データベースからOracle Machine Learning Servicesへのデータベース内モデルのデプロイ

この例では、データベースからOracle Machine Learning Servicesにモデルをデプロイする方法を示します。

Linuxユーティリティjqを使用して、JSON出力を読取り可能な形式に解析できます。jqユーティリティは、主要なLinux配布リポジトリのすべてに含まれています。Oracle LinuxおよびRed Hatシステムでは、次のコマンドを使用してインストールされます。

$ sudo yum install jq

ノート:

cURLコマンドでjqを使用しても、HTTPレスポンスは返されません。HTTPレスポンスを返すには、jqを削除し、curlコマンドに-iフラグを追加します。

この例では、分類モデルCLASS_MODELをデータベースからOMLサービス・リポジトリにデプロイする方法を示します。ここでは、次のステップを実行します:

データベースからOracle Machine Learning Servicesにモデルをインポートする
モデル・スコアリング・エンドポイントを作成する
エンドポイント詳細の取得
そのモデルを使用してスコアリングする

モデルをデプロイするには:

モデルのインポート: データベースからOMLサービスにモデルをインポートするには、次のcURLコマンドを実行します:
```
curl -i -X POST --header "Authorization: Bearer ${token}" \
     --header 'Content-Type: application/json' \
               --header 'Accept: application/json' \
               "<oml-cloud-service-location-url>/omlmod/v1/models" \
       -d '{"dbModelName":"CLASS_MODEL", "modelSchemaName": "OMLUSER", "modelName":"CLASS_MODEL", "modelType":"OML", "description": "testing JSON structure", "namespace": "OML_MODELS", "shared": true, "version": "1.0"}'
```
次のパラメータを指定する必要があります:
- dbModelName: これは、データベース内のモデル名です。
- modelSchemaName: これは、データベース内モデルのスキーマです。デフォルトはユーザー・スキーマです。ただし、ユーザーは、別のスキーマ内のモデルに対する権限がある場合でも、それをOracle Machine Learning Servicesリポジトリに格納できます。
- modelName: これは、Oracle Machine Learning Servicesリポジトリに格納する、既存のPOSTコール内と同じ名前です。
- modelType:
- description: このモデルの説明を入力します。
- namespace: モデル・ネームスペースの名前を入力します。
- shared: TRUEと入力すると、データベース・スキーマへのアクセス権を持つユーザーはモデルを表示およびデプロイできます。そうしない場合は、FALSEと入力します。
- version: モデルのバージョンを入力します。バージョンの形式はxx.xxにする必要があります。ここで、xは数値です。
このコマンドでは、モデルがリポジトリに格納されます。この例では、モデルIDは308a5b01-1d2c-4f7b-b612-e9951814689fです。このコマンドにより、次の情報が返されます。
```
HTTP/1.1 201 Created
Date: Wed, 07 May 2025 14:29:13 GMT
Content-Type: application/json
Content-Length: 205
Connection: keep-alive
Strict-Transport-Security: max-age=31536000;includeSubDomains
X-Content-Type-Options: nosniff
Location: https://qtraya2braestch-omlla.adb.us-sanjose-1.oraclecloudapps.com/omlmod/v1/models/308a5b01-1d2c-4f7b-b612-e9951814689f 
{"modelId":"308a5b01-1d2c-4f7b-b612-e9951814689f","links":[{"rel":"self","href":https://qtraya2braestch-omlla.adb.us-sanjose-1.oraclecloudapps.com/omlmod/v1/models/308a5b01-1d2c-4f7b-b612-e9951814689f}]}
```

スコアリング・エンドポイントの作成: OMLモデル・スコアリング・エンドポイントを作成するには、次のcURLコマンドを実行します。

curl -X POST "$<oml-cloud-service-location-url>/omlmod/v1/deployment" \
--header 'Content-Type: application/json' \
--header "Authorization: Bearer ${token}" \
--data '{
"modelId":"308a5b01-1d2c-4f7b-b612-e9951814689f",
"uri":"CLASS_MODEL2"
}'

このコマンドは、スコアリング・エンドポイントを作成し、次の情報を返します:

{"links":[{"rel":"self","href":"<oml-cloud-service-location-url>/omlmod/v1/deployment/CLASS_MODEL2"}],"modelId":"308a5b01-1d2c-4f7b-b612-e9951814689f","uri":"CLASS_MODEL2","deployedOn":"2025-05-07T14:34:09.289424Z"}

