Membuat instance tampilan fitur

Anda dapat membuat tampilan fitur dalam instance toko online yang ada. Saat membuat tampilan fitur, Anda dapat mengaitkan fitur dengan tampilan tersebut melalui cara berikut:

  • Menambahkan fitur dan grup fitur dari Registry Fitur: Mengaitkan dengan grup fitur dan fitur yang ada dari Registry Fitur. Grup fitur menentukan lokasi sumber data BigQuery. Fitur dalam grup fitur mengarah ke kolom fitur tertentu di dalam sumber data tersebut. Anda dapat mengaitkan tampilan fitur dengan beberapa grup fitur.

  • Tambahkan fitur dari sumber BigQuery: Mengaitkan sumber data BigQuery, seperti tabel atau tampilan BigQuery, secara langsung dan menentukan kolom ID entity.

Setelah Anda membuat tampilan fitur, Vertex AI Feature Store akan menyinkronkan nilai fitur terbaru dari sumber data BigQuery. Jika Anda menetapkan parameter kueri run_sync_immediately=true, Vertex AI Feature Store akan menyinkronkan nilai fitur saat Anda membuat tampilan fitur. Jika tidak, Vertex AI Feature Store akan menyinkronkan nilai fitur sesuai dengan jadwal sinkronisasi yang ditentukan untuk tampilan fitur.

Menyinkronkan data fitur dalam tampilan fitur

Vertex AI Feature Store secara berkala memuat ulang, atau menyinkronkan, nilai fitur yang disimpan di toko online dari BigQuery. Saat membuat tampilan fitur, Anda dapat menentukan jadwal atau frekuensi sinkronisasi data menggunakan parameter FeatureView.sync_config.

Anda juga memiliki opsi memicu sinkronisasi data secara manual untuk tampilan fitur. Untuk mengetahui informasi selengkapnya tentang cara menyinkronkan data secara manual untuk tampilan fitur, lihat Menyinkronkan data fitur ke toko online.

Perhatikan bahwa hanya satu operasi sinkronisasi data yang dapat aktif pada satu waktu untuk tampilan fitur. Jika sinkronisasi data sedang berlangsung untuk tampilan fitur, semua sinkronisasi data terjadwal untuk tampilan fitur tersebut akan dilewati hingga sinkronisasi selesai.

Mengoptimalkan biaya selama sinkronisasi

Operasi sinkronisasi data mungkin memerlukan biaya terkait penggunaan resource BigQuery. Ikuti panduan ini untuk mengoptimalkan biaya tersebut dan meningkatkan performa selama sinkronisasi data:

  • Jangan mengonfigurasi jadwal sinkronisasi agar berjalan lebih sering daripada frekuensinya saat data diperkirakan akan berubah di sumber BigQuery.

  • Mengoptimalkan ukuran sumber data fitur di BigQuery. Saat membuat tampilan fitur, hanya sertakan data yang Anda perlukan untuk penyaluran online.

  • Hindari menjalankan agregasi yang kompleks di BigQuery. Jalankan kueri SELECT * di tabel atau tampilan untuk memperkirakan volume dan durasi pemrosesan data.

  • Saat menyetel opsi penskalaan untuk toko online, tetapkan max_node_count ke nilai yang cukup tinggi agar mampu menangani beban yang tinggi selama sinkronisasi data.

  • Jadwalkan sinkronisasi untuk berbagai tampilan fitur pada waktu yang berbeda di toko online yang sama.

  • Jika tabel BigQuery Anda berisi beragam data historis, sebaiknya lakukan partisi pada tabel menggunakan stempel waktu dan tentukan rentang waktu untuk mengambil data fitur. Tindakan ini akan meminimalkan pengambilan data fitur yang sudah tidak digunakan selama sinkronisasi.

  • Pemakaian Bigtable meningkat selama sinkronisasi data. Untuk tampilan fitur yang dibuat di dalam toko online untuk penayangan online Bigtable, jadwalkan tugas sinkronisasi di luar jam sibuk untuk mendapatkan performa terbaik.

