1.2. Feature Store の概要

Feature Store は、モデルとデータ間のインターフェイスを提供する OpenShift AI コンポーネントです。Feast オープンソースプロジェクトをベースにしています。Feature Store は、既存のインフラストラクチャーとデータストアを使用して、機械学習モデルに特徴量を保存、管理、サービングするためのフレームワークを提供します。統一された特徴量管理機能を提供することで、さまざまなデータソースからの特徴量データの取得を容易にし、特徴量の生成と管理を可能にします。

次の図は、Feature Store が ML ワークフローのどこに当てはまるかを示しています。ML ワークフローでは、特徴量は ML モデルへの入力情報となります。ML ワークフローは、トランザクションデータ、お客様参照情報、製品データなど、さまざまな種類の関連データから始まります。データは、さまざまなデータベースやデータソースから取得されます。このデータから、ML エンジニアは Feature Store を使用して特徴量をキュレートします。特徴量は、各種モデルに入力され、モデルは特徴量からのデータを使用して予測を行うことができます。

図1.1 ML ワークフローの Feature Store

Feature Store は、次の機能を提供する機械学習データシステムです。

Feature Store は、よく使用される特徴量を保存、処理、アクセスするための集中型ハブであり、ML 組織内のユーザーが共同作業できるようにします。Feature Store に特徴量を登録すると、組織全体の他のモデルですぐに再利用できるようになります。Feature Store レジストリーにより、データエンジニアリング作業の重複が削減され、厳選された実稼働環境対応の特徴量のライブラリーを使用して新しい ML プロジェクトをブートストラップできるようになります。

Feature Store は、モデルのトレーニングと推論の一貫性を保ち、複数のプロジェクトにわたるコラボレーションと使いやすさを促進し、データのドリフト、リーク、トレーニングのスキューについてモデルの系統とバージョン管理を監視し、他の MLOps ツールとシームレスに統合します。Feature Store は、BigQuery、Snowflake、DynamoDB、Redis などの他のシステムに保存されているデータをリモートで管理し、トレーニング/サービング時に特徴量を一貫して利用できるようにします。

Feature Store は次のタスクを実行します。

ML プラットフォームチームは、Feature Store を使用して、バッチスコアリングやオンラインリアルタイムモデル推論などのオフライントレーニングの特徴量を一貫して保存および提供します。

Feature Store は次の主要コンポーネントで構成されています。

Feature Store は次のソフトウェア機能を提供します。