BharatML Stack在线特征存储平台快速入门指南
2025-06-19 09:08:10作者:庞队千Virginia
项目概述
BharatML Stack是由Meesho开发的一套在线特征存储(Online Feature Store)平台解决方案,专为机器学习场景设计。该平台提供了高性能的特征存储、检索和管理能力,能够帮助数据科学家和机器学习工程师更高效地构建和部署AI模型。
核心架构解析
BharatML Stack采用微服务架构设计,主要包含以下核心组件:
基础设施层
- ScyllaDB:高性能NoSQL数据库,用于存储特征数据,具备低延迟和高吞吐特性
- MySQL:关系型数据库,负责存储元数据和系统配置信息
- Redis:内存数据库,提供缓存层加速特征访问
- etcd:分布式键值存储,用于服务协调和配置管理
应用服务层
- Horizon:后端REST API服务(端口8082)
- Trufflebox UI:前端Web界面(端口3000)
- Online Feature Store gRPC API:高性能gRPC接口(端口8089)
- etcd Workbench:etcd管理界面(端口8081)
环境准备
在开始部署前,请确保开发环境满足以下要求:
- Docker环境:包括Docker和Docker Compose
- Go语言:版本1.22或更高
- 网络工具:需要安装netcat(nc)用于连通性测试
- Bash shell:用于执行部署脚本
- gRPC工具:推荐安装grpcurl用于测试gRPC接口
快速部署指南
一键启动服务
执行以下命令即可启动完整服务:
./start.sh
该脚本会自动完成以下工作:
- 检查Go语言环境
- 创建工作区目录并生成配置文件
- 拉取Docker镜像并启动所有服务
- 等待服务健康检查通过
- 初始化数据库表结构
- 显示服务访问信息
版本控制
支持通过环境变量指定不同版本:
ONFS_VERSION=v1.2.3 HORIZON_VERSION=v2.1.0 TRUFFLEBOX_VERSION=v1.0.5 ./start.sh
版本格式支持:
latest
:默认最新稳定版main
:开发版v1.2.3
:特定版本sha-abcd1234
:特定提交
服务停止
停止所有服务:
./stop.sh
彻底清除所有容器和数据:
./stop.sh --purge
服务访问说明
前端界面
- 访问地址:http://localhost:3000
- 默认管理员账号:
- 用户名:admin@admin.com
- 密码:admin
API端点
- Horizon API:http://localhost:8082
- 健康检查:http://localhost:8082/health
- ONFS gRPC API:http://localhost:8089
- 健康检查:http://localhost:8089/health/self
数据库连接
-
MySQL:
- 主机:localhost
- 端口:3306
- 用户名:root
- 密码:root
- 数据库:testdb
-
ScyllaDB:
- 主机:localhost
- 端口:9042
- Keyspace:onfs
特征存储API实战
gRPC API使用示例
特征持久化:
grpcurl -plaintext -H "online-feature-store-caller-id: <caller-id>" -H "online-feature-store-auth-token: <auth-token>" -d '<request-body>' localhost:8089 persist.FeatureService/PersistFeatures
特征检索(解码格式):
grpcurl -plaintext -H "online-feature-store-caller-id: <caller-id>" -H "online-feature-store-auth-token: <auth-token>" -d '<request-body>' localhost:8089 retrieve.FeatureService/RetrieveDecodedResult
请求体示例
单特征组持久化:
{
"data": [{
"key_values": ["10"],
"feature_values": [{
"values": {"fp32_values": [123.45]}
}]
}],
"entity_label": "catalog",
"feature_group_schema": [{
"label": "int_fg",
"feature_labels": ["id"]
}],
"keys_schema": ["catalog_id"]
}
向量特征检索:
{
"entity_label": "catalog",
"feature_groups": [{
"label": "vector_fg",
"feature_labels": ["embedding"]
}],
"keys_schema": ["catalog_id"],
"keys": [{"cols": ["123"]}]
}
运维管理
日志查看
查看特定服务日志:
cd workspace && docker-compose logs -f horizon
服务管理
重启特定服务:
cd workspace && docker-compose restart horizon
常见问题排查
- 端口冲突:确保3000、8081-8089、9042、3306、6379、2379端口未被占用
- 网络问题:可尝试重建Docker网络
- 健康检查失败:先确认基础设施服务是否正常运行
开发建议
工作区目录包含所有运行时配置:
docker-compose.yml
:服务编排定义check_db_and_init.sh
:数据库初始化脚本
修改环境变量后需要重启相关服务使配置生效。
技术特点
- 高性能特征存储:结合ScyllaDB和Redis实现低延迟特征访问
- 多协议支持:同时提供REST和gRPC接口
- 向量特征支持:专门优化了向量数据的存储和检索
- 灵活版本控制:支持快速切换不同版本进行测试
BharatML Stack为机器学习团队提供了完整的特征管理解决方案,从特征存储、版本控制到服务化接口一应俱全,能够显著提升机器学习项目的开发效率。
登录后查看全文
热门项目推荐
Hunyuan3D-Part
腾讯混元3D-Part00Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0274community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息011Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中React实验项目的分类修正3 freeCodeCamp课程视频测验中的Tab键导航问题解析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
505
42

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
194
279

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
938
554

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
332
11

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70