Mengonfigurasi akun layanan untuk tampilan fitur

Setiap tampilan fitur menggunakan akun layanan untuk mengakses data sumber di BigQuery selama sinkronisasi. Vertex AI Feature Store menetapkan peran BigQuery Data Viewer Identity and Access Management (IAM) untuk akun layanan ini.

Secara default, tampilan fitur menggunakan akun layanan yang dikonfigurasi untuk project Anda. Dengan konfigurasi ini, setiap pengguna yang memiliki izin untuk membuat tampilan fitur di project Anda dapat mengakses data fitur di BigQuery.

Atau, Anda dapat mengonfigurasi tampilan fitur untuk menggunakan akun layanannya sendiri. Vertex AI Feature Store kemudian menyiapkan akun layanan khusus untuk tampilan fitur. Dengan konfigurasi ini, Anda dapat membatasi akses ke data fitur di BigQuery atau memberikan akses ke pengguna tambahan. Anda dapat menentukan konfigurasi akun layanan menggunakan parameter FeatureView.service_agent_type.

Mengonfigurasi pengambilan vektor untuk tampilan fitur

Anda dapat mengonfigurasi pengambilan vektor untuk tampilan fitur yang dibuat berdasarkan apakah sumber data terkait berisi kolom embedding dan toko online dikonfigurasi untuk mendukung pengelolaan penyematan. Anda dapat menentukan konfigurasi pengambilan vektor menggunakan parameter FeatureView.vector_search_config.

Perhatikan bahwa Anda dapat mengonfigurasi pengambilan vektor dan mengelola embedding hanya jika tampilan fitur dibuat dengan menentukan URI sumber BigQuery, bukan dari grup fitur dan fitur dari Feature Registry.

Untuk mengetahui informasi tentang cara meningkatkan sumber data BigQuery guna mendukung embedding dengan menyertakan kolom embedding, lihat Panduan persiapan sumber data.

Membuat tampilan fitur dari grup fitur

Anda dapat membuat tampilan fitur berdasarkan data fitur yang telah didaftarkan menggunakan grup fitur dan fitur. Untuk mengaitkan beberapa sumber data BigQuery dengan tampilan fitur yang sama, Anda dapat menentukan beberapa grup fitur.

Jika Anda membuat tampilan fitur dengan menentukan grup fitur dan fitur:

  • Sumber data Anda harus memiliki kolom feature_timestamp dan dapat berisi data historis.

  • Vertex AI Feature Store hanya menyalurkan nilai fitur terbaru berdasarkan stempel waktu fitur.

  • Anda tidak dapat mengonfigurasi pengelolaan penyematan untuk tampilan fitur.

Membuat tampilan fitur dengan konfigurasi akun layanan default

Gunakan contoh berikut untuk membuat tampilan fitur dengan mengaitkan beberapa grup fitur tanpa menentukan konfigurasi akun layanan.

REST

Untuk membuat resource FeatureView, kirim permintaan POST menggunakan metode featureViews.create.

Sebelum menggunakan data permintaan mana pun, lakukan penggantian berikut:

  • LOCATION_ID: Region tempat Anda ingin membuat tampilan fitur, seperti us-central1.
  • PROJECT_ID: Project ID Anda.
  • FEATUREONLINESTORE_NAME: Nama toko online tempat Anda ingin membuat tampilan fitur.
  • FEATUREVIEW_NAME: Nama instance tampilan fitur baru yang ingin Anda buat.
  • FEATUREGROUP_NAME_A dan FEATUREGROUP_NAME_B: Nama-nama grup fitur tempat Anda ingin menambahkan fitur ke tampilan fitur.
  • FEATURE_ID_A1 dan FEATURE_ID_A2: ID fitur dari grup fitur FEATUREGROUP_NAME_A yang ingin Anda tambahkan ke tampilan fitur.
  • FEATURE_ID_B1 dan FEATURE_ID_B2: ID fitur dari grup fitur FEATUREGROUP_NAME_B yang ingin Anda tambahkan ke tampilan fitur.
  • CRON: Ekspresi jadwal cron yang mewakili frekuensi sinkronisasi data ke tampilan fitur. Untuk mengetahui informasi selengkapnya, lihat cron.

