1.2. 기능 저장소 개요

기능 저장소는 모델과 데이터 간의 인터페이스를 제공하는 OpenShift AI 구성 요소입니다. Feast 오픈 소스 프로젝트를 기반으로 합니다. 기능 저장소는 기존 인프라 및 데이터 저장소를 사용하여 머신러닝 모델에 기능을 저장, 관리 및 제공하기 위한 프레임워크를 제공합니다. 통합된 기능 관리 기능을 제공하여 다양한 데이터 소스에서 기능 데이터를 검색하고 기능을 생성하고 관리할 수 있습니다.

다음 그림은 Feature Store가 ML 워크플로에 적합한 위치를 보여줍니다. ML 워크플로에서 기능은 ML 모델에 대한 입력입니다. ML 워크플로는 트랜잭션 데이터, 고객 참조 및 제품 데이터와 같은 다양한 유형의 관련 데이터로 시작됩니다. 데이터는 다양한 데이터베이스 및 데이터 소스에서 가져옵니다. 이 데이터에서 ML 엔지니어는 기능 저장소를 사용하여 기능을 큐레이트합니다. 기능은 모델에 입력되며 모델은 기능의 데이터를 사용하여 예측을 만들 수 있습니다.

그림 1.1. ML 워크플로의 기능 저장소

기능 저장소는 다음과 같은 기능을 제공하는 머신 러닝 데이터 시스템입니다.

기능 저장소는 ML 조직의 사용자가 협업할 수 있는 일반적으로 사용되는 기능을 저장, 처리 및 액세스하는 데 필요한 중앙 집중식 허브입니다. 기능 저장소에 기능을 등록하면 조직의 다른 모델에서 즉시 재사용할 수 있게 됩니다. Feature Store 레지스트리는 데이터 엔지니어링 작업의 중복을 줄이고 새로운 ML 프로젝트를 통해 큐레이션된 프로덕션 지원 기능 라이브러리를 사용하여 부트스트랩할 수 있습니다.

기능 저장소는 모델 교육 및 추론의 일관성을 제공하고, 여러 프로젝트에서 협업 및 사용성을 승격하고, 데이터 드리프, 누출 및 교육 스큐를 위한 모델의 경계 및 버전 관리를 모니터링하고 다른 MLOps 툴과 원활하게 통합됩니다. 기능 저장소는 BigQuery, Snowflake, Cryostat 및 Redis와 같은 다른 시스템에 저장된 데이터를 원격으로 관리하여 교육/서비스 시 기능을 일관되게 사용할 수 있도록 합니다.

기능 저장소는 다음 작업을 수행합니다.

ML 플랫폼 팀은 기능 저장소를 사용하여 일괄 처리 및 온라인 실시간 모델 추론과 같은 오프라인 교육에 지속적으로 기능을 저장하고 제공합니다.

기능 저장소는 다음 주요 구성 요소로 구성됩니다.

기능 저장소는 다음과 같은 소프트웨어 기능을 제공합니다.