aws / aws/sagemaker-python-sdk

FeatureStore create_dataset() does not support cross-account Feature Store (shared Glue database name mismatch)

Offen
#5,412 0 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen
component: feature store type: feature request
Vorherrschende Sprache
Python
Sterne
2.3k
Forks
1.3k
Ø Merge
1 T. 22 Std.
Gemergte PRs (30 T.)
35

Beschreibung

**Description**

When using SageMaker Feature Store in a cross-account setup, create_dataset() fails because it assumes the Glue database name returned from the Feature Group description is directly usable in the consumer account.

In cross-account architectures, this assumption breaks.

**Details**

- Feature Groups are owned in a source account
- Offline store is accessed from a consumer account via a shared Glue database
- The Feature Group description returns the database name from the source account
- The shared Glue database name in the consumer account is different
- create_dataset() retrieves the database name directly from the Feature Group description without any way to override or remap it:

As a result, create_dataset() queries a database that does not exist in the consumer account.

**Expected behavior**

The SDK should support cross-account Feature Store usage by allowing:

- A database name override, or
- A mapping mechanism for shared Glue databases

Beitragsleitfaden

Beitragsleitfaden öffnen

Rechercherichtung

Beginne bei FeatureStore create_dataset() und verfolge, wie der Name der Glue-Datenbank aus der Beschreibung der Feature Group ermittelt wird. Vergleiche diesen Wert mit dem Namen der gemeinsam genutzten Datenbank, der in einem Consumer-Konto verwendet wird, und ermittle anschließend, wie das angeforderte Override oder Mapping dargestellt werden sollte. Als abgeschlossen gilt die Aufgabe, wenn die kontoübergreifende Dataset-Erstellung auf die Consumer-Datenbank abzielen kann und das Verhalten durch relevante Tests abgedeckt ist.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Bewertung

Tech-Stack
aws, python
Bereich
cloud, databases, machine-learning
Issue-Typ
Feature
Schwierigkeit
4/5
Geschätzter Aufwand
3-5 Tage
Aktivitätsstatus
Veraltet
Klarheit
Größtenteils klar
Anfängerfreundlichkeit
35/100

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.