Metode HTTP dan URL:

POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME

Isi JSON permintaan:

{
  "feature_registry_source": {
    "feature_groups": [
      {
        "feature_group_id": "FEATUREGROUP_NAME_A",
        "feature_ids": [ "FEATURE_ID_A1", "FEATURE_ID_A2" ]
      },
      {
        "feature_group_id": "FEATUREGROUP_NAME_B",
        "feature_ids": [ "FEATURE_ID_B1", "FEATURE_ID_B2" ]
      }
    ]
  },
  "sync_config": {
    "cron": "CRON"
  }
}

Untuk mengirim permintaan Anda, pilih salah satu opsi berikut:

curl

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME"

PowerShell

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME" | Select-Object -Expand Content

Anda akan melihat respons JSON seperti berikut:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews/FEATUREVIEW_NAME/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1.CreateFeatureViewOperationMetadata",
    "genericMetadata": {
      "createTime": "2023-09-15T02:11:29.458820Z",
      "updateTime": "2023-09-15T02:11:29.458820Z"
    }
  }
}

Membuat tampilan fitur dengan menentukan konfigurasi akun layanan

Gunakan contoh berikut untuk membuat tampilan fitur dari grup fitur dengan menentukan konfigurasi akun layanan.

REST

Untuk membuat resource FeatureView, kirim permintaan POST menggunakan metode featureViews.create.

Sebelum menggunakan data permintaan mana pun, lakukan penggantian berikut:

  • LOCATION_ID: Region tempat Anda ingin membuat tampilan fitur, seperti us-central1.
  • PROJECT_ID: Project ID Anda.
  • FEATUREONLINESTORE_NAME: Nama toko online tempat Anda ingin membuat tampilan fitur.
  • FEATUREVIEW_NAME: Nama instance tampilan fitur baru yang ingin Anda buat.
  • FEATUREGROUP_NAME_A dan FEATUREGROUP_NAME_B: Nama-nama grup fitur tempat Anda ingin menambahkan fitur ke tampilan fitur.
  • FEATURE_ID_A1 dan FEATURE_ID_A2: ID fitur dari grup fitur FEATUREGROUP_NAME_A yang ingin Anda tambahkan ke tampilan fitur.
  • FEATURE_ID_B1 dan FEATURE_ID_B2: ID fitur dari grup fitur FEATUREGROUP_NAME_B yang ingin Anda tambahkan ke tampilan fitur.
  • CRON: Ekspresi jadwal cron yang mewakili frekuensi sinkronisasi data ke tampilan fitur. Untuk mengetahui informasi selengkapnya, lihat cron.
  • SERVICE_AGENT_TYPE: (_Optional_) Konfigurasi akun layanan untuk tampilan fitur. Jenis agen layanan yang didukung mencakup:
    • SERVICE_AGENT_TYPE_PROJECT: Menggunakan akun layanan level project untuk tampilan fitur. Ini adalah konfigurasi default.
    • SERVICE_AGENT_TYPE_FEATURE_VIEW: Menyiapkan dan menggunakan akun layanan khusus untuk tampilan fitur.

Metode HTTP dan URL:

POST https://LOCATION_ID-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME

Isi JSON permintaan:

{
  "feature_registry_source": {
    "feature_groups": [
      {
        "feature_group_id": "FEATUREGROUP_NAME_A",
        "feature_ids": [ "FEATURE_ID_A1", "FEATURE_ID_A2" ]
      },
      {
        "feature_group_id": "FEATUREGROUP_NAME_B",
        "feature_ids": [ "FEATURE_ID_B1", "FEATURE_ID_B2" ]
      }
    ]
  },
  "sync_config": {
    "cron": "CRON"
  },
  "service_agent_type": "SERVICE_AGENT_TYPE"
}

Untuk mengirim permintaan Anda, pilih salah satu opsi berikut:

curl

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://LOCATION_ID-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME"

PowerShell

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://LOCATION_ID-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME" | Select-Object -Expand Content

Anda akan menerima respons JSON yang mirip dengan berikut ini:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews/FEATUREVIEW_NAME/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1beta1.CreateFeatureViewOperationMetadata",
    "genericMetadata": {
      "createTime": "2023-09-15T02:11:29.458820Z",
      "updateTime": "2023-09-15T02:11:29.458820Z"
    }
  }
}

Membuat tampilan fitur dari sumber BigQuery

Jika ingin menayangkan fitur secara online tanpa harus mendaftarkan sumber data BigQuery menggunakan grup fitur dan fitur, Anda dapat membuat tampilan fitur dengan menentukan URI sumber data BigQuery.

