As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Conceitos do Feature Store Listamos termos comuns usados na Amazon SageMaker Feature Store, seguidos por diagramas de exemplo para visualizar alguns conceitos: + **Feature Store**: camada de gerenciamento de dados e armazenamento para atributos de machine learning (ML). Serve como a única fonte confiável para armazenar, recuperar, remover, rastrear, compartilhar, descobrir e controlar o acesso aos atributos. No diagrama de exemplo a seguir, o Feature Store é um armazenamento para seus grupos de atributos, que contém seus dados de ML e fornece serviços adicionais. + **Armazenamento on-line**: armazenamento de baixa latência e alta disponibilidade para um grupo de atributos que permite a pesquisa de registros em tempo real. O armazenamento on-line permite acesso rápido ao registro mais recente por meio da API `GetRecord`. + **Armazenamento offline**: armazena dados históricos em seu bucket do Amazon S3. O armazenamento offline é usado quando leituras de baixa latência (menos de um segundo) não são necessárias. Por exemplo, o armazenamento offline pode ser usado quando você deseja armazenar e oferecer atributos para exploração, treinamento de modelos e inferência em lote. + **Grupo de atributos**: principal atributo do Feature Store que contém os dados e metadados usados para treinamento ou previsão com um modelo de ML. Um grupo de atributos é um agrupamento lógico de atributos usados para descrever registros. No diagrama de exemplo a seguir, um grupo de atributos contém seus dados de ML. + **Atributo**: uma propriedade que é usada como uma das entradas para treinar ou prever usando seu modelo de ML. Na API do Feature Store, um atributo é um atributo de um registro. No diagrama de exemplo a seguir, um grupo de atributos descreve uma coluna em sua tabela de dados de ML. + **Definição de atributo**: consiste em um nome e um dos tipos de dados: integral, string ou fracionário. Um grupo de atributos contém uma lista de definições de atributos. Para obter mais informações sobre tipos de dados do Feature Store, consulte [Tipos de dados](feature-store-quotas.md#feature-store-data-types). + **Registro**: coleção de valores para atributos para um único identificador de registro. Uma combinação de valores de identificador de registro e horário do evento identifica exclusivamente um registro dentro de um grupo de atributos. No diagrama de exemplo a seguir, um registro é uma linha em sua tabela de dados de ML. + **Nome do identificador do registro**: o nome do identificador do registro é o nome do atributo que identifica os registros. Ele deve se referir a um dos nomes de um atributo definido nas definições de atributo do grupo de atributos. Cada grupo de atributos é definido com um nome do identificador de registro. + **Horário do evento**: carimbo de data/hora que você fornece correspondente à data em que o evento de registro ocorreu. Todos os registros no grupo de atributos devem ter um horário de evento correspondente. O armazenamento on-line contém apenas o registro correspondente ao horário do evento mais recente, enquanto o armazenamento offline contém todos os registros históricos. Para obter mais informações sobre os formatos de horário do evento, consulte [Tipos de dados](feature-store-quotas.md#feature-store-data-types). + **Ingestão**: adição de novos registros a um grupo de atributos. Normalmente, a ingestão é obtida por meio da API `PutRecord`. **Topics** + [Diagrama de visão geral dos conceitos](#feature-store-concepts-overview) + [Diagramas de ingestão](#feature-store-concepts-ingestion) ## Diagrama de visão geral dos conceitos O diagrama de seguinte exemplo conceitua alguns conceitos do Feature Store: ![\[An example representation of a feature group using an example table as reference.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/feature-store/feature-store-feature-group-components.png) O Feature Store contém seus grupos de atributos e um grupo de atributos contém seus dados de ML. No diagrama de exemplo, o grupo de atributos original contém uma tabela de dados com três atributos (cada um descrevendo uma coluna) e dois registros (linhas). + A definição de um atributo descreve o nome do atributo e o tipo de dados dos valores do atributo associados aos registros. + Um registro contém os valores do atributo e é identificado exclusivamente por seu identificador de registro e deve incluir o horário do evento. ## Diagramas de ingestão A ingestão é a ação de adicionar um registro ou registros a um grupo de atributos existente. Os armazenamentos on-line e offline são atualizados de forma diferente dependendo do caso de uso. **Exemplo de ingestão no armazenamento on-line** A loja online funciona como uma pesquisa em tempo real dos registros e mantém apenas a maioria dos up-to-date registros. Depois que um registro for inserido em um armazenamento on-line existente, o armazenamento on-line atualizado só manterá o registro com o horário mais recente do evento. No diagrama de exemplo a seguir, o armazenamento on-line original contém sua tabela de dados de ML com um registro. Um registro é ingerido com o mesmo ID do registro original, mas o novo registro tem o horário do evento anterior ao registro original. Como o armazenamento on-line atualizado mantém apenas o registro com o horário do evento mais recente, o armazenamento on-line atualizado contém o registro original. ![\[An example showing how records are ingested in the online store.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/feature-store/feature-store-ingestion-online-store.png) **Exemplo de ingestão no armazenamento offline** O armazenamento offline atua como uma consulta histórica dos registros e mantém todos os registros. Depois que um novo registro for ingerido em um armazenamento offline existente, o armazenamento offline atualizado manterá o novo registro. No diagrama de exemplo a seguir, o armazenamento offline original contém sua tabela de dados de ML com um registro. Um registro é ingerido com o mesmo ID do registro original, mas o novo registro tem o horário do evento anterior ao registro original. Como o armazenamento offline atualizado mantém todos os registros, o armazenamento offline atualizado contém os dois registros. ![\[An example showing how records are ingested in the offline store.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/feature-store/feature-store-ingestion-offline-store.png)