大数据智能体工作台 DataBuddy 数据科学家快速上手

注意：说明：

注意：预计用时 45 分钟。学习目标：完成「特征注册 > AutoML 训练 > 模型上线」的端到端 ML 闭环。

一、场景介绍

某电商平台希望预测客户流失（Customer Churn）。数据团队已经把客户行为特征整理成 CSV，你需要：

1. 把特征数据上传并注册成离线特征表。

2. 用 AutoML（分类）一键自动选模并训练。

3. 查看实验记录，把最优模型注册到模型管理。

4. 把模型一键部署成在线推理服务，验证 API 可用。

在本教程中，你将：

1. 准备特征数据。

2. 创建 AutoML 分类实验，配置训练数据和参数。

3. 在实验管理中查看运行结果，识别最优模型。

4. 把最优模型注册并发布到在线推理服务。

5. 调用服务做单条推理验证。

二、前提条件

·已完成 5 分钟完成第一个 SQL 查询 。

·当前 Workspace 已开通 数据科学 模块、绑定计算资源、机器学习资源组。

·当前账号对目标 Catalog / Schema 拥有写入权限（用于创建特征表与注册模型）。

·已在 Studio 中连接 计算资源 ，Notebook 内核为 Python 3.10 及以上 ；使用 机器学习 镜像，已预装特征工程包 wedata3-feature-engineering。未预装时执行 %pip install "wedata3-feature-engineering[mlflow3]==0.2.3"（要求 MLflow ≥ 3.0.0）。

·具备机器学习基础概念（特征、训练、评估、部署）。

·已下载样例 weshop_data 中的 customer_churn_class.csv。

四、1.1 CSV 文件上传到表

1. 点击左侧导航数据接入 ，点击文件上传到表。

2. 建表方式选择创建新表，选择目标 schema 作为存储位置。

3. 点击建表，建表成功后会自动跳转。

4. 记住上传目录 ：表名右侧点击可复制表路径。

五、1.2 用特征工程 SDK 把 CSV 注册为特征表

特征表是同时具备 主键 与 时间戳键 的表。通过特征工程 SDK 注册后，该表既可作为 AutoML 训练数据，又能被特征管理模块统一索引与复用。

1. 在同一文件夹新建 Notebook prepare_churn_data.ipynb，启动使用计算资源的 Kernel：点击右上角 未连接 ，搜索并选择用于机器学习的资源组进行连接，待状态变为已连接 。

镜像在创建计算资源时选择 ：AutoML / 特征工程需使用 机器学习 场景镜像，而非默认基础镜像。创建计算资源时，在「镜像版本」处勾选 机器学习 即可切换到机器学习场景镜像，具体操作见 创建计算资源 。

2. 首次运行先确认 SDK 已安装 。新建一个单元格执行下面的检查；若无输出说明当前内核未安装，取消注释执行安装，装完务必重启内核 再继续：

# 检查特征工程 SDK 是否已安装（机器学习镜像已预装，会打印版本）%pip list | grep wedata3-feature-engineering# 未安装时取消下一行注释执行（要求内核 Python ≥ 3.10、MLflow ≥ 3.0.0），装完重启内核# %pip install "wedata3-feature-engineering[mlflow3]==0.2.3"

3. 在下一个单元格运行建表代码。在create_table中修改相关信息：

import pandas as pdfrom pyspark.sql.functions import current_timestampfrom wedata.feature_engineering.client import FeatureEngineeringClientfrom wedata.feature_store.constants.engine_types import EngineTypes# Studio（DLC）Notebook 内核已内置 spark 会话，可直接使用 spark 变量，无需手动创建 SparkSession# 初始化特征工程客户端（鉴权信息由 Notebook 内核从环境变量自动注入，无需手动配置）fe = FeatureEngineeringClient(spark)# 读取上传的 CSV，并补充时间戳列# 注意：请把下方路径替换为你在步骤 1.1 上传 CSV 的实际目录路径。# 可在左侧文件管理器中右键该 CSV 文件、选择「复制路径」获取完整路径，# 形如 /Workspace/Users/<你的账号>/customer_churn_class.csvpdf = pd.read_csv("/Workspace/Users/<你的账号>/customer_churn_class.csv")df = spark.createDataFrame(pdf).withColumn("event_timestamp", current_timestamp())# 创建特征表：指定主键与时间戳键，engine_type 固定用 Iceberg，df 用于推断 schema 并写入首批数据fe.create_table( name="customer_churn_features", # （可修改）特征表名 catalog_name="your_catalog", # 目标 Catalog 名 database_name="your_schema", # 目标 Schema 名 primary_keys=["customer_id"], # 主键（支持复合主键） timestamp_key="event_timestamp", # 时间戳键（单数） engine_type=EngineTypes.ICEBERG_ENGINE, df=df, # 用 df 推断 schema 并写入首批数据 description="客户流失特征表，用于 AutoML 训练。",)# 读回离线特征表，验证写入结果（表名为上面 create_table 的三段式全名，请替换为你自己的 catalog.schema）fe.read_table(name="your_catalog.your_schema.customer_churn_features").show(5)

