Feast 本地进程特性服务器Local Feature Server配置详解LocalFeatureServerConfig 与 feast serve 实战【免费下载链接】feastThe Open Source Feature Store for AI/ML项目地址: https://gitcode.com/GitHub_Trending/fe/feast本文围绕 Feast 的feast.infra.feature_servers.local_process模块完整讲解本地进程型特性服务器的配置体系——从LocalFeatureServerConfig的类型选择器与 transformation 端点到基类中的特性日志Feature Logging、Prometheus 指标Metrics与离线写入批处理Offline Push Batching配置并结合feast serve命令行、配置解析源码与测试用例给出可直接落地的feature_store.yaml配置与运行方案。读完本文你将能独立完成本地特性服务器的配置、启动、指标采集与日志落盘的全链路实操。模块定位local_process 在 Feast 特性服务器体系中的角色feast.infra.feature_servers.local_process是 Feast Python 特性服务器的本地进程实现与多云容器化实现feast.infra.feature_servers.multicloud并列参见 sdk/python/feast/infra/feature_servers/。它对应的 API 文档索引页为 feast.infra.feature_servers.local_process.rst该页面通过 Sphinxautomodule指令动态渲染两个对象的完整成员文档包本体feast.infra.feature_servers.local_process当前仅承载配置模块init.py 为空配置模块feast.infra.feature_servers.local_process.config其中定义了核心配置类LocalFeatureServerConfig。也就是说本文讲解的本地进程特性服务器在 Feast 中的实体就是通过feature_store.yaml的feature_server段落声明、由LocalFeatureServerConfig建模、最终经feast serve命令在当前主机进程中拉起的 HTTP 服务。LocalFeatureServerConfig本地特性服务器的类型与端点声明config.py 中LocalFeatureServerConfig的完整定义如下from typing import Literal from feast.infra.feature_servers.base_config import BaseFeatureServerConfig class LocalFeatureServerConfig(BaseFeatureServerConfig): # Feature server type selector. type: Literal[local] local # The endpoint definition for transformation_service transformation_service_endpoint: str localhost:6569该类只新增两个字段其余能力全部继承自BaseFeatureServerConfigtype: Literal[local] local特性服务器类型选择器。该值必须为字面量local用于在配置解析时路由到本配置类详见下文配置解析链路一节。transformation_service_endpoint: str localhost:6569transformation service特征变换服务的端点定义默认localhost:6569。该默认端口与 Feast 定义的特征变换服务默认端口常量一致见 constants.py 中DEFAULT_FEATURE_TRANSFORMATION_SERVER_PORT 6569并对应feast serve_transformations命令的默认监听端口。从源码结构看该字段作为本地特性服务器与特征变换服务之间的端点配置契约存在同类配置在 MCP 特性服务器中也以localhost:6566形式出现见 mcp_config.py。继承自 BaseFeatureServerConfig 的通用配置项所有字段能力来自基类 base_config.py 中的BaseFeatureServerConfig它继承自 Feast 的FeastConfigBaseModelpydantic 模型extraforbid意味着 feature_server 段落中未声明的键会被拒绝。通用字段如下配置字段类型默认值含义enabledStrictBoolFalse是否启动特性服务器metricsOptional[MetricsConfig]NonePrometheus 指标配置设置metrics.enabled: true即激活feature_loggingOptional[FeatureLoggingConfig]None特性日志served features 落盘/落库配置offline_push_batching_enabledOptional[StrictBool]None是否通过/push端点对离线存储写入做批量聚合offline_push_batching_batch_sizeOptional[StrictInt]None离线写入的最大批大小offline_push_batching_batch_interval_secondsOptional[StrictInt]None两次离线批量写入之间的时间间隔秒其中offline_push_batching_*三个字段在 feature_server.py 的应用创建逻辑中被实际读取仅当offline_push_batching_enabled is True且batch_size、batch_interval_seconds均为合法整数时才会构造OfflineWriteBatcher若开启但数值缺失或非法会打印告警并自动降级为关闭批处理。