エンドポイント詳細の取得: URIで識別されるモデル・エンドポイント詳細を取得するには、次のcURLコマンドを実行します。

curl -X GET "$<oml-cloud-service-location-url>/omlmod/v1/deployment/CLASS_MODEL2" \
--header "Authorization: Bearer $token" | jq

この例では、CLASS_MODEL2がそのURIです。このコマンドは、次のモデル・エンドポイント詳細を返します。

{"links":[{"rel":"self","href":https://qtraya2braestch-omlla.adb.us-sanjose-1.oraclecloudapps.com/omlmod/v1/deployment/CLASS_MODEL2}],"modelId":"308a5b01-1d2c-4f7b-b612-e9951814689f","uri":"CLASS_MODEL2","deployedOn":"2025-05-07T14:34:09.(base) bash-4.4$ curl -X GET "$<oml-cloud-service-location-url>/omlmod/v1/deployment/CLASS_MODEL2" \
> --header "Authorization: Bearer $token" | jq

{
  "version": "1.0",
  "modelType": "OML",
  "createdBy": "OMLUSER",
  "modelId": "308a5b01-1d2c-4f7b-b612-e9951814689f",
  "description": "testing JSON structure",
  "modelName": "CLASS_MODEL",
  "metadata": {
    "miningFunction": "CLASSIFICATION",
    "algorithm": "DECISION_TREE",
    "attributes": [
      {
        "name": "PETAL.LENGTH",
        "attributeType": "NUMERICAL"
      },
      {
        "name": "PETAL.WIDTH",
        "attributeType": "NUMERICAL"
      }
    ],
    "output": {
      "name": "SPECIES",
      "attributeType": "CATEGORICAL"
    },
    "labels": [
      "setosa",
      "versicolor",
      "virginica"
    ],
    "modelName": "CLASS_MODEL"
  },
  "links": [
    {
      "rel": "self",
      "href": https://qtraya2braestch-omlla.adb.us-sanjose-1.oraclecloudapps.com/omlmod/v1/deployment/CLASS_MODEL2
    }
  ],
  "namespace": "OML_MODELS",
  "shared": true,
  "uri": "CLASS_MODEL2",
  "deployedOn": "2025-05-07T14:34:09.289424Z"
}

モデルによるスコアリング: URIで識別されるエンドポイントを使用してOMLモデルでスコアリングするには、次のcURLコマンドを実行します:
```
curl -X POST "$<oml-cloud-service-location-url>/omlmod/v1/deployment/CLASS_MODEL/score" \
--header "Authorization: Bearer ${token}" \
--header 'Content-Type: application/json' \
-d '{"inputRecords":[{"SPECIES":"virginica"}],"topN":2, "topNdetails":2}'
}'
```
この例では、CLASS_MODEL2がそのURIです。このコマンドは、モデルでスコアリングします。ここでは、次のスコアリング結果で示されているように、topNによって分類結果がフィルタされて、最も高い確率がN個表示されます:
```
{"scoringResults":[{"classifications":[{"label":"setosa","probability":1.0},{"label":"versicolor","probability":0.0}],"details":[{"columnName":"PETAL.LENGTH","weight":0.667}]}]}
```

スコアリング・エンドポイントの削除: URIで識別されるスコアリング・エンドポイントを削除するには、次のcURLコマンドを実行します:

curl -i -X DELETE "<oml-cloud-service-location-url>/omlmod/v1/deployment/CLASS_MODEL2" \
--header "Authorization: Bearer $token"

この例では、CLASS_MODELがURIです。このコマンドは、スコアリング・エンドポイントを削除し、次の情報を返します。

HTTP/1.1 204 No Content
Date: Tue, 06 May 2025 01:11:20 GMT
Connection: keep-alive
Access-Control-Allow-Origin: *
Access-Control-Allow-Methods: GET, POST, DELETE, PUT
Access-Control-Allow-Headers: X-Requested-With, Content-Type

モデルの削除: modelIdで識別されるモデルを削除するには、次のcURLコマンドを実行します。

curl -i -X DELETE "<oml-cloud-service-location-url>/omlmod/v1/models/074abec1-72e3-413e-bc4a-d6f9f486de20" \
--header "Authorization: Bearer $token"

この例では、074abec1-72e3-413e-bc4a-d6f9f486de20がmodelId.です。このコマンドは、モデルを削除し、次の情報を返します。

HTTP/1.1 204 No Content
Date: Tue, 06 May 2025 01:12:13 GMT
Connection: keep-alive
Access-Control-Allow-Origin: *
Access-Control-Allow-Methods: GET, POST, DELETE, PUT
Access-Control-Allow-Headers: X-Requested-With, Content-Type