构建面向特征工程的数据生态 ——拥抱开源生态，OpenMLDB全面打通MLOps生态工具链
随着业务的发展，模型应用场景的增加，AI 工程化落地成为了不少企业面对的切实挑战。近几年，应对这个痛点的新概念——MLOps 逐渐成为了机器学习领域的热门话题。OpenMLDB 提供FeatureOps 全栈解决方案，积极打通 MLOps工具链，建立起一个标准化的模型开发、部署与运维流程，降低开发者落地 AI 的门槛，使得企业组织能够更好地利用机器学习的能力来促进业务增长。
技术原理
OpenMLDB：线上线下一致的生产级特征计算平台
希望这场分享能够帮助大家了解 OpenMLDB 是什么，能做什么，适用于哪些场景。同时本文也将首次介绍 OpenMLDB的使用场景和生态构建。
精彩联动！OpenMLDB Pulsar Connector原理和实操
人工智能工程化落地的关键点之一，在于解决真实业务场景的实时批量预估和实时模型更新问题。更好更快的将线上实时数据转化为AI可用的特征，将加速AI应用落地的效率及效果。为此，OpenMLDB 和 Apache Pulsar 合作推出OpenMLDB Pulsar Connector，实现稳定的流式集成，为高效打通实时数据到特征工程提供一条值得期待的清晰路径。
OpenMLDB 在线模块架构解析
OpenMLDB 的在线模块主要负责特征脚本上线以后的实时特征计算，因此对于低延迟、高并发、高可用等有较高的要求。
「转载」OpenMLDB/FEDB 论文阅读笔记
本文是知乎用户@李喆 针对OpenMLDB在VLDB上发表的论文分享的读书笔记。
OpenMLDB 集群版使用流程及执行模式详解
OpenMLDB 针对线上线下的特征工程全流程，在不同阶段提供了不同的执行模式。尤其在生产环境下所使用的集群版，针对不同阶段做了较为复杂的执行模式的划分。本文集中说明在集群版 OpenMLDB 中，从特征开发到上线的全流程，及其相应的执行模式。
深入浅出特征工程 -- 基于 OpenMLDB 的实践指南（下）
在本篇文章中，我们将基于主表和副表，去展开详细介绍更加复杂和强大的基于多表的特征脚本开发。同时，我们依然依托 OpenMLDB 所提供的 SQL 语法进行特征工程脚本示例。
深入浅出特征工程 – 基于 OpenMLDB 的实践指南（上）
本文介绍了特征工程的基础概念、实践工具，以及基本的基于单表的特征脚本开发。
基于OpenMLDB v0.4.0快速搭建全流程线上AI应用
本文介绍了OpenMLDB 0.4.0最新版本上的一些新特性，单机版和集群版的快速上手，以及怎么基于这个版本来快速搭建一个全流程的线上AI应用。
OpenMLDB: 一文了解窗口倾斜优化技术细节
OpenMLDB是针对AI场景优化的开源数据库项目，实现了数据与计算一致性的离线MPP场景和在线OLTP场景计算引擎。MPP引擎可基于Spark实现，并通过拓展Spark源码实现数倍性能提升。本文主要解释OpenMLDB如何基于Spark来解决窗口数据的倾斜问题。