Jika Anda membuat tampilan fitur dengan menentukan sumber data:

  • Anda tidak dapat menyertakan kolom feature_timestamp di tabel atau tampilan BigQuery.

  • Anda tidak dapat menyertakan nilai fitur historis dalam sumber data. Setiap baris harus berisi ID entity unik.

Membuat tampilan fitur dengan konfigurasi akun layanan default

Gunakan contoh berikut untuk membuat tampilan fitur menggunakan dukungan penyematan dengan mengaitkan sumber data BigQuery secara langsung tanpa menentukan konfigurasi akun layanan.

REST

Untuk membuat resource FeatureView, kirim permintaan POST menggunakan metode featureViews.create.

Sebelum menggunakan data permintaan mana pun, lakukan penggantian berikut:

  • LOCATION_ID: Region tempat Anda ingin membuat tampilan fitur, seperti us-central1.
  • PROJECT_ID: Project ID Anda.
  • FEATUREONLINESTORE_NAME: Nama toko online tempat Anda ingin membuat tampilan fitur.
  • FEATUREVIEW_NAME: Nama tampilan fitur baru yang ingin Anda buat.
  • PROJECT_NAME: Nama project Anda.
  • DATASET_NAME: Nama set data BigQuery Anda.
  • TABLE_NAME: Nama tabel dari set data BigQuery Anda.
  • ENTITY_ID_COLUMN: Nama kolom yang berisi ID entity.
  • CRON: Ekspresi jadwal cron yang mewakili frekuensi sinkronisasi data ke tampilan fitur. Untuk mengetahui informasi selengkapnya, lihat cron.
  • EMBEDDING_COLUMN: Nama kolom yang berisi data sumber untuk membuat indeks penelusuran vektor. Tindakan ini diperlukan hanya jika Anda ingin mengelola embedding dengan tampilan fitur.
  • FILTER_COLUMN_1 dan FILTER_COLUMN_2: Opsional: Nama kolom yang digunakan untuk memfilter hasil penelusuran vektor.
  • CROWDING_COLUMN: Opsional: Nama kolom yang berisi atribut kerumunan.
  • EMBEDDING_DIMENSION: Opsional: Ukuran, yang dinyatakan sebagai jumlah dimensi, dari embedding dalam kolom embedding.

Metode HTTP dan URL:

POST https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME

Isi JSON permintaan:

{
  "big_query_source": {
    "uri": "bq://PROJECT_NAME.DATASET_NAME.TABLE_NAME",
    "entity_id_columns": "ENTITY_ID_COLUMN"
  },
  "sync_config": {
    "cron": "CRON"
  },
  "vector_search_config": {
    "embedding_column": "EMBEDDING_COLUMN",
    "filter_columns": ["FILTER_COLUMN_1", "FILTER_COLUMN_2"],
    "crowding_column": "CROWDING_COLUMN",
    "embedding_dimension": EMBEDDING_DIMENSION
    "tree_ah_config": {}
  }
}

Untuk mengirim permintaan Anda, pilih salah satu opsi berikut:

curl

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME"

PowerShell

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://LOCATION_ID-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME" | Select-Object -Expand Content

Anda akan melihat respons JSON seperti berikut:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews/FEATUREVIEW_NAME/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1.CreateFeatureViewOperationMetadata",
    "genericMetadata": {
      "createTime": "2023-09-15T02:11:29.458820Z",
      "updateTime": "2023-09-15T02:11:29.458820Z"
    }
  }
}

Buat tampilan fitur dengan pengelolaan penyematan dengan menentukan konfigurasi akun layanan

Gunakan contoh berikut untuk membuat tampilan fitur dengan dukungan penyematan dengan mengaitkan sumber data BigQuery secara langsung dan menentukan konfigurasi akun layanan.

