Feature Store 概念

我们列出了 Amazon Feature SageMaker Store 中使用的常用术语，然后是示例图，以可视化一些概念：

Feature Store：机器学习 (ML) 特征的存储和数据管理层。作为存储、检索、删除、跟踪、共享、发现和控制特征访问权限的单一信任源。在下面的示例图中，Feature Store 是您的特征组的存储，其中包含您的机器学习数据，并提供其他服务。
在线存储：低延迟、高可用性存储，适用于支持实时查找记录的特征组。使用在线存储可以通过 GetRecord API 快速访问最新记录。
离线存储：将历史数据存储在您的 Amazon S3 存储桶中。当不需要低（亚秒）延迟读取时，将使用离线存储。例如，当您想要存储和提供用于探索、模型训练和批量推理的特征时，可以使用离线存储。
特征组：Feature Store 的主要资源，包含用于使用机器学习模型进行训练或预测的数据和元数据。特征组是用于描述记录的特征的逻辑分组。在下面的示例图中，特征组包含您的机器学习数据。
特征：一种属性，用作使用机器学习模型进行训练或预测的输入之一。在 Feature Store API 中，特征是记录的一个属性。在下面的示例图中，一个特征描述了机器学习数据表中的一列。
特征定义：由一个名称和一种数据类型（整数、字符串或小数）组成。特征组包含特征定义列表。有关 Feature Store 数据类型的更多信息，请参阅数据类型。
记录：单个记录标识符的特征值集合。记录标识符和事件时间值的组合可唯一标识特征组中的记录。在下面的示例图中，记录是机器学习数据表中的一行。
记录标识符名称：记录标识符名称是标识记录的特征的名称。它必须引用特征组的特征定义中定义的特征的名称之一。每个特征组都使用一个记录标识符名称进行定义。
事件时间：您提供的与记录事件发生时间相对应的时间戳。特征组中的所有记录都必须具有相应的事件时间。在线存储仅包含与最新事件时间相对应的记录，而离线存储则包含所有历史记录。有关事件时间格式的更多信息，请参阅数据类型。
摄取：向特征组添加新记录。通常通过 PutRecord API 实现摄取。