AWS Lambda调用XGBoost推理端点时如何构造CSV格式请求体

核心规则 #

SageMaker原生部署的XGBoost模型，对text/csv格式的推理请求有明确要求：

• 无需传递表头字段，仅按训练时的特征固定顺序，将单条样本的特征值以英文逗号拼接为单行字符串
• 请求Body需为UTF-8编码的字节类型，不能直接传入普通字符串
• 因CSV无字段标识，特征顺序必须和模型训练时的列顺序完全一致，顺序错位会直接导致推理结果失真

转换实现步骤 #

1. 固定特征顺序映射
   首先从模型训练记录中提取训练阶段的特征列顺序，写入代码作为常量，不能依赖JSON字典的遍历顺序取值。以你的测试数据为例，假设训练时的特征顺序为：
   Utilizing_card_1、Utilizing_card_2、Utilizing_card_3、Utilizing_card_4、perc_private、perc_proff
2. 提取特征值拼接CSV
   从嵌套的data字段中，按上述固定顺序逐个提取对应数值，转换为字符串后用逗号拼接为单行内容
3. 编码为字节类型传入请求参数
   将拼接好的CSV字符串做UTF-8编码，作为invoke_endpoint接口的Body参数

完整可运行代码示例 #

import boto3

# 初始化SageMaker运行时客户端
sagemaker_client = boto3.client("sagemaker-runtime", region_name="你的部署区域")
ENDPOINT_NAME = "已部署的XGBoost推理端点名称"

# 显式定义训练时的特征顺序，必须与模型训练的列顺序完全一致
TRAIN_FEATURE_SEQUENCE = [
    "Utilizing_card_1",
    "Utilizing_card_2",
    "Utilizing_card_3",
    "Utilizing_card_4",
    "perc_private",
    "perc_proff"
]

# Lambda收到的原始业务JSON数据
raw_input = {
  "data": {
    "Utilizing_card_1": 0.6,
    "Utilizing_card_2": 0.7,
    "Utilizing_card_3": 0.6,
    "Utilizing_card_4": 0.5,
    "perc_private": 0.5,
    "perc_proff": 0.7
  }
}

# 按固定顺序提取特征值，拼接为无表头的CSV单行
csv_line = ",".join([
    str(raw_input["data"][feature_name]) 
    for feature_name in TRAIN_FEATURE_SEQUENCE
])

# 调用推理端点
response = sagemaker_client.invoke_endpoint(
    EndpointName=ENDPOINT_NAME,
    Body=csv_line.encode("utf-8"),
    ContentType="text/csv"
)

# 读取推理返回结果
inference_result = response["Body"].read().decode("utf-8")

常见踩坑提醒 #

• 转换时不要自动附加CSV表头，SageMaker XGBoost容器会将表头识别为无效特征值，直接抛出格式错误
• 不要依赖JSON解析后的字典顺序提取特征，不同语言的JSON解析器对字段顺序的处理存在差异，很容易出现特征错位
• 不要给特征值添加额外引号，直接传递原始数值的字符串形式即可

内容的提问来源于stack exchange，提问作者Noa Yona