モデル DDL - Realtime Compute for Apache Flink - Alibaba Cloud ドキュメントセンター

このドキュメントでは、Flink SQL で AI モデルを登録・照会・変更・削除するためのデータ定義言語（DDL）文について説明します。

注意事項

Alibaba Cloud Model Studio、Platform for AI (PAI)、および OpenAI 互換 API を提供する他のプロバイダーの AI モデルサービスに対応しています。
Platform for AI (PAI) 上にデプロイされた推論サービスは、ご利用の Realtime Compute for Apache Flink サービスと同一リージョンである必要があります。
Ververica Runtime (VVR) バージョン 11.1 以降が必要です。

CREATE MODEL

モデルの登録

Data Query エディターで、次のコマンドを実行します。

CREATE [TEMPORARY] MODEL [catalog_name.][db_name.]model_name
INPUT ( { <physical_column_definition> [, ...n] )
OUTPUT ( { <physical_column_definition> [, ...n] )
WITH (key1=val1, key2=val2, ...)

<physical_column_definition>:
  column_name column_type [COMMENT column_comment]

句	説明	主要パラメーター	スキーマ制約	例
INPUT	モデルの入力データの列名、データの型、および順序を定義します。	`column_name` `column_type` `COMMENT`	STRING 型の列が 1 つ必要です。	INPUT (`input_text` STRING COMMENT 'ユーザーのコメント')
OUTPUT	モデルの出力データの列名、データの型、および順序を定義します。	`column_name` `column_type` `COMMENT`	制約はモデルタスクの種類によって異なります。 chat/completions：出力列は 1 つのみ必要です。ML_PREDICT 経由で呼び出す場合は STRING 型、垂直 AI 関数（AI_CLASSIFY、AI_SUMMARIZE など）経由で呼び出す場合は VARIANT 型である必要があります。 embeddings：Array<Float> 型の列が 1 つ必要です。	OUTPUT (`sentiment_label` STRING COMMENT '感情ラベル')
WITH	WITH パラメーターをご参照ください。	`provider` `endpoint` `api-key` `model`	なし。	`WITH ('provider'='openai-compat', 'endpoint'='${ENDPOINT}', 'model'='qwen-turbo', 'api-key'='${KEY}')`

例

Alibaba Cloud Model Studio

CREATE MODEL model_bailian
INPUT (`input` STRING)
OUTPUT (`content` STRING)
WITH (
  'provider'='openai-compat',
  'endpoint'='<Endpoint>',
  'api-key'='<bailian-key>',
  'model'='qwen3-235b-a22b'
);

Alibaba Cloud Model Studio のエンドポイント形式は <base-url>/compatible-mode/v1/<task> です。例：https://dashscope-intl.aliyuncs.com/compatible-mode/v1/chat/completions。

base-url
インターネットアクセス：https://dashscope-intl.aliyuncs.com。インターネットアクセスを利用するには、Flink ワークスペースで有効化する必要があります。詳細については、「ネットワーク接続タイプの選択」をご参照ください。
内部ネットワークアクセス：「内部ネットワーク経由での Alibaba Cloud Model Studio API アクセス」をご参照ください。
内部ネットワークアクセスは、同一リージョン内およびリージョン間でサポートされています。たとえば、上海の Flink インスタンスから北京の Model Studio サービスにアクセスする場合、Cloud Enterprise Network (CEN) を設定する必要があります。詳細については、「Alibaba Cloud Model Studio API のリージョン間プライベートアクセス」をご参照ください。
重要
Alibaba Cloud Model Studio のデータ処理は、選択した Model Studio リージョンで実行されます。データ所在要件がある場合は、コンプライアンス要件に基づいて適切なリージョンを選択してください。詳細については、「サービスデプロイメント範囲の比較」をご参照ください。
task：モデルタスクの種類です。次の値がサポートされています。
- chat/completions
- embeddings

Platform for AI (PAI)

CREATE MODEL model_pai
INPUT (`input` STRING)
OUTPUT (`embedding` ARRAY<FLOAT>) 
WITH (
  'provider'='openai-compat',
  'endpoint'='<VPC_endpoint>',
  'api-key'='<Token>',
  'model'='qwen3-235b-a22b'
);

エンドポイントと API キーを取得するには、まずモデルサービスをデプロイする必要があります。詳細については、「DeepSeek-V3 および DeepSeek-R1 モデルのワンクリックデプロイ」および「Elastic Algorithm Service (EAS) クイックスタート」をご参照ください。

モデルギャラリー

Platform for AI (PAI) コンソールにログインします。
左側のナビゲーションウィンドウで、モデルギャラリー > ジョブ管理 > デプロイメントジョブに移動し、対象サービスの名前をクリックします。
呼び出し情報を表示をクリックします。
- VPC エンドポイントは HTTP を使用します。HTTPS に変更し、URL に /v1/<task> を追加する必要があります。task には次のいずれかの値を指定できます。
  - chat/completions
  - embeddings
  例：https://************.vpc.cn-hangzhou.pai-eas.aliyuncs.com/api/predict/quickstart_deploy_20250722_7b22/v1/chat/completions。
- Token フィールドの値を api-key パラメーターとして使用します。

