Para agentes de IA: hay un índice de documentación disponible en https://www.mongodb.com/es/docs/llms.txt — versiones en markdown de todas las páginas están disponibles agregando .md a cualquier ruta URL.

Integra MongoDB con Feast

Feast proporciona una API de FeatureStore de alto nivel que te permite definir funcionalidades y grupos de funcionalidades (vistas de características), almacenamiento en línea y fuera de línea, y la capacidad de mover dinámicamente datos del almacenamiento fuera de línea al almacenamiento en línea (materialización). La integración de MongoDB permite usar MongoDB como almacén en línea y almacén offline para Feast, lo que facilita definir funcionalidades una sola vez y servirlas de forma consistente tanto en el entrenamiento de modelos como en la inferencia en línea, sin necesidad de mantener sistemas de almacenamiento separados.

El modelo flexible de documentos de MongoDB y MQL le permiten manejar los complejos patrones de consulta requeridos por el almacén offline. Para la tienda online, MongoDB está optimizado para los patrones de acceso a escala web: lecturas/escrituras rápidas, escalabilidad horizontal y esquemas flexibles que minimizan uniones y viajes de ida y vuelta.

En esta visión general de la integración, puedes encontrar:

  • Una introducción a MongoDB como tienda en línea y fuera de línea de Feast.

  • Cómo los conceptos de Feast se mapean a MongoDB.

  • Explicaciones detalladas de los diseños de las tiendas offline y online de MongoDB.

  • Ejemplos de configuración para establecer los almacenes de MongoDB en Feast.

  • La tienda en linea es un almacén clave-valor respaldado por una única colección de MongoDB, optimizada para la recuperación de baja latencia de las últimas funcionalidades por entidad durante la inferencia en linea.

  • La tienda offline es una capa de computación y traducción que **query** filas de datos históricos de **funcionalidad** almacenados en una **colección** de **MongoDB** (normalmente llamada feature_history) para conjuntos de **datasets** de **entrenamiento**, puntuación y materialización (promocionando datos a la tienda **en linea**).

Un flujo de trabajo típico de extremo a extremo se ve así:

  1. Define entidades, vistas de características y fuentes de datos que apunten a colecciones respaldadas por MongoDB.

  2. Incorpora datos de características en el almacén offline mediante offline_write_batch, que acepta una tabla PyArrow como input e inserta los datos en la colección de MongoDB feature_history siguiendo el esquema del almacén offline.

  3. Genera datos de entrenamiento utilizando get_historical_features, que ejecuta una unión eficiente en el tiempo sobre filas de características históricas almacenadas en MongoDB.

  4. Materialice los últimos valores de las funcionalidades desde la tienda offline en la tienda en linea mediante pull_latest_from_table_or_query y online_write_batch.

  5. Sirve funcionalidades en linea a través de las APIs en linea de Feast, que leen de una única colección de MongoDB indexada por una clave de entidad serializada.

La integración de MongoDB sigue el modelo conceptual estándar de Feast, pero asigna esas abstracciones a un esquema de MongoDB diseñado para documentos en línea centrados en la entidad y eventos históricos de solo anexión.

Concepto Fiesta
Rol en el banquete
Representación de MongoDB

entidad

Objeto de dominio que describen las funcionalidades (por ejemplo, driver, usuario)

Codificado en una clave de entidad serializada; almacenado como _id en la tienda en línea y entity_id en la tienda fuera de línea.

Clave de unión

Columna(s) utilizadas para identificar una fila de entidad en un dataframe.

Se ingresa a serialize_entity_key; los bytes resultantes se utilizan como identificador de la entidad en MongoDB.

Clave de entidad serializada

Codificación binary determinista de nombres y valores de claves de unión.

En linea: _id: serialized_entity_key (llave primaria). Desconectado: entity_id: Binary(...) campo en feature_history document.

funcionalidad

Medición nombrada y tipada en un punto determinado.

Un campo dentro del subdocumento features (sin conexión) o features.<feature_view>.<feature_name> (en linea).

FeatureView

Vincula funcionalidades a entidades, fuente de datos y TTL; unidad de organización.

Sin conexión: feature_view string de discriminador en cada document histórico. En linea: grupos anidados bajo features.<feature_view> y marcas de tiempo por-FV en event_timestamps.

DataSource

Puntero de metadatos que indica dónde residen las funcionalidades históricas.

MongoDBSource apuntando a una colección de MongoDB (database, collection, connection_string) más marcas de tiempo.

OfflineStore

Interfaz de lectura/escritura para funcionalidades históricas y uniones PIT.

MongoDBOfflineStore implementación que ejecuta agregaciones de MQL en una colección feature_history compartida con un índice compuesto.

OnlineStore

Almacén de baja latencia de los valores más recientes de las funcionalidades por entidad.

Colección única de MongoDB de document de entidad identificados por _id = serialized_entity_key, con subdocumentos features y event_timestamps anidados.

