阿里云机器学习PAI全新推出特征平台 (Feature Store)，助力AI建模场景特征数据高效利用

推荐算法与系统在全球范围内已得到广泛应用，为用户提供了更个性化和智能化的产品推荐体验。在推荐系统领域，AI建模中特征数据的复用、一致性等问题严重影响了建模效率。阿里云机器学习平台 PAI 推出特征平台（PAI-FeatureStore） 。在所有需要特征的AI建模场景，用户可通过 Feature Store 轻松地共享和重用特征数据，减少资源和时间成本、提升工作效率。

什么是特征平台

特征平台（Feature Store）是一种中心化的数据管理和共享平台，用于组织、存储和管理机器学习和数据科学中使用的特征数据。在多个细分场景解决AI模型的训练和推理输入特征数据问题。

阿里云机器学习平台 PAI-FeatureStore 与阿里云多个云产品的深度结合，封装从特征到模型的全链路。并且，基于推荐算法流程的开发，实现与已有的成熟推荐流程无缝衔接，进一步提升算法工程师和开发人员的效率。

通过 PAI-FeatureStore，有效地提升工作效率、减少资源成本和开发时间。作为一个集中的、可扩展的、高效的特征数据存储和访问解决方案，解决了在AI建模中特征数据的复用、一致性、可发现性和可管理性等问题。PAI-FeatureStore 自动完成在线和离线表的构建，保证在线和离线的一致性，同时在特征表只存一份的情况下，能够向多人共享特征；离线存储方面支持阿里云云原生大数据计算服务MaxCompute，在线存储方面支持阿里云实时数仓Hologres、GraphCompute 和 TableStore 等产品，算法工程师无需深入了解各个存储产品的使用细节，通过网页手动操作或 Python SDK 即可完成特征处理。

PAI-FeatureStore 适用场景及优势功能

阿里云机器学习平台 PAI-FeatureStore 适用于推荐场景、用户增长、广告或者是金融风控场景等需要特征的AI建模场景，为数据分析师和建模人员提供统一的数据特征存储和管理平台，方便进行数据处理、特征提取和分析。

目前 PAI-FeatureStore 主要功能如下：

离线数据和在线数据一致：PAI-FeatureStore 中，各个产品的数据同步操作都封装为一行数据同步的代码，帮忙用户屏蔽了不同存储产品繁琐的数据授权等操作细节，保证数据一致性，提高特征数据处理和使用的准确率和效率；

自动关联特征表：PAI-FeatureStore 中，支持将模型训练所需要的各种特征组合在一起，导出成模型训练所需要的训练表。当训练所需的特征散落在多张不同的表里时，PAI-FeatureStore支持自动将多张表关联导出。并且，支持序列表导出、按event_time关联导出、自动按表大小排序及优化导出时间等；
自动模型特征分析：PAI-FeatureStore 支持PAI-EAS自动分析出模型需要使用的特征，并且自动加载好相关特征。通过指定好PAI-FeatureStore 中的项目名、模型特征名等，预测引擎能自动分析出所需要的特征并进行加载，简化使用流程；
实时特征秒级读取：PAI-FeatureStore 支持客户对特征进行分类的注册。在实时特征值存在秒级别变化的推荐场景中，对特征链路要求高，当有线上请求来读取特征时，PAI-FeatureStore会判断需要读取的若为实时特征，直接对在线存储的进行读取。上千个实时特征的读取可以在15ms，满足低延迟要求；
多版本特征管理：PAI-FeatureStore 支持增量挖掘特征，解决特征种类复杂，线上数据来源多样的问题。方便线上模型迭代，同时节约存储资源；

此外，PAI-FeatureStore 还有深度结合PAI全链路推荐系统PAI-REC，实现离在线一致性检查；通过SDK可直接使用 PAI-FeatureStore 所有产品能力；支持 PAI-EAS 直接从 MaxCompute 拉取特征，减少在线存储压力等功能。