Tabular모델 결과 Database에 저장하기

---

본 튜토리얼은 EndPoint로 예측한 결과를 Database (PostgreSQL) 로 저장하는 프로세스를 구성합니다.

예상 시스템 구성

• Database (PostgreSQL)

  테이블 DDL

    CREATE TABLE boston_data (
     ID CHAR(7) PRIMARY KEY,
     crim FLOAT,
     zn FLOAT,
     indus FLOAT,
     chas INT,
     nox FLOAT,
     rm FLOAT,
     age FLOAT,
     dis FLOAT,
     rad INT,
     tax INT,
     ptratio FLOAT,
     b FLOAT,
     lstat FLOAT,
     label INT,
     createAt TIMESTAMP DEFAULT CURRENT_TIMESTAMP
  );

  Send DATA

  curl -X POST "https://greenwhales.io/tutorial/api/operation/predict" \
      -H "Content-Type: application/json" \
      -d '{
        "data": {
          "header": [
            {"columnName": "id"},
            {"columnName": "crim"},
            {"columnName": "zn"},
            {"columnName": "indus"},
            {"columnName": "chas"},
            {"columnName": "nox"},
            {"columnName": "rm"},
            {"columnName": "age"},
            {"columnName": "dis"},
            {"columnName": "rad"},
            {"columnName": "tax"},
            {"columnName": "ptratio"},
            {"columnName": "b"},
            {"columnName": "lstat"},
            {"columnName": "label"}
          ],
          "xTest": [
            ["A000001", 0.00632, 18, 2.31, 0, 0.538, 6.575, 65.2, 4.09, 1, 296, 15.3, 396.9, 4.98, 24],
            ["A000002", 0.02731, 0, 7.07, 0, 0.469, 6.421, 78.9, 4.9671, 2, 242, 17.8, 396.9, 9.14, 21],
            ["A000003", 0.02729, 0, 7.07, 0, 0.469, 7.185, 61.1, 4.9671, 2, 242, 17.8, 392.83, 4.03, 34],
            ["A000004", 0.03237, 0, 2.18, 0, 0.458, 6.998, 45.8, 6.0622, 3, 222, 18.7, 394.63, 2.94, 33]
          ]
        }
      }'

Operation 전체 구성

블록 설명

블록 이름	블록 종류	블록 설명
endPoint	endPoint	RestAPI EndPoint 입니다.
boston 모델	Tabular	Tabular-ML에서 학습된 모델입니다.
기타 데이터 추가	Transform	Database에 추가로 저장할 데이터를 생성합니다.
Database 저장	Database	Database에 연결하여 예측 결과를 저장합니다.

---

Block 별 구성

endPoint

• 입력 형식을 REST API 로 설정했습니다.

입력 : TYPE을 Tabular 이름을 opData로 추가했습니다.
출력 : 별도 설정을 하지 않았습니다.

boston 모델

• Tabular-ML에서 배포한 모델을 선택합니다.

입력 : 블록을 endPoint 입력을 opData로 추가했습니다.
출력 : 별도 설정을 하지 않았습니다.

기타 데이터 추가

• endPoint에 포함되어 있는 id 값을 추가합니다.

• jsonata 함수 $now()를 통해 현재 시간을 추가합니다.

• 출력 구조 적용 버튼을 클릭하여 출력 포맷을 지정합니다.

입력 : 블록을 endPoint 입력을 opData로 추가했습니다.
출력 : 별도 설정을 하지 않았습니다.

Database 저장

• Database 연결정보를 입력하고 연결 합니다.

• 테이블 리스트 중 boston_data를 선택하면 컬럼 source 리스트가 추가됩니다.

입력 :

TYPE	이름	블록	입력
Array	result	boston 모델	opResult
String	id	기타 데이터 추가	id
String	now	기타 데이터 추가	now

출력 : 별도 설정을 하지 않았습니다.