online feature store
Et online feature store er et system til at servere maskinlæringsfunktioner (features) med lav latenstid til brug i produktion.
Kort fortalt
Et online feature store gør det muligt at slå features op hurtigt i realtid, så en model kan få de nyeste data under inferens.
- Kategori
- begreb
- Niveau
- øvet
Betydninger
1- 1
Et feature store-system der optimerer til lav-latenstidsservering af features, typisk understøttet af en nøgleværdi-database og en strømmede opdateringsmekanisme.
- Online feature store er afgørende for realtidsanbefalingssystemer, hvor brugerens seneste klik skal afspejles med det samme. — Feast dokumentation
Hvornår bruges det
Online feature stores bruges i produktionsmiljøer, hvor modeller har brug for de seneste data (fx brugerens seneste handlinger) med millisekunders forsinkelse. De gemmer features typisk i en nøgleværdi-database som Redis eller DynamoDB og opdateres løbende via strømme eller batch-jobs.
Oprindelse
Begrebet opstod med fremkomsten af feature store-platforme som Feast og Tecton, der adskiller online- og offline-lagring for at optimere henholdsvis træning og inferens.