OpenMLDB

用SQL统一训练与推理特征,告别线上线下不一致

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 基础设施 🍴 复刻 335 🐛 待处理 413 👀 关注 39
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1716
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目,Apache-2.0许可证,可免费使用和部署。

项目预览

OpenMLDB 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类基础设施
开发团队4paradigm
定价模式🏷️完全免费
价格说明开源项目,Apache-2.0许可证,可免费使用和部署。
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议Apache-2.0
主要语言C++
技术栈/模型database-for-ai,database-for-machine-learning,feature-engineering,feature-extraction,feature-store,featureops,featurestore,in-memory-database,machine-learning,machine-learning-database,mlops
GitHub 星标★ 1716
上线时间2021-03-12 00:00:00
代码更新2026-11-08
仓库体积205.6 MB
本站数据更新2026-11-09
维护状态活跃
收录时间2026-08-09
浏览次数3

项目介绍

OpenMLDB是一个开源的机器学习数据库,旨在解决ML特征计算中训练与推理不一致的痛点。它提供统一的特征平台,让用户能用SQL定义特征,并在训练和线上推理时获得完全一致的计算结果,避免了传统方案中特征工程代码在离线训练和在线服务间重复开发、结果偏差的问题。其核心能力包括高性能的时序特征计算引擎、支持实时与批处理一体化的存储与计算,以及低延迟的在线特征服务。项目基于C++实现,具备生产级可用性,适合金融风控、推荐系统等对特征一致性要求高的场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1716

使用教程

⚠ 本教程由 AI 依据该项目 README 整理;原始文档不完整,部分步骤为通用流程推断,实际安装请以项目官方文档为准。

难度:进阶 约 15 分钟 部署方式:本地安装 3 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • 能访问 GitHub Release 页面或 OpenMLDB 国内镜像站以下载安装包
  • 具体操作系统版本、依赖库与硬件要求以官方安装部署文档为准
  • 准备好官方文档中 QuickStart 所需的运行环境

安装与启动步骤

  1. 1下载安装包

    从 GitHub Release 或国内镜像站获取 OpenMLDB 发布包,README 未给出具体下载命令,请到页面手动选择版本。

  2. 2查阅安装部署文档

    按官方 install_deploy 文档选择部署方式并逐步执行,中英文文档均可参考,README 未给出具体安装命令。

  3. 3跑通 QuickStart

    部署完成后按官方 QuickStart 文档做一次完整验证,确认数据库可正常启动并能执行示例 SQL。

如何确认成功

按官方 QuickStart 文档操作,数据库能正常启动、连上并成功执行示例 SQL 查询,即表示部署成功。

常见问题

Q:从哪里下载 OpenMLDB?

A:README 给出两个渠道:GitHub release 页面(github.com/4paradigm/OpenMLDB/releases)和国内镜像站 www.openmldb.com/download/。

Q:安装部署步骤在哪里看?

A:README 提供官方安装部署文档链接 openmldb.ai/docs 下的 install_deploy 页面,分英文和中文两个版本。

Q:有没有快速上手示例?

A:有,README 指向 OpenMLDB QuickStart 文档:openmldb.ai/docs/en/main/quickstart/openmldb_quickstart.html。

Q:遇到问题去哪里求助?

A:README 列有 Community 章节,可通过社区渠道反馈;建议同时查阅官方文档站的 FAQ 与文档。

注意事项

  • README 节选中未给出任何可复制执行的安装命令,本教程步骤仅为通用准备动作,实际命令务必以官方安装部署文档为准。
  • 下载与安装涉及具体版本号、端口和路径,请以官方文档对应版本的说明为准,不要照搬其他版本。
  • 国内网络环境下载可能较慢,可优先使用 README 提供的国内镜像站。

核心亮点

  • 首创训练/推理一致性计算引擎,从架构上消除特征偏差
  • SQL化特征开发,大幅降低特征工程门槛和重复代码
  • 高性能时序计算与在线服务,支持毫秒级特征查询

不足之处

  • 生态相对年轻,周边工具和文档丰富度不及成熟数据库
  • 深度依赖C++技术栈,二次开发门槛较高

适用场景

  • 金融风控中的实时反欺诈特征计算
  • 推荐系统的在线与离线统一特征平台
  • 物联网时序数据的实时特征提取与模型推理

替代项目

Feast、RavenDB、Apache Flink

上一篇:awesome-fde-resources

下一篇:mlops-stacks

同类项目推荐

thunderid 开源

为人类和 AI 智能体打造可组合的高性能身份认证与授权栈

ThunderID, an LF Decentralized Trust project, is a high-performance, open-source ide···

★ 611 2026-08-09
OmniRoute 开源

一个接口接入 290+ 模型,自动省钱还能无缝切换

Never stop coding. Free MIT AI gateway: one endpoint, 375 providers (150+ free), 1,4···

★ 85833 2026-08-09
featureform 开源

把已有数据库变成特征存储,无需迁移,快速上线ML特征。

The Virtual Feature Store. Turn your existing data infrastructure into a feature sto···

★ 1991 2026-08-09
Mooncake 开源

用缓存复用和分离式调度,让大模型服务又快又省

Mooncake is the serving platform for Kimi, a leading LLM service provided by Moonsho···

★ 7011 2026-08-09
k8ssandra-operator 开源

在 K8s 上像管理应用一样管理 Cassandra 集群,自动部署与运维

The Kubernetes operator for K8ssandra

★ 243 2026-08-09
langfuse 开源

一站式搞定 LLM 应用调试、评估和提示词管理

Open source agent evals & observability: Trace, evaluate, and improve LLM applicatio···

★ 37187 2026-08-09
copilot-api 开源

把 Copilot 订阅变成 OpenAI 兼容 API,一行代码接入现有应用

GitHub Copilot, OpenAI Codex, OpenCode Go, and third-party AI provider gateway with ···

★ 1116 2026-08-09
model-compose 开源

一个 YAML 文件,快速部署生产级 AI 服务,随处运行。

Declarative AI pipelines in one YAML file. Tokens, audio chunks, and video frames fl···

★ 119 2026-08-09