hopsworks

管好特征，让 AI 模型开发又快又稳

Hopsworks 是一个面向数据密集型 AI 的平台，核心是 Feature Store（特征存储），旨在解决机器学习特征管理混乱、训练与推理数据不一致的问题。它提供特征组、训练数据集、特征视图等抽象，支持特征血缘追踪、在线/离线存储、以及特征监控，帮助团队实现特征复用和规范化。平台还集成了模型注册表、MLOps 流水线（如 Airflow、KServe）和 Notebook 环境，支持从数据处理到模型部署的全流程。其底层基于 Hadoop 和 Kubernetes，可部署在本地或云上。对于需要治理特征、加速模型迭代的团队，Hopsworks 提供了一套企业级解决方案。

开源 unknown 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1307

维护状态低维护

是否开源是

定价模式 unknown

项目数据

分类基础设施

开发团队logicalclocks

所属国家

官网地址https://hopsworks.ai

GitHubhttps://github.com/logicalclocks/hopsworks

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议AGPL-3.0

主要语言Java

技术栈/模型aws,azure,data-science,feature-engineering,feature-management,feature-store,gcp,governance,hopsworks,kserve,machine-learning,ml,mlops,model-serving,pyspark,python,serverless

GitHub 星标★ 1307

30天Star增速

HF 下载量

上线时间2018-07-26 00:00:00

最近更新2026-09-16 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4

使用教程

难度：入门约 10 分钟部署方式：本地安装 3 步

环境要求

Python 3 环境（README 使用 python3 执行安装脚本）
可联网下载安装脚本
支持 Kubernetes 的基础设施（脚本名 hopsworks-k8s-installer 表明为 K8s 安装）
本地部署需联系官方团队评估基础设施

安装与启动步骤

1下载安装脚本

从官方仓库拉取 K8s 安装脚本 install-hopsworks.py 到当前目录，需保证网络可访问 raw.githubusercontent.com。
```
curl -O https://raw.githubusercontent.com/logicalclocks/hopsworks-k8s-installer/master/install-hopsworks.py
```
2执行安装脚本

用 python3 运行脚本，按脚本交互提示完成 Hopsworks 部署；本地部署建议先与官方工程团队确认环境。
```
python3 install-hopsworks.py
```
3或使用云端版

不想自建可跳过安装，直接访问 app.hopsworks.ai 使用 Serverless 版（beta），无需本地环境。

如何确认成功

脚本执行无报错并输出部署完成信息，或成功进入 app.hopsworks.ai 控制台即视为可用。

常见问题

Q：一定要自己部署吗？

A：不必。README 提供 Serverless（beta）方式，直接访问 app.hopsworks.ai 即可使用云端托管服务。

Q：本地部署有什么门槛？

A：README 说明 on-premise 部署需与 Hopsworks 工程团队合作，因为每套基础设施都需定制化配置。

Q：脚本下载失败怎么办？

A：检查能否访问 raw.githubusercontent.com，或在能联网的环境中下载后拷贝到目标机器再执行。

注意事项

README 仅提供一条快捷安装命令，未给出端口、配置项等细节
on-premise 部署需联系官方评估网络、安全策略与硬件
安装脚本属于 hopsworks-k8s-installer 仓库，依赖 Kubernetes 环境

核心亮点

提供企业级 Feature Store，支持特征复用、血缘追踪和在线/离线一致性
集成 MLOps 全流程，从特征到训练到部署，减少工具链拼接成本
基于成熟 Hadoop/K8s 生态，可扩展性强，支持本地和云部署

不足之处

部署和运维复杂度较高，对小型团队不友好
文档和社区资源相对有限，上手门槛较高

适用场景

机器学习团队需要统一管理特征并保证训练/推理一致性
企业构建端到端 AI 平台，需要集成特征、训练和部署
大规模数据场景下需要特征复用和治理的团队

替代项目

Feast、Tecton、Vertex AI Feature Store

项目介绍

hopsworks 是基础设施领域的开源项目，由 logicalclocks 开发，2018 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（1,307）位列前 30%，在基础设施分类中处于中上游。

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 2026-09-16。

它主要面向的使用场景是：机器学习团队需要统一管理特征并保证训练/推理一致性。同类可对比的替代方案包括 Feast、Tecton、Vertex AI Feature Store。

上一篇：awesome-open-source-data-engineering

下一篇：cresset