一篇短文讲清 OpenMLDB 价值

OpenMLDB为企业提供一个降低人工智能落地成本数倍的毫秒级实时特征平台，让科学家开发的特征脚本直接上线生产环境，并且提供线上毫秒级低延迟、高吞吐、高可用等生产级特性。​

在没有OpenMLDB的传统方式下，实时特征计算上线一般包含如下三个步骤：​

1.
数据科学家离线使用SparkSQL或者Python，开发特征脚本；​

2.
其开发的离线脚本一般无法在生产环境直接上线（不能满足毫秒级低延迟、高并发、高可用等生产级要求），因此需要工程化团队将离线特征脚本重新优化（如基于C++ 重构）；​

3.
需要对数据科学家开发的离线特征脚本、工程化团队开发的线上服务，进行计算逻辑的一致性校验。​

该过程需要经历三个步骤，涉及两组开发人员、两套工具栈，具有高昂的落地成本。按照我们经验估算，一个较大的场景完成这三个步骤需要半年左右的人天成本。​

OpenMLDB的目标是为了达到开发即上线，使得数据科学家开发的特征脚本能够在生产环境直接上线。其具备离线和在线的两套处理引擎，在线引擎针对特征工程深度优化，可以满足线上生产级需求，并且通过一致性执行计划生成器自动保证线上线下一致性。基于OpenMLDB，落地一个机器学习应用在特征环节包含以下两个步骤：​

4.
数据科学家使用SQL开发离线特征脚本；​

5.
仅使用一条部署命令，即将特征脚本部署到线上引擎，并且保证线上线下一致性，以及线上服务的生产级质量（毫秒级低延迟、高并发、高可用）；​

因此，OpenMLDB的最大价值是显著降低人工智能的工程化落地成本。以下表格为根据我们的项目经验，总结了对于一个较大的业务场景下，OpenMLDB可以数倍的节省机器学习的工程化成本。​

	参与角色	传统方式成本	基于OpenMLDB成本
离线特征脚本开发	数据科学家	1人月	1人月
在线特征服务开发	工程化团队	2人月	0
线上线下一致性校验	数据科学家工程化团队	3人月	0
总计	-	6人月	1人月

一篇短文讲清 OpenMLDB 价值​

一篇短文讲清 OpenMLDB 价值