TTL

Vent de la ventana de en el nivel de la FeatureView.

Impuesto en las consultas fuera de línea y postfiltrado en Python al calcular funcionalidades históricas; también puede combinarse con created_timestamp o updated_at en índices.

FeatureService

Lista denominada de referencias de funcionalidad para un model.

No hay una representación directa de MongoDB; Feast la utiliza para decidir de qué rutas features.<feature_view>.<feature_name> leer en la tienda en línea.

Registro

Almacén de metadatos para entidades, vistas de características y servicios.

Sin cambios; la integración de MongoDB no reemplaza el registro de Feast.

RetrievalJob

Contenedor de ejecución diferida que devuelve tablas de funcionalidades.

Para MongoDB offline store, encapsula una agregación MQL y expone exportaciones Arrow respaldadas por conversión de cursor a Arrow.

Materialización

Propagación programada de las últimas funcionalidades offline en la tienda en linea.

Implementado mediante pull_latest_from_table_or_query sobre feature_history y luego en online_write_batch en la colección de MongoDB en linea.

La tienda offline de MongoDB utiliza una sola colección compartida (por defecto feature_history) que almacena filas históricas de características sólo de adición para todas las vistas de características.

Cada document representa una observación de una entidad para un FeatureView en una marca de tiempo de evento específica:

{ "entity_id": "Binary(...)", "feature_view": "driver_stats", "event_timestamp": "ISODate(2024-01-15T12:00:00Z)", "created_at": "ISODate(2024-01-15T12:01:00Z)", "features": { "conv_rate": 0.72, "acc_rate": 0.91, "avg_daily_trips": 14 }}

Propiedades clave:

  • Solo añadir: los datos históricos se tratan como inmutables; las correcciones se escriben como nuevas filas con marcas temporales más recientes de created_at en lugar de actualizaciones en el lugar.

  • Compatible con series temporales: event_timestamp representa cuándo se observó el valor de la funcionalidad; created_at se utiliza como criterio de desempate cuando varias observaciones comparten la misma marca de tiempo del evento.

  • Agrupación por FeatureView: feature_view identifica a qué FeatureView pertenece la fila, por lo que una única colección puede alojar varios FV.

Un solo índice compuesto admite todos los patrones de query principales:

(entity_id ASC, feature_view ASC, event_timestamp DESC, created_at DESC)

Este índice permite escaneos eficientes de rango sobre entidades y vistas de características, mientras garantiza que la observación más reciente por (entity_id, feature_view) se vea primero durante la agregación.

La tienda offline de MongoDB implementa la interfaz estándar de tienda offline de Feast:

  • offline_write_batch - Escribe un pyarrow.Table de datos de funcionalidades en la colección subyacente de MongoDB, utilizando la MongoDBSource configurada de metadatos para determinar connection_string, database y collection.

  • get_historical_features - Dada una entity_df de entidades y marcas de tiempo de eventos más un conjunto de FeatureViews, devuelve una tabla ampliada donde cada fila incluye valores de funcionalidad correctos en el punto en el tiempo: para cada par (entity_id, event_timestamp), se selecciona el valor de funcionalidad más reciente cuyo event_timestamp <= entity_event_timestamp y dentro del TTL.

  • pull_latest_from_table_or_query - Devuelve una fila por entidad que contiene los valores de características más recientes en una ventana temporal, utilizada por el motor de materialización de Feast para sembrar la tienda en línea.

  • pull_all_from_table_or_query - Recupera todas las filas de una fuente de datos en un intervalo de fechas especificado para exportar o inspeccionar, respaldada por el mismo esquema e índice de feature_history.

  • persist (a través de RetrievalJob.persist) - Guarda el resultado de una consulta de funcionalidades históricas en una colección separada o en un sumidero externo a través de SavedDatasetStorage, diferente de feature_history.

La implementación offline recomendada es la tienda offline basada en agregación de MongoDB, llamada MongoDBOfflineStore.

Características clave:

  • Utiliza una única colección feature_history compartida por todas las Visualizaciones de Características, diferenciada por feature_view.

  • Se apoya en el índice compuesto (entity_id, feature_view, event_timestamp, created_at) para todas las consultas, evitando el escaneo completo de la colección.

  • Utiliza $group $first del lado del servidor para cargas de trabajo de "puntuación" (una fila por entidad), y pd.merge_asof para cargas de trabajo de "entrenamiento" con identificadores de entidad repetidos, equilibrando la corrección y el rendimiento.

  • Uso de memoria limitado mediante el procesamiento por partes, para que se puedan procesar grandes valores de entity_df sin agotar la memoria RAM.

Los benchmarks muestran que esta implementación ofrece la mejor combinación de rendimiento y eficiencia de memoria en comparación con los enfoques alternativos de MongoDB offline.