FeatureLoggingConfig特性日志的收集与落盘策略FeatureLoggingConfigbase_config.py控制特性服务器对被服务的特征值进行日志记录参数含义如下字段类型默认值说明enabledStrictBoolFalse是否记录被服务的特征flush_interval_secsStrictInt600将日志刷新到离线存储目标的间隔秒write_to_disk_interval_secsStrictInt30将内存中累积的日志转储到本地磁盘的间隔秒queue_capacityStrictInt100000日志队列容量当日志产生速度超过处理速度时队列会累积达到该上限后新日志项将被拒绝emit_timeout_micro_secsStrictInt10000向队列添加单条日志项的超时时间微秒这套内存队列 定时落盘 定时刷入离线存储的三层机制用于在高 QPS 下平滑吸收日志写入压力、避免阻塞在线特征服务。在 Feast 的通用测试仓库配置中LocalFeatureServerConfig即通过FeatureLoggingConfig(enabledTrue)显式开启特性日志见 repo_configuration.py。MetricsConfigPrometheus 指标的分级开关MetricsConfigbase_config.py采用总开关 分类开关两级结构单一enabled标志控制全局启停各分类布尔值允许细粒度裁剪。enabled既可通过配置文件开启也可在运行时通过feast serve --metrics命令行标志激活两者任一即可。字段默认值控制的指标enabledFalsePrometheus 指标采集与指标 HTTP 服务默认端口 8000总开关resourceTrueCPU 与内存使用率 gaugefeast_feature_server_cpu_usage、feast_feature_server_memory_usagerequestTrue按端点统计的请求计数器与延迟直方图feast_feature_server_request_total、feast_feature_server_request_latency_secondsonline_featuresTrue在线特征检索指标feast_online_features_request_total、feast_online_features_entity_count、feast_feature_server_online_store_read_duration_seconds、feast_feature_server_transformation_duration_seconds、feast_feature_server_write_transformation_duration_seconds其中 ODFV 变换指标还要求OnDemandFeatureView定义中开启track_metricsTruepushTrue推送/写入请求计数器feast_push_request_totalmaterializationTrue物化成功/失败计数器与耗时直方图feast_materialization_result_total、feast_materialization_duration_secondsfreshnessTrue按 feature view 统计的数据新鲜度 gaugefeast_feature_freshness_secondsoffline_featuresTrue离线存储检索指标feast_offline_store_request_total、feast_offline_store_request_latency_seconds、feast_offline_store_row_countaudit_loggingFalse通过feast.auditlogger 输出结构化 JSON 审计日志捕获请求者身份、实体键、feature view、行数与延迟上述指标在 metrics.py 中有对应的 Prometheus 客户端定义与实现佐证例如带multiprocess_modeliveall的 CPU/内存 gauge、带自定义 bucket 的请求延迟直方图等。配置解析链路feature_store.yaml 中的 feature_server 段落feature_server配置在feature_store.yaml中声明由 repo_config.py 负责解析。其关键机制如下类型注册表FEATURE_SERVER_CONFIG_CLASS_FOR_TYPE字典将local映射到feast.infra.feature_servers.local_process.config.LocalFeatureServerConfig见 repo_config.py。动态实例化RepoConfig._validate_feature_server_config会读取feature_server字典的type键缺省时自动补为local再通过get_feature_server_config_from_type定位配置类并完成 pydantic 校验与实例化。类型校验type不在注册表内时抛出FeastFeatureServerTypeInvalidError。一个完整可用的本地特性服务器配置示例project: my_feature_repo provider: local registry: registry_type: file path: data/registry.db online_store: type: sqlite path: data/online_store.db feature_server: enabled: true type: local metrics: enabled: true resource: true request: true online_features: true audit_logging: false feature_logging: enabled: true flush_interval_secs: 600 write_to_disk_interval_secs: 30 queue_capacity: 100000 emit_timeout_micro_secs: 10000 offline_push_batching_enabled: