Firma posiada duże zbiory danych S3 (historyczne i strumieniowe), które muszą zostać zaimportowane do SageMaker Feature Store, tak aby sklep online odzwierciedlał najnowsze dane natychmiast, a sklep offline utrzymywał pełną historię. Które rozwiązanie spełnia te wymagania?

Prawidłowa odpowiedź to użycie konektora Feature Store Spark do importowania danych jako Spark DataFrames z włączonym sklepem online i sklepem offline. To rozwiązanie jest optymalne, ponieważ pozwala na jednoczesne ładowanie danych do obu trybów Feature Store. Sklep online (online store) zapewnia niskie opóźnienia i dostęp do najnowszych danych, co jest kluczowe dla natychmiastowego odzwierciedlania zmian w sklepie online. Sklep offline (offline store) przechowuje pełną historię danych, co jest wymagane dla sklepu offline. Konektor Spark jest efektywny dla dużych zbiorów danych, zarówno historycznych, jak i strumieniowych, umożliwiając ich przetwarzanie i ładowanie w sposób skalowalny. Opcje wykorzystujące tylko API PutRecord są nieefektywne dla dużych zbiorów danych, ponieważ PutRecord jest przeznaczone do pojedynczych rekordów lub małych partii, a nie do masowego importu. Ponadto, opcja z włączonym tylko sklepem online nie spełnia wymogu utrzymania pełnej historii dla sklepu offline.