LESSON 30分

ストーリー

田
田中VPoE
特徴量ストアには「オフラインストア」と「オンラインストア」の2つの顔がある。この使い分けがMLOpsの肝だ
あなた
学習時と推論時で違うストアを使うんですか？
あ
田
田中VPoE
そうだ。学習時は大量の履歴データが必要だからオフラインストア。推論時は低レイテンシで最新値が必要だからオンラインストア。両者の同期が「Feature Freshness」の課題だ

2層アーキテクチャ

                    ┌─────────────────┐
                    │  特徴量パイプライン  │
                    └────────┬────────┘
                             │
                    ┌────────┴────────┐
                    │                  │
              ┌─────┴─────┐    ┌──────┴──────┐
              │ オフライン  │    │  オンライン   │
              │  ストア     │    │   ストア      │
              └─────┬─────┘    └──────┬──────┘
                    │                  │
              バッチ学習          リアルタイム推論

比較

項目オフラインストアオンラインストア
用途モデル学習、バッチ推論リアルタイム推論
レイテンシ秒〜分ミリ秒
データ量大量（TB級）最新値のみ
バックエンドS3, BigQuery, RedshiftRedis, DynamoDB
クエリ時系列JOINKey-Value Lookup

オフラインストアの設計

Point-in-Time JOIN

学習データ作成時に最も重要な概念：

# 正しい: 予測時点で利用可能だった特徴量のみ使用
training_data = feast_store.get_historical_features(
    entity_df=entity_df,  # customer_id + event_timestamp
    features=[
        "customer_features:total_purchases",
        "customer_features:avg_order_value",
    ],
)

# 注意: 未来の情報がリークしていないか確認
# event_timestamp 以前のデータのみが返される

データリーケージ防止

リスク対策
未来のデータ混入Point-in-Time JOINの厳格な適用
ターゲットリーケージ目的変数と相関が高すぎる特徴量のチェック
サンプル汚染学習/検証/テスト分割の時系列考慮

オンラインストアの設計

低レイテンシの実現

# Feastでオンラインストアから取得
feature_vector = feast_store.get_online_features(
    features=[
        "customer_features:total_purchases",
        "customer_features:avg_order_value",
    ],
    entity_rows=[{"customer_id": "C001"}],
).to_dict()

# レスポンス: ~10ms

バックエンド選定

バックエンドレイテンシスケーラビリティコスト
Redis< 1ms中高（メモリ）
DynamoDB< 10ms高従量課金
Bigtable< 10ms非常に高中〜高
SQLite< 5ms低低

同期戦略（Materialization）

オフラインストア → [Materialization Job] → オンラインストア
                       │
                  定期実行（cron）
                  or イベント駆動
戦略頻度鮮度複雑さ
定期バッチ時間〜日低〜中低
マイクロバッチ分〜時間中〜高中
ストリーミングリアルタイム高高

まとめ

  • オフラインストアは学習用（大量・履歴）、オンラインストアは推論用（低レイテンシ・最新値）
  • Point-in-Time JOINでデータリーケージを防止する
  • オンラインストアのバックエンドはレイテンシ要件で選定
  • Materialization戦略で2つのストアを同期する

チェックリスト

  • オフライン/オンラインストアの役割を説明できる
  • Point-in-Time JOINの重要性を理解した
  • オンラインストアのバックエンド選定基準が分かる
  • Materialization戦略を理解した

次のステップへ

次はFeature Servingの実装パターンと、特徴量ストアの運用について学びます。

推定読了時間: 30分