true offline_push_batching_batch_size: 1000 offline_push_batching_batch_interval_seconds: 60feast serve启动本地特性服务器的命令行实操本地特性服务器通过feast serve命令启动命令定义位于 cli/serve.py核心参数及默认值如下参数默认值说明--host/-h127.0.0.1监听主机--port/-p6566监听端口--type/-thttp服务器类型当前仅支持http传grpc会报错--no-access-log关闭禁用 Uvicorn 访问日志--workers/-w1worker 进程数-1表示按 CPU 核数自动计算--worker-connections1000每个 worker 的最大并发连接数--max-requests1000worker 重启前处理的最大请求数防止内存泄漏--max-requests-jitter50附加在 max-requests 上的随机抖动避免 worker 集体重启--keep-alive-timeout30keep-alive 连接超时秒--registry_ttl_sec/-r60registry 刷新间隔秒越大开销越低但数据越陈旧--key/-k、--cert/-c空TLS 私钥与证书路径必须成对传入才启用 TLS--metrics/-m关闭启用 Prometheus 指标服务器典型启动命令cd my_feature_repo feast serve --host 0.0.0.0 --port 6566 --workers 4 --metrics从源码调用链看feast serve命令最终调用FeatureStore.serve()feature_store.py再由feature_server.start_server()feature_server.py完成实际启动其关键行为包括读取store.config.feature_server.metrics.enabled与 CLI--metrics标志两者取并集决定是否启动指标服务器指标服务器默认端口为 8000见 metrics.py 中start_metrics_server的port: int 8000与 wsgiref HTTP 服务实现。在非 Windows 平台使用 Gunicorn 作为 HTTP 服务器支持多 worker、worker 连接数、max-requests、keep-alive、TLS keyfile/certfile 等选项Windows 平台回退到 Uvicorn。初始化鉴权管理器与安全上下文支持no_auth、kubernetes、oidc等鉴权类型见 repo_config.py 的ALLOWED_AUTH_TYPES。服务器启动后对外提供以下 HTTP 端点见 feature_server.py/get-online-features在线特征检索、/push特征推送、/write-to-online-store、/materialize、/materialize-incremental、/health健康检查以及向量检索相关的/search、/retrieve-online-documents、/v1/vector_stores系列端点。transformation 服务端点与 serve_transformations 的联动LocalFeatureServerConfig.transformation_service_endpoint默认值localhost:6569与 Feast 的特征变换服务端口常量一致。若你的 feature view 依赖 on-demand 变换逻辑可单独启动变换服务feast serve_transformations --port 6569serve_transformations命令cli/serve.py与feast serve处于同一 CLI 命名空间其内部通过FeatureStore.serve_transformations()feature_store.py拉起变换服务。需要注意的是ODFV 属于实验性功能serve_transformations会发出实验特性警告该端点在本地特性服务器配置中作为端点契约存在实际消费路径请以所在版本的 serving 实现为准。测试佐证配置类如何被验证与使用仓库中的测试从两个层面验证了本模块通用测试环境装配repo_configuration.py 直接构造LocalFeatureServerConfig(feature_loggingFeatureLoggingConfig(enabledTrue))并将其注入测试环境的feature_server键证明该配置类可脱离 YAML 以纯 Python 方式实例化。单元级行为验证test_feature_server.py 通过_enable_offline_batching_config工具函数验证offline_push_batching_*三件套在 mocked FeatureStore 上的装载逻辑印证了批处理配置的读取契约。总结feast.infra.feature_servers.local_process是 Feast Python 本地特性服务器的最小配置入口LocalFeatureServerConfig以type: local标识自身通过继承BaseFeatureServerConfig获得特性日志、Prometheus 指标、离线写入批处理三大可观测/可治理能力配合feature_store.yaml的feature_server段落与feast serve命令即可在本地进程内拉起一个支持在线特征检索、特征推送、物化、指标暴露与日志落盘的完整 HTTP 特性服务。对于快速验证、单机部署与本地开发场景这是 Feast 开箱即用的默认选择。【免费下载链接】feastThe Open Source Feature Store for AI/ML项目地址: https://gitcode.com/GitHub_Trending/fe/feast创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Feast 本地进程特性服务器（Local Feature Server）配置详解：LocalFeatureServerConfig 与 feast serve 实战
