feast

收录理由

Feast 是一个面向机器学习的开源特征存储系统，帮助团队把原始分析数据接入模型训练和在线推理，同时避免两者之间出现偏差。只需定义一次特征视图，Feast 便会从离线存储中提供批量训练所需的历史数据，并通过低延迟在线存储支持实时预测，确保生产环境使用的特征与模型训练时保持一致。它具备时间点正确的检索能力，可防止未来数据泄漏到历史训练集中，从而避免模型被静默扭曲。对于管理多个模型的 ML 平台团队和数据工程师而言，Feast 提供了一个统一的数据访问层，省去了为每个项目单独搭建特征管道的重复工作。它能够与您现有的数仓或批处理基础设施（如 Snowflake 或 Redshift）协同运行，采用它并不需要额外部署新的存储系统。