FinCorp betreibt eine Pipeline zur Betrugserkennung in AWS. Sie haben mehrere SageMaker Feature Groups mit aktiviertem Offline-Store erstellt, um historische Feature-Werte in S3 zu speichern. Data Scientists müssen Trainingsdatensätze generieren, die Transaktionsdatensätze (CSV in S3 mit einem transaction_timestamp) mit den korrekten historischen Feature-Werten zum Zeitpunkt jeder Transaktion mithilfe von SQL in Athena verbinden. Welche Konfiguration und welcher Schritt ermöglichen zuverlässig performante, korrekte Joins auf historische Feature-Zeitstempel für große Trainingsexporte?

Die korrekte Antwort beschreibt den empfohlenen Weg, historische Features für große Trainingsdatensätze aus dem SageMaker Feature Store abzurufen. Das Aktivieren des Offline-Stores mit DataCatalogConfig erstellt eine Glue-Tabelle, die auf die Parquet-Dateien in S3 verweist, was effiziente SQL-Abfragen mit Athena ermöglicht. Die Konfiguration von recordidentifiercolumn und eventtimefeaturename ist entscheidend für zeitpunktgenaue Joins. Die Verwendung von Athena-SQL mit dem Primärschlüssel und der Bedingung eventtime <= transactiontimestamp gewährleistet die korrekte Verknüpfung historischer Feature-Werte zum Zeitpunkt jeder Transaktion, während die Partitionsbereinigung die Performance optimiert. Die Option, nur den Online-Store zu verwenden und GetRecord-Aufrufe durchzuführen, ist für große Datensätze ineffizient und teuer. SageMaker Batch Transform mit der featurestore-runtime API ist nicht für zeitpunktgenaue historische Joins über große Datensätze konzipiert, da es primär den aktuellen Zustand abruft. Die Konfiguration eines Glue-Crawlers ohne DataCatalogConfig ist unzuverlässig, da der Crawler möglicherweise nicht die notwendigen Metadaten für eventtime-basierte Joins korrekt ableitet und die Performance nicht garantiert ist.