Feast 本地进程特性服务器Local Feature Server配置详解LocalFeatureServerConfig 与 feast serve 实战【免费下载链接】feastThe Open Source Feature Store for AI/ML项目地址: https://gitcode.com/GitHub_Trending/fe/feast本文围绕 Feast 的feast.infra.feature_servers.local_process模块完整讲解本地进程型特性服务器的配置体系——从LocalFeatureServerConfig的类型选择器与 transformation 端点到基类中的特性日志Feature Logging、Prometheus 指标Metrics与离线写入批处理Offline Push Batching配置并结合feast serve命令行、配置解析源码与测试用例给出可直接落地的feature_store.yaml配置与运行方案。读完本文你将能独立完成本地特性服务器的配置、启动、指标采集与日志落盘的全链路实操。模块定位local_process 在 Feast 特性服务器体系中的角色feast.infra.feature_servers.local_process是 Feast Python 特性服务器的本地进程实现与多云容器化实现feast.infra.feature_servers.multicloud并列参见 sdk/python/feast/infra/feature_servers/。它对应的 API 文档索引页为 feast.infra.feature_servers.local_process.rst该页面通过 Sphinxautomodule指令动态渲染两个对象的完整成员文档包本体feast.infra.feature_servers.local_process当前仅承载配置模块init.py 为空配置模块feast.infra.feature_servers.local_process.config其中定义了核心配置类LocalFeatureServerConfig。也就是说本文讲解的本地进程特性服务器在 Feast 中的实体就是通过feature_store.yaml的feature_server段落声明、由LocalFeatureServerConfig建模、最终经feast serve命令在当前主机进程中拉起的 HTTP 服务。LocalFeatureServerConfig本地特性服务器的类型与端点声明config.py 中LocalFeatureServerConfig的完整定义如下from typing import Literal from feast.infra.feature_servers.base_config import BaseFeatureServerConfig class LocalFeatureServerConfig(BaseFeatureServerConfig): # Feature server type selector. type: Literal[local] local # The endpoint definition for transformation_service transformation_service_endpoint: str localhost:6569该类只新增两个字段其余能力全部继承自BaseFeatureServerConfigtype: Literal[local] local特性服务器类型选择器。该值必须为字面量local用于在配置解析时路由到本配置类详见下文配置解析链路一节。transformation_service_endpoint: str localhost:6569transformation service特征变换服务的端点定义默认localhost:6569。该默认端口与 Feast 定义的特征变换服务默认端口常量一致见 constants.py 中DEFAULT_FEATURE_TRANSFORMATION_SERVER_PORT 6569并对应feast serve_transformations命令的默认监听端口。从源码结构看该字段作为本地特性服务器与特征变换服务之间的端点配置契约存在同类配置在 MCP 特性服务器中也以localhost:6566形式出现见 mcp_config.py。继承自 BaseFeatureServerConfig 的通用配置项所有字段能力来自基类 base_config.py 中的BaseFeatureServerConfig它继承自 Feast 的FeastConfigBaseModelpydantic 模型extraforbid意味着 feature_server 段落中未声明的键会被拒绝。通用字段如下配置字段类型默认值含义enabledStrictBoolFalse是否启动特性服务器metricsOptional[MetricsConfig]NonePrometheus 指标配置设置metrics.enabled: true即激活feature_loggingOptional[FeatureLoggingConfig]None特性日志served features 落盘/落库配置offline_push_batching_enabledOptional[StrictBool]None是否通过/push端点对离线存储写入做批量聚合offline_push_batching_batch_sizeOptional[StrictInt]None离线写入的最大批大小offline_push_batching_batch_interval_secondsOptional[StrictInt]None两次离线批量写入之间的时间间隔秒其中offline_push_batching_*三个字段在 feature_server.py 的应用创建逻辑中被实际读取仅当offline_push_batching_enabled is True且batch_size、batch_interval_seconds均为合法整数时才会构造OfflineWriteBatcher若开启但数值缺失或非法会打印告警并自动降级为关闭批处理。