feast

Q: 想安装指定版本怎么操作？

可使用 pip install feast==版本号 的形式固定版本，具体可用版本以 PyPI 上发布的信息为准。

统一管理 ML 特征，让训练和上线用同一份数据

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 1491 🐛 待处理 432 👀 关注 86

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 7357

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

项目数据

分类基础设施

开发团队feast-dev

官网地址https://feast.dev

GitHubhttps://github.com/feast-dev/feast

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Python

技术栈/模型big-data,data-engineering,data-quality,data-science,feature-store,features,machine-learning,ml,mlops,python

GitHub 星标★ 7357

上线时间2018-12-10 00:00:00

代码更新2026-11-06

仓库体积307.2 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9

项目介绍

Feast 是一个开源的 Feature Store（特征仓库），专为 AI/ML 场景设计，旨在解决机器学习模型开发与部署中特征管理混乱、训练与在线推理特征不一致、特征复用困难等痛点。它提供特征注册、存储、检索和监控的统一平台，支持从离线数据源（如 BigQuery、Snowflake）批量计算特征，并通过在线存储（如 Redis、DynamoDB）提供低延迟的特征服务，确保训练和线上使用同一套特征定义，避免训练-服务偏差。核心能力包括：声明式特征定义（用 Python 或 YAML）、时间点正确的特征检索（point-in-time joins）、特征血统与数据质量监控、与主流编排工具（Airflow、Kubeflow）集成，以及支持流式特征（如 Kafka）。Feast 帮助数据团队像管理代码一样管理特征，提升 ML 系统的工程化水平。

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 ★ 7357

技术标签

data-engineering data-quality data-science feature-store machine-learning

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：库/依赖 3 步

环境要求

已安装 Python 与 pip，可执行 pip install 命令
网络可访问 PyPI，能下载 feast 及其依赖
准备一个用于存放特征定义的项目目录，并在此目录下执行命令

安装与启动步骤

1安装 Feast

用 pip 从 PyPI 安装 Feast 官方包，安装完成后即可使用 feast 命令。建议在虚拟环境中安装，避免依赖冲突。
```
pip install feast
```
2编写特征定义

Feast 使用声明式方式定义特征，可用 Python 或 YAML 编写特征视图，把离线数据源映射成可复用的特征。需在项目目录中组织这些文件。
3注册特征定义

在包含特征定义的项目目录中执行 feast apply，将特征注册到 Feature Store，同时按配置创建或更新离线/在线存储。
```
feast apply
```

如何确认成功

执行 feast apply 后无报错并输出已注册的特征视图等信息，即表示特征仓库注册成功；也可用 pip show feast 确认包已安装。

常见问题

Q：feast apply 提示找不到特征定义怎么办？

A：feast apply 必须在存放特征定义的项目目录（feature repository）中执行。README 未给出初始化该目录的命令，请参考官网 feast.dev 文档创建仓库后再执行。

Q：Feast 支持哪些 Python 版本？

A：README 未说明版本要求，请查看官网文档或 PyPI 页面上的 Python 版本说明，并按提示选择合适的 Python 环境。

Q：pip 安装很慢或超时怎么办？

A：可在 pip install feast 命令后追加 -i 参数指定可用的 PyPI 镜像源，或适当增大 pip 的超时时间后重试。

Q：想安装指定版本怎么操作？

A：可使用 pip install feast==版本号的形式固定版本，具体可用版本以 PyPI 上发布的信息为准。

注意事项

README 的 Getting Started 只给出 pip install feast 与 feast apply 两条命令，完整教学请以官网 https://feast.dev 文档为准。
feast apply 会依据配置连接离线存储与在线存储（如 BigQuery、Snowflake、Redis、DynamoDB 等），运行前需确保相关基础设施与凭证已就绪。
建议在虚拟环境中安装，避免与现有 Python 包的依赖版本冲突。