Capacidad
¿Admitido?
notas

get_historical_features (PIT join)

Sí

Implementado a través de MongoDBOfflineStore utilizando agregaciones indexadas y Pandas merge-asof.

pull_latest_from_table_or_query

Sí

Utiliza $match + $sort + $group $first sobre (entity_id, feature_view, event_timestamp, created_at).

pull_all_from_table_or_query

Sí

Análisis histórico completo con filtros de tiempo sobre feature_history.

offline_write_batch

Sí

Escribe tablas Arrow en MongoDB a través del MongoDBSource configurado.

persist

Sí

Exporta los resultados históricos de query a una colección separada usando SavedDatasetStorage.

Las comodidades adicionales, como la exportación directa a lagos de datos o almacenes, dependen de la implementación específica de RetrievalJob y se espera que sigan los patrones estándar de Feast para almacenes offline.

La tienda en línea de MongoDB utiliza una única colección para todas las FeatureViews, indexada por la clave de entidad serializada.

  • _id: serialized_entity_key(entity_key), producido por la función de codificación estable de Feast que ordena los nombres y valores de las entidades y los codifica en bytes.

  • featuressubdocumento anidado donde cada FeatureView mantiene su propio namespace de funcionalidades.

  • event_timestamps● timestamps por FeatureView que indican cuándo se escribió el último valor para ese FeatureView.

  • created_timestamp o updated_at: campos de contabilidad útiles para la indexación TTL y la diagnostica.

Ejemplo (simplificado):

{ "_id": "b\"<serialized_entity_key>\"", "features": { "driver_stats": { "rating": 4.91, "trips_last_7d": 132 }, "pricing": { "surge_multiplier": 1.2 } }, "event_timestamps": { "driver_stats": "ISODate(2026-01-01T12:00:00Z)", "pricing": "ISODate(2026-01-21T12:00:00Z)" }, "created_timestamp": "ISODate(2026-01-21T12:00:00Z)"}

Justificación del diseño:

  • Una única colección mantiene el estado de cada entidad en un solo document, lo que coincide con la expectativa de Feast de búsquedas basadas en claves y evita el fraccionamiento del estado entre colecciones por FeatureView.

  • El uso de la clave de entidad serializada como _id reutiliza la codificación determinista de Feast, evita llaves primarias duplicadas en diferentes colecciones y mantiene la recuperación en solo una búsqueda de clave por entidad.

La tienda en línea de MongoDB implementa la API estándar de la tienda en línea de Feast:

  • online_write_batch - Durante la materialización, Feast guarda los valores actuales de las funcionalidades de cada entidad en los documents de MongoDB. Cada actualización de upsert por lote actualiza solo el subdocumento anidado correspondiente features.<feature_view> y su entrada correspondiente en event_timestamps, manteniendo los document de la entidad atómicos y consistentes.

  • online_read y get_online_features: la prestación en línea resuelve las claves de entidad en valores _id utilizando la misma lógica de serialización que fuera de línea y, a continuación, realiza búsquedas de claves. Cada búsqueda devuelve todas las funcionalidades solicitadas para la entidad en un solo viaje de ida y vuelta, aprovechando la estructura anidada features.

  • TTL y frescura: el TTL de la funcionalidad se configura en el FeatureView y se utiliza principalmente en uniones PIT fuera de línea; el TTL en linea puede implementarse con un índice en updated_at o en una marca de tiempo similar, en consonancia con la noción de Feast de que los almacenes fuera de línea solo agregan, mientras que los almacenes en linea mantienen el estado más reciente.

La tienda offline se configura usando MongoDBOfflineStoreConfig:

class MongoDBOfflineStoreConfig(FeastConfigBaseModel): type: str = "...MongoDBOfflineStore" connection_string: str = "mongodb://localhost:27017" database: str = "feast" collection: str = "feature_history"

Ejemplo feature_store.yaml:

offline_store: type: feast.infra.offline_stores.contrib.mongodb_offline_store.mongodb.MongoDBOfflineStore connection_string: "mongodb+srv://user:pass@cluster.mongodb.net" database: feast collection: feature_history

MongoDBSource es el DataSource correspondiente. Su name campo se convierte en el discriminador feature_view almacenado en cada document. Para conocer todas las opciones de configuración, consulta la referencia MongoDB fuente de datos en los Feast Docs.

source = MongoDBSource( name="driver_stats", timestamp_field="event_timestamp", created_timestamp_column="created_at",)
  • Sigue el inicio rápido de Feast para configurar una tienda de características local y luego intercambiar MongoDB como tienda en linea y offline utilizando los ejemplos de configuración de esta página.

  • Consulta la tienda en linea MongoDB referencia en la documentación de Feast para opciones de configuración, compatibilidad asíncrona y la matriz completa de funcionalidades.

  • Consulta la MongoDB Offline Store documentación de referencia para la configuración de la tienda offline y la funcionalidad compatible.

  • Revisa la referencia de Fuente de datos de MongoDB para obtener opciones de MongoDBSource y detalles del esquema.

  • Aprende los conceptos básicos de Feast, como entidades, vistas de características y materialización en la Guía de conceptos de Feast.