FeatureLoggingConfig特性日志的收集与落盘策略FeatureLoggingConfigbase_config.py控制特性服务器对被服务的特征值进行日志记录参数含义如下字段类型默认值说明enabledStrictBoolFalse是否记录被服务的特征flush_interval_secsStrictInt600将日志刷新到离线存储目标的间隔秒write_to_disk_interval_secsStrictInt30将内存中累积的日志转储到本地磁盘的间隔秒queue_capacityStrictInt100000日志队列容量当日志产生速度超过处理速度时队列会累积达到该上限后新日志项将被拒绝emit_timeout_micro_secsStrictInt10000向队列添加单条日志项的超时时间微秒这套内存队列 定时落盘 定时刷入离线存储的三层机制用于在高 QPS 下平滑吸收日志写入压力、避免阻塞在线特征服务。在 Feast 的通用测试仓库配置中LocalFeatureServerConfig即通过FeatureLoggingConfig(enabledTrue)显式开启特性日志见 repo_configuration.py。MetricsConfigPrometheus 指标的分级开关MetricsConfigbase_config.py采用总开关 分类开关两级结构单一enabled标志控制全局启停各分类布尔值允许细粒度裁剪。enabled既可通过配置文件开启也可在运行时通过feast serve --metrics命令行标志激活两者任一即可。字段默认值控制的指标enabledFalsePrometheus 指标采集与指标 HTTP 服务默认端口 8000总开关resourceTrueCPU 与内存使用率 gaugefeast_feature_server_cpu_usage、feast_feature_server_memory_usagerequestTrue按端点统计的请求计数器与延迟直方图feast_feature_server_request_total、feast_feature_server_request_latency_secondsonline_featuresTrue在线特征检索指标feast_online_features_request_total、feast_online_features_entity_count、feast_feature_server_online_store_read_duration_seconds、feast_feature_server_transformation_duration_seconds、feast_feature_server_write_transformation_duration_seconds其中 ODFV 变换指标还要求OnDemandFeatureView定义中开启track_metricsTruepushTrue推送/写入请求计数器feast_push_request_totalmaterializationTrue物化成功/失败计数器与耗时直方图feast_materialization_result_total、feast_materialization_duration_secondsfreshnessTrue按 feature view 统计的数据新鲜度 gaugefeast_feature_freshness_secondsoffline_featuresTrue离线存储检索指标feast_offline_store_request_total、feast_offline_store_request_latency_seconds、feast_offline_store_row_countaudit_loggingFalse通过feast.auditlogger 输出结构化 JSON 审计日志捕获请求者身份、实体键、feature view、行数与延迟上述指标在 metrics.py 中有对应的 Prometheus 客户端定义与实现佐证例如带multiprocess_modeliveall的 CPU/内存 gauge、带自定义 bucket 的请求延迟直方图等。配置解析链路feature_store.yaml 中的 feature_server 段落feature_server配置在feature_store.yaml中声明由 repo_config.py 负责解析。其关键机制如下类型注册表FEATURE_SERVER_CONFIG_CLASS_FOR_TYPE字典将local映射到feast.infra.feature_servers.local_process.config.LocalFeatureServerConfig见 repo_config.py。动态实例化RepoConfig._validate_feature_server_config会读取feature_server字典的type键缺省时自动补为local再通过get_feature_server_config_from_type定位配置类并完成 pydantic 校验与实例化。类型校验type不在注册表内时抛出FeastFeatureServerTypeInvalidError。一个完整可用的本地特性服务器配置示例project: my_feature_repo provider: local registry: registry_type: file path: data/registry.db online_store: type: sqlite path: data/online_store.db feature_server: enabled: true type: local metrics: enabled: true resource: true request: true online_features: true audit_logging: false feature_logging: enabled: true flush_interval_secs: 600 write_to_disk_interval_secs: 30 queue_capacity: 100000 