执行后，你应该看到特征表已创建，包含若干客户特征字段（如 tenure_months、monthly_charges、contract_type 等）、主键 customer_id、时间戳键 event_timestamp 和目标列 churn。
常见报错及解决方案请参考 最佳实践与异常排查。

注意：说明：

七、2.1 进入实验列表

1. 顶部导航切换到 数据科学 > 模型实验 。

2. 单击 分类模型 ，进入创建表单页面。

八、2.2 基础配置

九、2.3 数据配置

1. 训练数据 ：下拉选择 Catalog 中的 customer_churn_features 特征表，选定后右侧自动展示数据配置区。

2. 结果列 ：单选 churn 作为分类标签列，该列会在右侧数据配置区自动标记为 用于结果 。

3. 训练列 ：多选参与训练的特征列；不勾选 customer_id、event_timestamp 等不应作为特征的列（未选中的列不参与训练）。

4. 缺失值 ：在右侧数据配置区中按列下拉选择缺失值补全方式。

十、2.4 训练配置

十一、2.5 创建并运行

点击页面底部 确定 ，系统会自动启动 AutoML 训练并跳转到该实验的详情页，状态显示为 准备中 或 训练中 。

若你需要创建其他类型的模型实验，请参考 创建实验 。

十三、3.1 实验状态

1. 自动跳转到实验进度界面 ，等待状态变为 完成 （绿色）

2. 在面板上可查看实验详细配置、最佳运行、工作流等信息

十四、3.2 进入任务详情

1. 点击运行名称 churn_classification_v1 进入实验详情。

2. 在上方 tab 栏可点击查看概览信息、模型指标、系统指标与该运行下的模型文件

十五、步骤 4：把模型注册到模型管理

AutoML 实验完成后，从最佳运行将模型注册到 模型 列表（命名为 catalog.schema.model_name 三段式全名）：

1. 在实验详情页点击父运行进入运行详情，点击 模型注册 ，选择 新模型 并输入符合 catalog.schema.model_name 规范的名称（目标 Catalog 需为 Model 类 Catalog ，可在 Catalog 中复制路径）。

2. 顶部导航切换到 数据科学 > 模型管理 ，找到刚注册的模型。

3. 点击模型名称进入 Catalog 中的模型详情页，确认存在 Version 1 。

4. 点击 Version 1，可以看到该版本详细信息

详细模型管理操作见 模型管理。

十七、5.1 进入创建服务并填写基础信息

1. 顶部导航切换到 数据科学 > 模型服务 ，点击 新建服务 （也可在该模型详情页点击部署模型 ）。

2. 填写基本配置：

十八、5.2 配置服务版本

单次最多可配置 5 个服务版本（用于灰度发布或 A/B 测试），为该服务添加一个版本，依次填写：

十九、5.3 配置高级选项（可选）

注意：说明：

注意：生产服务建议同时开启 鉴权 与 推理表 ：前者保证调用安全，后者为后续模型监控与重训提供事实数据。资源规格与副本数量的弹性伸缩详见 资源配置与自动伸缩 。

20、5.4 保存并启动

点击 保存并启动 ，平台校验必填项后拉起计算资源并加载模型，状态依次进入 未就绪 > 启动中 > 运行中 （通常 3~5 分钟）；也可先 保存 ，稍后在服务详情页启动。

