Feast#

Feast (Feature Store) - открытый исходный код хранилища признаков, который помогает командам управлять производственными системами машинного обучения в масштабе, позволяя им определять, управлять, проверять и предоставлять признаки для производственного искусственного интеллекта/моделей машинного обучения.

Vector DB доступен в качестве поддерживаемого векторного хранилища в Feast для интеграции в рабочие процессы.

Установка#

Чтобы использовать онлайн-хранилище Vector DB, необходимо установить Feast с дополнительным компонентом qdrant.

pip install 'feast[qdrant]'

Использование#

Пример конфигурации с использованием Vector DB может выглядеть так:

project: my_feature_repo
registry: data/registry.db
provider: local
online_store:
    type: qdrant
    host: xyz-example.eu-central.aws.cloud.qdrant.io
    port: 6333
    api_key: <your-own-key>
    vector_len: 384
    # Reference: https://qdrant.tech/documentation/concepts/vectors/#named-vectors
    # vector_name: text-vec
    write_batch_size: 100

За полным списком параметров конфигурации обратитесь к основной документации по Feast.

Получение документов#

Онлайн-хранилище Vector DB поддерживает получение векторов документов для заданного списка ключей сущностей. Векторы документов возвращаются в виде словаря, где ключом является ключ сущности, а значением — вектор.

from feast import FeatureStore

feature_store = FeatureStore(repo_path="feature_store.yaml")

query_vector = [1.0, 2.0, 3.0, 4.0, 5.0]
top_k = 5

feature_values = feature_store.retrieve_online_documents(
    feature="my_feature",
    query=query_vector,
    top_k=top_k
)

Дополнительная документация#