emit_timeout_micro_secs: 10000 offline_push_batching_enabled: true offline_push_batching_batch_size: 1000 offline_push_batching_batch_interval_seconds: 60feast serve启动本地特性服务器的命令行实操本地特性服务器通过feast serve命令启动命令定义位于 cli/serve.py核心参数及默认值如下参数默认值说明--host/-h127.0.0.1监听主机--port/-p6566监听端口--type/-thttp服务器类型当前仅支持http传grpc会报错--no-access-log关闭禁用 Uvicorn 访问日志--workers/-w1worker 进程数-1表示按 CPU 核数自动计算--worker-connections1000每个 worker 的最大并发连接数--max-requests1000worker 重启前处理的最大请求数防止内存泄漏--max-requests-jitter50附加在 max-requests 上的随机抖动避免 worker 集体重启--keep-alive-timeout30keep-alive 连接超时秒--registry_ttl_sec/-r60registry 刷新间隔秒越大开销越低但数据越陈旧--key/-k、--cert/-c空TLS 私钥与证书路径必须成对传入才启用 TLS--metrics/-m关闭启用 Prometheus 指标服务器典型启动命令cd my_feature_repo feast serve --host 0.0.0.0 --port 6566 --workers 4 --metrics从源码调用链看feast serve命令最终调用FeatureStore.serve()feature_store.py再由feature_server.start_server()feature_server.py完成实际启动其关键行为包括读取store.config.feature_server.metrics.enabled与 CLI--metrics标志两者取并集决定是否启动指标服务器指标服务器默认端口为 8000见 metrics.py 中start_metrics_server的port: int 8000与 wsgiref HTTP 服务实现。在非 Windows 平台使用 Gunicorn 作为 HTTP 服务器支持多 worker、worker 连接数、max-requests、keep-alive、TLS keyfile/certfile 等选项Windows 平台回退到 Uvicorn。初始化鉴权管理器与安全上下文支持no_auth、kubernetes、oidc等鉴权类型见 repo_config.py 的ALLOWED_AUTH_TYPES。服务器启动后对外提供以下 HTTP 端点见 feature_server.py/get-online-features在线特征检索、/push特征推送、/write-to-online-store、/materialize、/materialize-incremental、/health健康检查以及向量检索相关的/search、/retrieve-online-documents、/v1/vector_stores系列端点。transformation 服务端点与 serve_transformations 的联动LocalFeatureServerConfig.transformation_service_endpoint默认值localhost:6569与 Feast 的特征变换服务端口常量一致。若你的 feature view 依赖 on-demand 变换逻辑可单独启动变换服务feast serve_transformations --port 6569serve_transformations命令cli/serve.py与feast serve处于同一 CLI 命名空间其内部通过FeatureStore.serve_transformations()feature_store.py拉起变换服务。需要注意的是ODFV 属于实验性功能serve_transformations会发出实验特性警告该端点在本地特性服务器配置中作为端点契约存在实际消费路径请以所在版本的 serving 实现为准。测试佐证配置类如何被验证与使用仓库中的测试从两个层面验证了本模块通用测试环境装配repo_configuration.py 直接构造LocalFeatureServerConfig(feature_loggingFeatureLoggingConfig(enabledTrue))并将其注入测试环境的feature_server键证明该配置类可脱离 YAML 以纯 Python 方式实例化。单元级行为验证test_feature_server.py 通过_enable_offline_batching_config工具函数验证offline_push_batching_*三件套在 mocked FeatureStore 上的装载逻辑印证了批处理配置的读取契约。总结feast.infra.feature_servers.local_process是 Feast Python 本地特性服务器的最小配置入口LocalFeatureServerConfig以type: local标识自身通过继承BaseFeatureServerConfig获得特性日志、Prometheus 指标、离线写入批处理三大可观测/可治理能力配合feature_store.yaml的feature_server段落与feast serve命令即可在本地进程内拉起一个支持在线特征检索、特征推送、物化、指标暴露与日志落盘的完整 HTTP 特性服务。对于快速验证、单机部署与本地开发场景这是 Feast 开箱即用的默认选择。【免费下载链接】feastThe Open Source Feature Store for AI/ML项目地址: https://gitcode.com/GitHub_Trending/fe/feast创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考