Apache Spark技术团队所成立的创业公司Databricks正式推出Model Serving，这是一项无服务器机器学习模型服务，通过将模型部署在湖仓（Lakehouse）就近集成资料，用户可以利用REST API访问模型，以快速构建包括个性化建议、聊天机器人和诈骗侦测等即时机器学习应用程序。
不少企业希望在应用程序添加机器学习技术，提供创新服务，但Databricks提到，即时机器学习系统需要快速可扩展的服务基础架构，不只需要专家知识创建和维护，也需要进行监控、自动部署和模型再训练等工作，这对企业来说是一大挑战。
通过API提供机器学习服务则有助克服此挑战，Databricks模型服务将模型部署于资料和训练基础设施旁，以进一步简化用户在机器学习生命周期管理工作。模型服务构建在Databricks湖边小屋服务之上，使资料和人工智能集成至同平台，提供一个无服务器解决方案，供企业以集成工具的方式添加机器学习技术，加速创新应用开发。
用户不需要考虑底层，由Databricks处理基础设施的可扩展性，以及版本兼容性和程序修补，且模型服务能够原生与各种服务集成，用户在单一平台就能管理资料截取、训练、部署和监控整个机器学习工作流程，掌握模型生命周期整体情况。
模型服务集成Databricks特征商店，而特征商店是一个方便查询和共享特征的集中式存储库，用户可在训练期间定义一次特征，之后便由Databricks自动截取并联合相关特征，以完成推论工作负载。Databricks模型服务还集成MLflow自动部署模型，用户只要提供模型，MLflow便能自动准备容器，并将其部署成无服务器服务。