wedata3-feature-engineering 0.2.4rc2

Wedata Feature Engineering Library Development

wedata3-feature-engineering

WeData 3.0 特征工程与 Feature Store 客户端 SDK，封装 Feast 0.49 并对接 WeData 平台（Tclake、腾讯云 SDK、MLflow）。

PyPI 包名：wedata3-feature-engineering Python 入口：import wedata

---

功能特性

• Feature Store 客户端：基于 Feast 的特征注册、查询、在线 / 离线特征获取（Redis / Postgres 后端）
• 特征工程客户端：训练集构造、特征关联（feature lookup）、特征表管理
• MLflow 集成：以 wedata.feature_store.mlflow_model / wedata.feature_engineering.mlflow_model 形式将特征查询逻辑随模型一起持久化，预测时自动取在线特征
• Spark 支持：内置 Spark Client，离线特征通过 PySpark 处理
• 腾讯云生态：通过 tencentcloud-sdk-python 与 Tclake、CAM 等平台能力集成

目录结构

feature-engineering/
├── README.md                       # 本文件
├── setup.py                        # 打包配置
├── build.sh                        # 本地构建 + 上传 PyPI 脚本
├── requirements.txt                # 运行依赖
├── test_valid.py                   # 冒烟测试入口
├── tests/                          # 单元测试
└── wedata/                         # 主包（顶层 import 名）
    ├── __init__.py                 # 暴露版本号
    ├── feature_store/              # Feature Store 客户端（与 MLflow 集成）
    │   ├── client.py
    │   ├── mlflow_model.py
    │   ├── feature_table_client/
    │   └── training_set_client/
    ├── feature_engineering/        # 特征工程客户端（封装 Feast）
    │   ├── client.py
    │   ├── mlflow_model.py
    │   ├── feast/
    │   ├── ml_training_client/
    │   └── table_client/
    └── common/                     # 公共能力
        ├── base_table_client/      # 表客户端基类
        ├── cloud_sdk_client/       # 腾讯云 SDK 封装
        ├── feast_client/           # Feast 适配
        ├── spark_client/           # Spark / PySpark 封装
        ├── entities/               # 领域实体
        ├── constants/              # 常量
        ├── protos/                 # protobuf 定义
        ├── log/                    # 日志
        └── utils/                  # 工具函数

环境要求

• Python：>= 3.10
• PySpark：3.5.0（与 py4j==0.10.9.7 配合）
• Feast：0.49.0（extras=[redis,postgres]）
• MLflow：根据使用场景二选一
  • mlflow2 extra：mlflow==2.17.2（WeData 2.0）
  • mlflow3 extra：mlflow>=3.10.0,<3.11.0（WeData 3.0）

安装

# 仅运行时，使用 MLflow 3.x（WeData 3.0 默认）
pip install "wedata3-feature-engineering[mlflow3]"

# WeData 2.0 场景
pip install "wedata3-feature-engineering[mlflow2]"

# 开发依赖（flake8 / pytest / python-dotenv）
pip install "wedata3-feature-engineering[dev]"

快速使用

# 特征工程：构造训练集
from wedata.feature_engineering.client import FeatureEngineeringClient

fe_client = FeatureEngineeringClient()
training_set = fe_client.create_training_set(
    df=labels_df,
    feature_lookups=[...],
    label="label",
)

# Feature Store：在线特征查询
from wedata.feature_store.client import FeatureStoreClient

fs_client = FeatureStoreClient()
features = fs_client.get_online_features(
    feature_refs=["user_features:age", "user_features:city"],
    entity_rows=[{"user_id": "u_001"}],
)

构建与发布

# 本地打包并上传 PyPI（需要在 ~/.pypirc 配置好凭据）
bash build.sh

build.sh 会：

1. 清理旧的 dist/ / build/ / *.egg-info/
2. 读取 wedata/__init__.py 中的 __version__
3. 安装 build / twine
4. python3 -m build 生成 wheel + sdist
5. twine upload 推送到 PyPI 镜像

与本仓库其他子项目的关系

项目	关系
../feast-server/	本 SDK 默认通过 Feast 的 RemoteRegistry 访问 feast-server 的 gRPC 接口，作为特征注册表
../mlflow-server/	mlflow_model.py 序列化的特征逻辑可被 MLflow Server 加载与下发
../wedata-ml-runtime/	Notebook Kernel 启动时会注入 Feast / MLflow 的网关代理与租户隔离逻辑，本 SDK 在其上层使用

许可证

Apache License 2.0