Feature Store من الصفر: خمسة مكوّنات للحد الأدنى من التنفيذ العملي

الـ Feature store طبقة معمارية تركّز عمليات حساب السمات وتخزينها لنماذج ML. يوضّح هذا التحليل كيف يمكن بناء تنفيذ عملي بالحد الأدنى من الصفر، وأين يعيد عصر الذكاء الاصطناعي كتابة البنية الكلاسيكية.

خمسة مكوّنات إلزامية

من دون أي واحد منها، ينشأ إما تكرار في الشيفرة وإما عدم اتساق بين التدريب والاستدلال (inference)، وهي المشكلة الكلاسيكية المعروفة باسم training-serving skew.

• Ingestion pipeline — طبقة التحميل من المصادر (Kafka وS3 وPostgres): تحسب السمات وتكتبها في التخزين
• Offline store — البيانات التاريخية لتدريب النماذج (Parquet أو Delta Lake في S3)
• Online store — تخزين منخفض زمن الاستجابة للاستدلال في الزمن الحقيقي (Redis وDynamoDB)
• Feature registry — فهرس للبيانات الوصفية: الاسم والنوع والإصدار والمالك وlineage
• Monitoring — تتبّع انحراف البيانات (data drift) وحداثة كل سمة (freshness)

يتسع التنفيذ الأدنى لما بين 200 و300 سطر بلغة Python: SQLite بدلًا من offline store كامل، وRedis كـ online store، وملفات YAML كسجلّ.

كيف يُبنى التنفيذ الأدنى

يقترح المؤلفون البدء بثلاثة ملفات. الأول `feature_store.py`، وهو النواة التي تضم الدالتين `write()` و`read()` اللتين تجرّدان الفصل بين offline وonline. والثاني `registry.yaml`، ويحتوي على أوصاف تصريحية للسمات. والثالث `pipeline.py`، وهو سكربت ETL يستدعي `feature_store.write()` بعد كل عملية تحويل.

تغطي هذه البنية معظم الحالات الواقعية. ولا ينبغي التعقيد إلا عند ظهور متطلبات محددة: استدلال عالي الحمل، أو عمليات بحث point-in-time دون تسرّب للبيانات (data leakage)، أو بيانات متدفقة.

«تبالغ معظم الفرق في تعقيد feature store عند البداية. ابدأوا بـ SQLite

وYAML، وسوف تتفاجأون بالمدى الذي يمكن أن يصل إليه ذلك.»

أين يعيد الذكاء الاصطناعي كتابة القواعد

بُنيت البنية الكلاسيكية حول السمات العددية والفئوية. وأضاف عصر LLM ثلاثة متطلبات جديدة.

التضمينات المتجهية (vector embeddings) أصبحت سمات من الدرجة الأولى. يمكن تخزينها في Redis، لكن البحث فيها يجري بحسب التقارب لا بحسب المفتاح. وهذا يستدعي فهارس متجهية (pgvector وPinecone وWeaviate) ويغيّر بنية online store.

التوليد الآلي للسمات. كانت هندسة السمات (feature engineering) سابقًا عملية يدوية. أما الآن فيمكن لـ LLM أن يقترح قائمة سمات انطلاقًا من وصف المهمة، أو أن يولّد تحويلًا بناءً على مثال من بيانات الإدخال.

مساعد LLM للسجلّ. كان توثيق السمات يُملأ تاريخيًا بشكل سيئ. أما الآن فيولّد النموذج اللغوي الأوصاف والوسوم تلقائيًا عبر تحليل شيفرة التحويلات، من دون مشاركة من المهندس.

ماذا يعني ذلك

لم يعد feature store امتيازًا لمنصات ML الكبرى، إذ يمكن تجميعه في يوم واحد من مكوّنات مفتوحة المصدر. والذكاء الاصطناعي لا يلغي هذا النمط، بل يوسّعه: تُضاف مخازن متجهية وبيانات وصفية بمساعدة LLM. وإذا كنتم تبنون نظام ML من دون feature store، فقد حان الوقت لإضافة هذه الطبقة.