feathr

一站式特征平台,让特征定义、计算和上线变得简单高效

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 245 🐛 待处理 165 👀 关注 60
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 1947
维护状态 低维护
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

feathr 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feathr-ai
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Scala
技术栈/模型apache-spark,artificial-intelligence,azure,data-engineering,data-quality,data-science,feature-engineering,feature-governance,feature-management,feature-marketplace,feature-metadata,feature-platform,feature-store,machine-learning,mlops
GitHub 星标★ 1947
上线时间2022-02-18 00:00:00
代码更新2024-04-04
仓库体积30.1 MB
本站数据更新2026-11-07
维护状态低维护
收录时间2026-08-09
浏览次数6

项目介绍

Feathr 是一个面向企业的可扩展、统一的数据与 AI 工程平台,主要用于特征工程的全生命周期管理。它解决了机器学习中特征定义、计算、存储和在线/离线一致性难以统一的问题,支持从原始数据到特征服务的完整流程。核心能力包括:基于 SQL 或 Python 的声明式特征定义、自动化的特征回溯计算(point-in-time join)、离线批量与在线实时特征存储、以及特征注册与发现。Feathr 与 Spark、Flink 等计算引擎集成,支持云原生部署,帮助团队高效构建和复用特征,加速模型上线。

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 ★ 1947

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 5 步

环境要求

  • 可运行 pip 的 Python 环境
  • 体验 Sandbox 需要容器(Docker)运行环境
  • 云端生产部署需要 Azure / Databricks / Azure Synapse 账号

安装与启动步骤

  1. 1安装 Feathr 客户端

    在 Python 环境中通过 PyPI 安装官方发布的 Feathr 客户端包,适用于本地开发与调用。

    pip install feathr
  2. 2安装 GitHub 最新代码

    如需最新未发布代码,可指定仓库子目录 feathr_project 直接从 GitHub 安装。

    pip install git+https://github.com/feathr-ai/feathr.git#subdirectory=feathr_project
  3. 3运行 Feathr Sandbox

    README 推荐用自包含容器 Sandbox 快速体验,声称 5 分钟可上手;但节选中具体命令缺失,请按官方 Sandbox 快速入门文档执行。

  4. 4云端生产部署

    Azure 生产部署有两种方式:ARM 模板自动化部署,或按 CLI 部署指南逐个资源手动搭建;也可按指南跑在 Databricks / Azure Synapse 上。

  5. 5运行示例 Notebook

    按官方 quick start Jupyter Notebook(azure_synapse 产品推荐 demo)体验完整流程,并配合快速入门指南阅读。

如何确认成功

执行 pip 安装命令无报错即表示 Feathr 客户端安装完成;Sandbox 与云端部署需按官方文档确认运行状态。

常见问题

Q:Sandbox 的启动命令是什么?

A:README 节选中该命令被截断未显示,请打开官方 Feathr Sandbox 快速入门文档获取完整可复制命令,不要自行猜测参数。

Q:必须使用 Azure 才能跑 Feathr 吗?

A:不是。本地只安装客户端即可;生产环境 README 提供的路径包括 Azure(ARM 或 CLI 部署)、Databricks 和 Azure Synapse。

Q:如何用仓库最新代码而不是 PyPI 包?

A:使用 pip install git+https://github.com/feathr-ai/feathr.git#subdirectory=feathr_project,注意子目录为 feathr_project。

Q:有可直接跑通的示例吗?

A:有,官方提供 quick start Jupyter Notebook(azure_synapse 下的 product_recommendation_demo.ipynb),并配有对应的快速入门指南。

注意事项

  • README 节选中 Sandbox 运行命令缺失,务必以官方文档为准,不要臆造 docker run 参数。
  • 云端部署会创建真实云资源,可能产生费用,请先确认账号与配额。
  • 项目主体使用 Scala 编写,但面向用户的主要入口是 Python 客户端包。

核心亮点

  • 声明式特征定义,支持 SQL 和 Python,降低使用门槛
  • 内置时间点连接(point-in-time join),避免数据泄漏,保证特征准确性
  • 统一离线与在线特征存储,支持实时获取,简化架构

不足之处

  • 文档和社区资源相对较少,上手可能有一定学习成本
  • 对非云环境或小型项目的部署复杂度较高

适用场景

  • 企业级机器学习平台的特征工程统一管理
  • 需要离线训练和在线推理特征一致的推荐或风控系统
  • 多团队协作,需要特征共享和复用的数据中台场景

替代项目

Feast、Tecton、Hopsworks

上一篇:mlops.toys

下一篇:space

同类项目推荐

azhpc-images 开源

一键构建 Azure 上优化好的 HPC/AI 虚拟机镜像,省去环境配置烦恼

Azure HPC/AI VM Images

★ 132 2026-08-09
PowerInfer 开源

让普通电脑也能飞快跑大模型,省显存不减速

High-speed Large Language Model Serving for Local Deployment

★ 9873 2026-08-09
Friday 开源

给 AI 代理装上企业级控制中枢,安全编排、可控运行

Private control plane for AI agents

★ 833 2026-08-09
llamafarm 开源

几分钟部署任意 AI 模型到本地或云端

Deploy any AI model, agent, database, RAG, and pipeline locally or remotely in minut···

★ 836 2026-08-09
e2a 开源

给AI智能体装上安全邮件收发网关,快速集成邮件能力

Open-source email API for applications and AI agents. Managed hosting at e2a.dev, or···

★ 199 2026-08-09
oss-llmops-stack 开源

一套组合拳,搞定 LLM 应用的路由、监控与调优

Modular, open source LLMOps stack that separates concerns: LiteLLM unifies LLM APIs,···

★ 155 2026-08-09
gpu-hot 开源

打开网页,实时盯紧每一块 NVIDIA GPU 的状态

Real-time NVIDIA GPU dashboard

★ 1643 2026-08-09
kiji-proxy 开源

给 OpenAI 请求加层隐私滤镜,敏感信息不外泄。

Privacy proxy for your OpenAI requests

★ 451 2026-08-09