22、6.1 获取服务调用信息

1. 服务进入 运行中 后，在模型服务列表点击服务名 churn_predict_service 进入 服务详情页， 点击服务调用 ，复制 调用地址 。

2. 获取鉴权密钥（<token>） ：在服务详情页切换到 服务鉴权 标签页，确认 开启鉴权 开关已打开；在密钥列表中找到状态为 已启用 的密钥（默认有一条 default-key），点击 密钥 列的复制按钮复制其值。该值即为调用示例中 Authorization: Bearer <token> 的 <token>。如需多个密钥，可点击 新增密钥 生成。

3. 单击顶部操作区的 服务调用 ，还可查看签名密钥、签名计算指引与 cURL / Python 调用示例；若开启了鉴权，调用时需按指引携带鉴权信息（如在请求 Header 中携带 Authorization: Bearer <token>）。

调用示例（cURL，启用鉴权）：

curl -X POST "https://<service-url>/predict" \\ -H "Authorization: Bearer <token>" \\ -H "Content-Type: application/json" \\ -d '{"dataframe_records": [{ "age": 27, "gender": "Male", "tenure_months": 70, "monthly_charges": 112.99, "total_charges": 7410.38, "contract_type": "One Year", "payment_method": "Credit Card", "num_support_tickets": 5, "avg_monthly_usage": 271.91 }]}'

23、6.2 通过 MLflow Deployments SDK 调用（推荐）

在 Notebook 中可通过 DataBuddy 部署插件 wedata3-mlflow-tcdeploy-plugin 接入 MLflow Deployments API（target 固定为 tcdeploy）发起推理。先安装插件（机器学习 镜像通常已预装）；平台内运行时临时密钥与工作空间上下文由 Notebook 内核自动注入，无需手动配置：

%pip install "wedata3-mlflow-tcdeploy-plugin"

from mlflow.deployments import get_deploy_client# target 固定为 "tcdeploy"client = get_deploy_client("tcdeploy")# 控制台部署的服务，可通过 list_deployments() 获取服务组 ID（返回项的 name 即 service_group_id）service_group_id = client.list_deployments()[0]["name"]# predict 的 deployment_name 传服务组 ID（service_group_id，形如 msg-xxxxxx），不是服务名称result = client.predict( deployment_name=service_group_id, inputs={"dataframe_records": [{ "age": 27, "gender": "Male", "tenure_months": 70, "monthly_charges": 112.99, "total_charges": 7410.38, "contract_type": "One Year", "payment_method": "Credit Card", "num_support_tickets": 5, "avg_monthly_usage": 271.91 }]}, config={"auth_token": "Bearer <token>"}, # 服务开启鉴权时必填)print(result)

注意：说明：

注意：inputs 必须是 JSON 可序列化对象；pandas.DataFrame 需先 df.to_dict(orient="records") 转换后再传，不能直接传入。

24、步骤 7：监控服务运行情况

模型服务的监控分服务、版本两级页面：

·调用监控推理监控与日志

·监控 （版本详情页 > 实例列表下的页签）：网络流量（MBytes）、QPS、QPS 限流。

·事件、日志推理监控与日志

调用监控支持按时间范围（近 1 小时、近 24 小时、近 7 天、自定义）查看；版本级监控可按时间粒度（全部 / 1 分钟等）与实例查看。详细指标与日志说明详见 推理监控与日志 。

25、验证结果

完成全部步骤后，你应该看到：

·Catalog 中存在特征表 DataLakeCatalog.<用户名>_ml_db.customer_churn_features，并出现在 数据科学 > 特征管理 列表中。

·实验列表中 churn_classification_v1 状态为 成功 ，含最佳运行记录。

·模型列表中存在已注册的模型 + Version 1，能看到特征溯源和签名。

·模型服务列表中 churn_predict_service 状态为 运行中 。

·调用服务能返回预测结果。

26、总结

在本教程中，你完成了：

·通过特征工程 SDK 把 CSV 注册为特征表，作为特征数据底座。

·用 AutoML 分类实验自动选模、训练、评估。

·在实验管理中查看最佳模型，并完成注册到模型管理。

·把最佳模型一键发布为在线推理服务（含鉴权、监控）。

·通过 MLflow Deployments SDK 调用服务验证推理结果。