时序数据库

OpenMLDB 线上引擎资源需求预估模型,助你快速预估资源消耗

OpenMLDB 线上计算的最大优势为可以低延迟(毫秒级)高效处理实时特征计算请求。其中,为了达到低延迟,OpenMLDB 默认使用了基于内存的存储引擎。但是,当业务增长时,对于内存资源消耗以及访问吞吐需求的压力也会上升。本篇文章主要介绍基于 **内存存储引擎** 的资源预估(磁盘引擎见最后的说明),可以帮你更好的预估、配置用于部署 OpenMLDB 的机器资源。

OpenMLDB BUG 悬赏令

自今年启动 OpenMLDB 贡献者计划后,我们陆陆续续收到了来自世界各地开发者的支持和鼓励,也在各位的帮助下见证了 OpenMLDB 一步步的迭代升级,一次次的成熟完善。

【转载】Byzer + OpenMLDB 实现端到端的,基于实时特征计算的机器学习流程

本文示范如何使用 OpenMLDB 和 Byzer-lang 联合完成一个完整的机器学习应用。Byzer-lang 作为面向大数据和 AI 的一门语言,通过 Byzer-Notebook 和用户进行交互,用户可以轻松完成数据的抽取、ETL、特征/模型训练、保存、部署到最后预测等整个端到端的机器学习流程。

OpenMLDB 在本例中接收 Byzer 发送的指令和数据,完成数据的实时特征计算,并经特征工程处理后的数据集返回 Byzer,供其进行后续的机器学习训练和预测。