Elastic Algorithm Service (EAS)

左側のナビゲーションウィンドウで、Elastic Algorithm Service (EAS) > 推論サービスに移動し、対象サービスの名前をクリックして概要ページを開きます。
基本情報セクションで、呼び出し情報を表示をクリックします。
呼び出し情報パネルで、エンドポイントとトークンをコピーします。
- VPC エンドポイントは HTTP を使用します。HTTPS に変更し、URL に /v1/<task> を追加する必要があります。task には次のいずれかの値を指定できます。
  - chat/completions
  - embeddings
  例：https://************.vpc.cn-hangzhou.pai-eas.aliyuncs.com/api/predict/quickstart_deploy_20250722_7b22/v1/chat/completions。
- Token フィールドの値を api-key パラメーターとして使用します。

詳細については、「ゲートウェイ経由での公開または内部エンドポイントによるサービスの呼び出し」をご参照ください。

WITH パラメーター

共通

パラメーター	説明	型	必須	デフォルト	注記
provider	モデルサービスの種類。	string	はい	なし	VVR 11.1～11.2：値は `bailian` である必要があります。 VVR 11.3～11.6：有効な値は `openai-compat` および `bailian` です。 `openai-compat` の使用を推奨します。説明 PAI またはその他の OpenAI 互換モデルサービスの場合、値は `openai-compat` である必要があります。
endpoint	埋め込みまたは chat/completions サービスなど、OpenAI 互換モデルサービスのエンドポイント。	string	はい	なし	Alibaba Cloud Model Studio または PAI のエンドポイントについては、「例」をご参照ください。その他の OpenAI 互換モデルサービスについては、サービスの API ドキュメントを参照してください。
api-key	モデルサービスの API キー。	string	はい	なし	詳細については、「API キーの取得」をご参照ください。以前のキー名：`apiKey`（VVR 11.1）。
max-context-size	単一リクエストの最大コンテキストサイズ（トークン数）。	integer	いいえ	なし	最大容量を超えた場合、`context-overflow-action` で定義された操作がトリガーされます。説明 VVR 11.2 以降でサポートされています。
context-overflow-action	リクエストのコンテキストがトークン制限を超えた場合に実行する操作。	string	いいえ	`truncated-tail`	有効な値： `truncated-tail`：容量を超えたトークンを自動的に末尾から切り捨て、最新の `max-context-size` トークンを保持します。ログは記録されません。 `truncated-tail-log`：容量を超えたトークンを末尾から自動的に切り捨て、最新の `max-context-size` トークンを保持します。切り捨て操作がログに記録されます。 `truncated-head`：先頭から最も古いトークンを切り捨て、最新の `max-context-size` トークンを保持します。 `truncated-head-log`：先頭から最も古いトークンを切り捨て、最新の `max-context-size` トークンを保持します。切り捨て操作がログに記録されます。 `skipped`：データレコードを直接破棄します。ログは記録されません。 `skipped-log`：データを破棄し、ログを記録します。説明 VVR 11.2 以降でサポートされています。
max-context-size	最大コンテキスト長（レコード数）。	integer	いいえ	なし	説明 VVR 11.2 以降でサポートされています。
context-overflow-action	コンテキスト長がレコード制限を超えた場合に実行する操作。	string	いいえ	truncated-tail	有効な値： `truncated-tail`：容量を超えたデータを末尾から自動的に切り捨て、最新の `max-context-size` 項目を保持します。 `truncated-head`：先頭から最も古いデータを切り捨て、最新の `max-context-size` データ項目を保持します。 `skipped`：容量を超えた新しいデータを直接破棄し、コンテキストを更新しません。 `truncated-tail-log`：`truncated-tail` を基に、コンテキストの切り捨て操作をログに記録します。 `truncated-head-log`：`truncated-head` を基に、コンテキストの切り捨て操作をログに記録します。 `skipped-log`：`skipped` と同じ操作を実行し、コンテキストが切り捨てられた際にログを記録します。説明 VVR 11.2 以降でサポートされています。
error-handling-strategy	モデルリクエストエラーの処理戦略。	string	いいえ	retry	有効な値： retry：リクエストを再送信します。 failover：例外をスローします。 ignore：例外を無視してデータレコードをスキップします。説明 VVR 11.4 以降でサポートされています。
retry-num	リトライ回数。	integer	いいえ	100	`error-handling-strategy = retry` の場合にのみ有効です。説明 VVR 11.4 以降でサポートされています。
retry-fallback-strategy	最大リトライ回数に達した後のフォールバック戦略。	string	いいえ	failover	有効な値は `failover` および `ignore` です。この設定は、`error-handling-strategy` が `retry` 以外に設定されている場合にのみ有効です。説明 VVR 11.4 以降でサポートされています。
retry-backoff-strategy	リトライのバックオフ戦略。	string	いいえ	fixed	有効な値： fixed：固定間隔。 exponential：指数的間隔。説明 VVR 11.4 以降でサポートされています。
retry-backoff-base-interval	リトライバックオフ戦略のベースとなる時間間隔。	duration	いいえ	1 s	説明 VVR 11.4 以降でサポートされています。