REST

Untuk membuat resource FeatureView dengan dukungan embeddings, kirim permintaan POST menggunakan metode featureViews.create dan tentukan konfigurasi penelusuran vektor.

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

  • LOCATION_ID: Region tempat Anda ingin membuat tampilan fitur, seperti us-central1.
  • PROJECT_ID: Project ID Anda.
  • FEATUREONLINESTORE_NAME: Nama toko online tempat Anda ingin membuat tampilan fitur.
  • FEATUREVIEW_NAME: Nama tampilan fitur baru yang ingin Anda buat.
  • PROJECT_NAME: Nama project Anda.
  • DATASET_NAME: Nama set data BigQuery Anda.
  • TABLE_NAME: Nama tabel dari set data BigQuery Anda.
  • ENTITY_ID_COLUMNS: Nama kolom yang berisi ID entitas. Anda dapat menentukan satu atau beberapa kolom.
    • Untuk menentukan hanya satu kolom ID entitas, tentukan nama kolom dalam format berikut:
      "entity_id_column_name".
    • Untuk menentukan beberapa kolom ID entitas, tentukan nama kolom dalam format berikut:
      ["entity_id_column_1_name", "entity_id_column_2_name", ...].
  • CRON: Ekspresi jadwal cron yang mewakili frekuensi sinkronisasi data ke tampilan fitur. Untuk mengetahui informasi selengkapnya, lihat cron.
  • SERVICE_AGENT_TYPE: Konfigurasi akun layanan untuk tampilan fitur. Jenis agen layanan yang didukung mencakup:
    • SERVICE_AGENT_TYPE_PROJECT: Menggunakan akun layanan level project untuk tampilan fitur. Ini adalah konfigurasi default.
    • SERVICE_AGENT_TYPE_FEATURE_VIEW: Menyiapkan dan menggunakan akun layanan khusus untuk tampilan fitur.
  • EMBEDDING_COLUMN: Nama kolom yang berisi data sumber untuk membuat indeks penelusuran vektor. Tindakan ini diperlukan hanya jika Anda ingin mengelola embedding dengan tampilan fitur.
  • FILTER_COLUMN_1 dan FILTER_COLUMN_2: Opsional: Nama kolom yang digunakan untuk memfilter hasil penelusuran vektor.
  • CROWDING_COLUMN: Opsional: Nama kolom yang berisi atribut kerumunan.
  • EMBEDDING_DIMENSION: Opsional: Ukuran, yang dinyatakan sebagai jumlah dimensi, dari embedding dalam kolom embedding.

Metode HTTP dan URL:

POST https://LOCATION_ID-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME

Isi JSON permintaan:

{
  "big_query_source": {
    "uri": "bq://PROJECT_NAME.DATASET_NAME.TABLE_NAME",
    "entity_id_columns": "ENTITY_ID_COLUMNS"
  },
  "sync_config": {
    "cron": "CRON"
  },
  "service_agent_type": "SERVICE_AGENT_TYPE",
  "vector_search_config": {
    "embedding_column": "EMBEDDING_COLUMN",
    "filter_columns": ["FILTER_COLUMN_1", "FILTER_COLUMN_2"],
    "crowding_column": "CROWDING_COLUMN",
    "embedding_dimension": EMBEDDING_DIMENSION
    "tree_ah_config": {}
  }
}

Untuk mengirim permintaan Anda, pilih salah satu opsi berikut:

curl

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://LOCATION_ID-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME"

PowerShell

Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut:

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://LOCATION_ID-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews?feature_view_id=FEATUREVIEW_NAME" | Select-Object -Expand Content

Anda akan melihat respons JSON yang mirip dengan berikut ini:

{
  "name": "projects/PROJECT_NUMBER/locations/LOCATION_ID/featureOnlineStores/FEATUREONLINESTORE_NAME/featureViews/FEATUREVIEW_NAME/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1beta1.CreateFeatureViewOperationMetadata",
    "genericMetadata": {
      "createTime": "2023-09-15T02:11:29.458820Z",
      "updateTime": "2023-09-15T02:11:29.458820Z"
    }
  }
}

Langkah selanjutnya