสมอ ผู้ใช้สามารถเริ่มใช้ร้านค้าออฟไลน์ได้ด้วยการอนุมานแบบกลุ่มเท่านั้น และเมื่อพวกเขาพร้อมสำหรับการอนุมานออนไลน์แล้ว ให้อัปเดตโค้ดบรรทัดเดียวเพื่อเริ่มสร้างข้อมูลให้เป็นจริงในร้านค้าออนไลน์
ข้อดีของ Redis Enterprise Cloud สำหรับผู้ใช้ Tecton
สำหรับผู้ใช้ Tecton ที่ทำงานในระดับสูง ข้อดีอย่างหนึ่งที่สำคัญของการใช้ Redis Enterprise Cloud คือประสิทธิภาพและประหยัดต้นทุน จากการวิเคราะห์เกณฑ์มาตรฐานในการให้บริการคุณลักษณะออนไลน์ที่มีปริมาณงานสูง Redis นั้นเร็วกว่า 3 เท่าและถูกกว่า DynamoDB บนTecton ถึง 14 เท่า
Redis Enterprise Cloud ยังมอบความสามารถในการปฏิบัติงานที่ยอดเยี่ยมซึ่งพร้อมตอบสนองความต้องการพื้นที่เก็บข้อมูลที่มีเวลาแฝงต่ำในปัจจุบันและอนาคต มีความพร้อมใช้งานสูงด้วย SLA ความพร้อมในการทำงาน 99.999% ตัวเลือกการคงอยู่ของฐานข้อมูลหลายรายการ การสำรองข้อมูล และการกู้คืน ลูกค้าที่มีชุดข้อมูลฟีเจอร์ขนาดใหญ่สามารถประหยัดค่าใช้จ่ายเพิ่มเติมได้ด้วยการจัดระดับที่เก็บฟีเจอร์ออนไลน์ผ่าน DRAM และ SSD
วิธีเริ่มต้น
หากคุณยังไม่ได้ใช้ Redis Enterprise Cloud คุณสามารถลงชื่อสมัครใช้บัญชีได้ที่นี่ เราแนะนำให้ผู้ใช้ Tecton ปรับใช้ Redis Enterprise Cloud ใน AWS เพื่อลดเวลาแฝง เนื่องจาก Tecton ทำงานแบบเนทีฟใน AWS และสามารถสร้างการเชื่อมต่อแบบเพียร์ใน Redis Enterprise Cloud ในอนาคต Tecton วางแผนที่จะเพิ่มการสนับสนุนแบบเนทีฟสำหรับแพลตฟอร์มผู้จำหน่ายระบบคลาวด์รายอื่น
หากคุณไม่ใช่ผู้ใช้ Tecton และสนใจที่จะเรียนรู้เพิ่มเติม คุณสามารถลงทะเบียนเพื่อทดลองใช้ Tecton ได้ฟรีที่นี่
