BharatML Stack在线特征存储平台快速入门指南

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

1. 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
2. MySQL：关系型数据库，负责存储元数据和系统配置信息
3. Redis：内存数据库，提供缓存层加速特征访问
4. etcd：分布式键值存储，用于服务协调和配置管理

应用服务层

1. Horizon：后端REST API服务(端口8082)
2. Trufflebox UI：前端Web界面(端口3000)
3. Online Feature Store gRPC API：高性能gRPC接口(端口8089)
4. 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：

1. 检查Go语言环境
2. 创建工作区目录并生成配置文件
3. 拉取Docker镜像并启动所有服务
4. 等待服务健康检查通过
5. 初始化数据库表结构
6. 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：[e-mail]
  • 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

1. 端口冲突：确保3000、8081-8089、9042、3306、6379、2379端口未被占用
2. 网络问题：可尝试重建Docker网络
3. 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

1. 高性能特征存储：结合ScyllaDB和Redis实现低延迟特征访问
2. 多协议支持：同时提供REST和gRPC接口
3. 向量特征支持：专门优化了向量数据的存储和检索
4. 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。