chat/completions

次のパラメーターは chat/completions モデルタスクに特有です。

パラメーター	説明	型	必須	デフォルト	注記
model	呼び出すモデル。	string	はい	なし	テキスト生成モデルをサポートします。説明選択したモデルおよび入出力のトークン数に基づいて課金されます。
system-prompt	リクエストのシステムプロンプト。	string	はい	"You are a helpful assistant."	以前のキー名：`systemPrompt`（VVR 11.1）。説明 VVR 11.6 以降では、このパラメーターを空の値に設定できます。
temperature	各候補トークンの確率ディストリビューションの滑らかさを制御します。	float	いいえ	なし	有効範囲：[0, 2)。0 の値は推奨されません。温度が高いほど出力がランダムになり、低いほど決定論的になります。
top-p	核サンプリングの確率しきい値。	float	いいえ	なし	値が高いほどランダム性が増し、低いほど決定論的になります。以前のキー名：`topP`（VVR 11.1）。
stop	停止シーケンス。	string	いいえ	なし	このシーケンスが生成されると、モデルはトークンの生成を停止します。シーケンスは最終的な出力に含まれません。
max-tokens	モデルが生成できるトークンの最大数。	integer	いいえ	なし	以前のキー名：`maxTokens`（VVR 11.1）。
content-type	入力データの種類。	string	いいえ	text	有効な値：`text` および `image_url`。説明 VVR 11.6 以降でサポートされています。
presence-penalty	トークンの繰り返しを制御します。	double	いいえ	なし	有効範囲：-2.0 ～ 2.0。正の値はテキスト中にすでに出現したトークンにペナルティを与え、モデルが新しいトピックを議論する可能性を高めます。説明 VVR 11.3 以降でサポートされています。
n	各入力メッセージに対して生成する出力選択肢の数。	integer	いいえ	なし	説明 VVR 11.3 以降でサポートされています。
seed	モデルの応答における乱数シード。	long	いいえ	なし	指定された場合、モデルプロバイダーは決定論的サンプリングを試みるため、同じシードとパラメーターを使用した繰り返しリクエストでは同じ結果が返されるはずです。ただし、決定論性は保証されません。説明 VVR 11.3 以降でサポートされています。
response-format	戻り値のフォーマット。	string	いいえ	text	有効な値： text json_object 説明 VVR 11.3 以降でサポートされています。
extra-header	リクエスト用の追加 HTTP ヘッダー。	string	いいえ	なし	JSON 形式の文字列である必要があります。JSON のキーと値のペアの値は、文字列または文字列のリストである必要があります。説明 VVR 11.3 以降でサポートされています。
extra-body	リクエスト用の追加 HTTP 本文。	string	いいえ	なし	JSON 形式の文字列である必要があります。説明 VVR 11.3 以降でサポートされています。

embeddings

次のパラメーターは embeddings モデルタスクに特有です。

パラメーター	説明	型	必須	デフォルト	注記
model	呼び出すモデル。	string	はい	なし	テキスト埋め込みモデルをサポートします。説明選択したモデルおよび入出力のトークン数に基づいて課金されます。
dimension	出力ベクターのディメンション。	integer	いいえ	なし	サポートされるディメンションは特定のモデルによって異なります。一般的な値には 1024、768、512 があります。

モデルの照会

Data Query エディターで、次のいずれかのコマンドを実行します。

登録済みモデルの名前を一覧表示：

SHOW MODELS [ ( FROM | IN ) [catalog_name.]database_name ];

モデル作成に使用された文を表示：

SHOW CREATE MODEL [catalog_name.][db_name.]model_name;

モデルの入出力スキーマを表示：

DESCRIBE MODEL [catalog_name.][db_name.]model_name;

例

SHOW MODELS;

-- RESULT
--+------------+
--| model name |
--+------------+
--|          m |
--+------------+

DESCRIBE MODEL m;

-- RESULT
-- +---------+--------+------+----------+
-- |    name |   type | null | is input |
-- +---------+--------+------+----------+
-- | content | STRING | TRUE |     TRUE |
-- |   label | BIGINT | TRUE |    FALSE |
-- +---------+--------+------+----------+

モデルの変更

Data Query エディターで、次のコマンドを実行します。

ALTER MODEL [IF EXISTS] [catalog_name.][db_name.]model_name {
  RENAME TO new_table_name
  SET (key1=val1, ...)
  RESET (key1, ...)
}

例

登録済みモデルの名前を変更：

ALTER MODEL m RENAME TO m1; -- モデル名を m1 に変更します。

モデルパラメーターを変更：

ALTER MODEL m SET ('endpoint' = '<Your_Endpoint>'); -- エンドポイントパスを調整します。

モデルパラメーターをデフォルト値にリセット：

ALTER MODEL m RESET ('endpoint'); -- エンドポイントパスをリセットします。

モデルの削除

Data Query エディターで、次のコマンドを実行します。

DROP [TEMPORARY] MODEL [IF EXISTS] [catalog_name.][db_name.]model_name

例

DROP MODEL m;