Feature Store Meetup V3回顾｜华为商城&第四范式&众安保险特征平台建设实践

6月12日，星策社区主办的第三期「Feature Store Meetup」于线上开展，本次活动由思否视频号、CSDN直播间、示说网同步支持，累计观看人次超过4500+。

活动围绕“Feature Store特征平台的建设实践”，特邀星策社区发起人谭中意，分享“ Feature Store的概念与发展概况”；华为商城算法工程师曾中铭，分享“华为商城特征平台建设实践”；第四范式 OpenMLDB PMC 陈迪豪，分享“ OpenMLDB 解决生产环境上线面临的数据特征挑战”，众安保险金融数据应用团队负责人郭育波，分享“众安保险金融特征中台建设”；几位嘉宾分别从技术角度对 Feature Store 的应用实践进行全方位解读。

🌟本文根据四位老师分享的重点内容整理而成，视频回顾见文章末尾，PPT获取请关注公众号「星策开源」并回复「0612」，或加入​​MLOps爱好者交流群​​～

精彩内容回顾

Part1：Feature Store概念与应用背景—谭中意

星策社区发起人，开源软件推进联盟副秘书长，开放原子基金会TOC副主席—谭中意，在此次 meetup 中重点介绍了 Feature Store 的概念、与发展情况。

机器学习数据难题

AI System=Code+Data+Model，其中数据问题尤为棘手。数据带来的挑战主要包括五个方面1. Scale-海量的data for training；2. Low Latency-高QPS低延迟的serving；3. Data change cause model decay- world change；4. Time Travel-时序特征数据处理容易出问题；5. Training/Serving skew- 训练和预测使用的数据不一致，当然还有更多。为了解决这些数据问题，在借鉴 DevOps 领域的成功经验后出现了 MLOps 。

MLOps是什么？

MLOps 是面向机器学习领域，为了提高机器学习落地效率而出现的概念。其中涉及角色包括数据科学家和软件工程师。任务包括定义场景、数据收集和整理、模型训练和部署、持续监控和更新，包括 Pipeline 的四个部分，在整个生命周期中的每一环节都需要更快的迭代和更快的反馈。

MLOps 不只是流程和 Pipeline ，还包括以下的工具平台：

• 存储平台：特征和模型的存储和读取
• 计算平台：流式， 批处理特征和模型
• 消息队列：用于接收实时数据
• 调度工具：计算/存储资源的调度
• Feature Store：注册/发现/共享特征
• Model Store：模型的注册/存储/版本等
• Evaluation Store：模型监控/AB测试等