[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-feature-store::ru":3,"gloss-cluster-feature-store::ru":23,"gloss-next-feature-store::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"feature-store","data-infra","Хранилище признаков (feature store)","Хранилище признаков — это центральная система для определения, хранения и выдачи входных признаков, которые потребляют модели машинного обучения. «Признак» — это вычисленный сигнал: число покупок пользователя за 30 дней, средняя длина сессии, дней с момента регистрации. Хранилище вычисляет их один раз и делает доступными как для обучения моделей (офлайн, пакетно), так и для инференса в реальном времени (онлайн, с низкой задержкой).\n\nГлавная проблема, которую оно решает, — расхождение обучения и обслуживания: если обучающий пайплайн и боевое приложение считают один и тот же признак чуть по-разному, модель в проде работает хуже, чем на тестах. Хранилище признаков навязывает единое определение для обоих мест.\n\nSaaS-командам, добавляющим ML (прогноз оттока, рекомендации, скоринг мошенничества), хранилище оправдано, когда признаки переиспользуются несколькими моделями или командами. Инструменты: open-source Feast и управляемые решения Tecton и облачных провайдеров. На практике: для первой модели оно, скорее всего, не нужно. Начните с простых пайплайнов, а к хранилищу переходите, когда дублирование, свежесть и согласованность признаков станут реальным узким местом.","Хранилище признаков определяет, хранит и выдаёт входные признаки ML-моделей, вычисляя каждый сигнал один раз и для обучения, и для быстрого инференса.",null,[11,14,17,20],{"slug":12,"name":13},"data-pipeline","Конвейер данных (Data Pipeline)",{"slug":15,"name":16},"embedding","Эмбеддинг (векторное представление)",{"slug":18,"name":19},"reverse-etl","Reverse ETL (обратный ETL)",{"slug":21,"name":22},"vector-database","Векторная база данных",[24,28,31,34,37,41,44,47,50,53,57,60],{"slug":25,"category":5,"name":26,"updated_at":27},"acid","ACID","2026-08-24T02:46:37+00:00",{"slug":29,"category":5,"name":30,"updated_at":27},"ann-search","ANN-поиск (приближённый поиск ближайших соседей)",{"slug":32,"category":5,"name":33,"updated_at":27},"backpressure","Обратное давление (backpressure)",{"slug":35,"category":5,"name":36,"updated_at":27},"batch-processing","Пакетная обработка (Batch Processing)",{"slug":38,"category":5,"name":39,"updated_at":40},"bm25","BM25","2026-08-24T02:46:38+00:00",{"slug":42,"category":5,"name":43,"updated_at":27},"cache","Кэш (Cache)",{"slug":45,"category":5,"name":46,"updated_at":27},"cap-theorem","Теорема CAP (CAP theorem)",{"slug":48,"category":5,"name":49,"updated_at":27},"change-data-capture","Захват изменений данных (CDC)",{"slug":51,"category":5,"name":52,"updated_at":27},"chroma","Chroma",{"slug":54,"category":5,"name":55,"updated_at":56},"chunk-overlap","Перекрытие фрагментов","2026-08-24T03:30:02+00:00",{"slug":58,"category":5,"name":59,"updated_at":27},"columnar-storage","Колоночное хранение",{"slug":61,"category":5,"name":62,"updated_at":27},"connection-pooling","Пулинг соединений (Connection Pooling)"]