space

一个框架管好机器学习全流程的存储，告别散乱文件

space 是一个面向机器学习全生命周期的统一存储框架，旨在解决 ML 项目中数据、模型、实验产物等分散存储、难以统一管理的问题。它提供了一套统一的接口和抽象层，让用户能够以一致的方式访问和操作不同后端（如本地文件系统、云存储等）中的数据。核心能力包括：统一的数据访问 API、对 ML 工作流中各类产物的组织与管理、以及与常见 ML 框架的集成。通过简化存储管理，space 帮助团队更高效地构建、迭代和复现机器学习实验，减少因存储碎片化带来的工程负担。

开源 free 基础设施
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 156
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类基础设施
开发团队google
所属国家
官网地址
GitHubhttps://github.com/google/space
定价模式free
价格说明开源框架，Apache-2.0 许可证，可免费使用和部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型apache-arrow,apache-parquet,data-warehouse,dataops,dataset,dml,lakehouse,machine-learning,mlops,multimodal,multimodal-data,olap,ray,tensorflow,tensorflow-dataset
GitHub 星标★ 156
30天Star增速
HF 下载量
上线时间2023-12-15 00:00:00
最近更新2026-08-06 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数2

使用教程

核心亮点

  • 统一抽象层，屏蔽多种存储后端差异，切换成本低
  • 面向 ML 生命周期设计，覆盖数据、模型、实验产物等场景
  • Python 原生，易于集成到现有 ML 流水线

不足之处

  • 项目处于早期，文档与社区生态待观察
  • 功能边界与成熟度尚未经过大规模生产验证

适用场景

  • 机器学习实验的数据版本管理与共享
  • 多环境（本地/云）下模型和产物的统一访问
  • 构建可复现的 ML 流水线，统一存储接口

替代项目

DVC、MLflow、LakeFS

项目介绍

space 是基础设施领域的开源项目，由 google 开发，2023 年首次发布。

它收录于基础设施分类，该分类目前共有 1,130 个项目，GitHub 星标数为 156。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-06。Apache-2.0 许可证，可免费使用和部署。

它主要面向的使用场景是：机器学习实验的数据版本管理与共享。同类可对比的替代方案包括 DVC、MLflow、LakeFS。

上一篇：feathr

下一篇：mlops-guide.github.io

同类项目推荐

freebuff-proxy 开源

聚合多账号，一键接入 OpenAI 兼容 API，轻松管理会话。

Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···

★ 213 2026-08-20
microduck 开源

用 Rust 造一只会走路的桌面小鸭，快速上手双足机器人。

A Tiny biped duck robot

★ 8684 2026-09-10
soperator 开源

用 Kubernetes 原生方式运行 Slurm，简化 HPC 集群管理。

Run Slurm in Kubernetes

★ 439 2026-08-10
ollama 开源

一条命令本地跑起大模型，免费、私密、不卡顿

Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other···

★ 181484 2026-08-09