FinCorp ejecuta un pipeline de detección de fraude en AWS. Usted creó múltiples SageMaker Feature Groups con el almacén offline habilitado para persistir los valores históricos de las características en S3. Los científicos de datos necesitan generar conjuntos de datos de entrenamiento que unan los registros de transacciones (CSV en S3 con un transaction_timestamp) a los valores históricos correctos de las características a partir de cada tiempo de transacción usando SQL en Athena. ¿Qué configuración y paso permitirán de forma fiable uniones correctas y de alto rendimiento en las marcas de tiempo de las características históricas para grandes exportaciones de entrenamiento?

La opción correcta describe la forma más eficiente y escalable de generar conjuntos de datos de entrenamiento con características históricas. Habilitar el almacén offline con DataCatalogConfig crea una tabla de Glue que Athena puede consultar directamente sobre los datos Parquet en S3. La configuración de recordidentifiercolumn y eventtimefeaturename es crucial para que Feature Store organice los datos correctamente y permita uniones basadas en el tiempo. La unión SQL con eventtime <= transactiontimestamp y la poda de particiones garantizan que se recuperen las características correctas para cada transacción en su momento, optimizando el rendimiento para grandes exportaciones. Las opciones incorrectas presentan limitaciones: Mantener solo el almacén online y usar GetRecord para cada fila es ineficiente y costoso para grandes volúmenes de datos de entrenamiento. Usar SageMaker Batch Transform para llamar a la API featurestore-runtime es más adecuado para inferencia por lotes, no para la generación de conjuntos de datos de entrenamiento históricos, y puede ser menos eficiente que una consulta directa a Athena. Configurar un rastreador de Glue sin DataCatalogConfig puede llevar a esquemas incorrectos o incompletos, y el rastreador no infiere automáticamente todas las optimizaciones necesarias para uniones basadas en tiempo eficientes.