Amazon SageMaker Feature Store는 AI 모델 학습 및 배포를 위한 피처(feature)를 쉽게 계산, 저장 및 검색할 수 있는 완전 관리형 기능입니다. SageMaker Feature Store는 이제 고처리량 피처 수집, 레코드 검색 및 오프라인 스토어 카탈로깅을 위한 새로운 기능을 지원합니다. 데이터 과학자는 이제 BatchWriteRecord를 사용하여 단일 요청으로 여러 피처 그룹에 걸쳐 여러 레코드를 작성하고, ListRecords를 사용하여 각 레코드 식별자를 미리 알지 않고도 피처 그룹에 저장된 레코드를 나열하고, 오프라인 스토어에 사용자 지정 이름으로 테이블 및 데이터베이스를 생성할 수 있습니다. 데이터 과학자는 BatchWriteRecord를 사용하여 한 번에 하나의 레코드를 작성하는 것보다 적은 API 호출과 낮은 지연 시간으로 대규모로 피처 데이터를 수집할 수 있습니다. BatchWriteRecord는 온라인 스토어, 오프라인 스토어 또는 둘 다를 대상으로 하며, 전체 요청을 실패시키지 않고 개별 레코드 실패를 반환하고, 레코드, 요청 및 피처 그룹 수준에서 타임투라이브(time-to-live) 설정을 지원합니다. ListRecords를 통해 데이터 과학자는 피처 그룹의 레코드 식별자를 한 번에 한 페이지씩 검색하여 피처 그룹 콘텐츠를 탐색 및 감사하고, 레코드 식별자를 복구하고, 레코드 수명 주기를 관리할 수 있습니다. 오프라인 스토어를 구성할 때 데이터 과학자는 사용자 지정 이름으로 Glue 및 Iceberg 테이블을 생성할 수도 있습니다. 이러한 기능은 데이터 과학자가 사용자 지정 도구를 구축하지 않고도 대규모로 피처를 수집하고 SageMaker Feature Store에 저장된 레코드를 관리할 수 있도록 합니다.이러한 기능은 Amazon SageMaker Feature Store를 사용할 수 있는 모든 AWS 리전에서 사용할 수 있습니다. 자세한 내용은 Amazon Feature Store Runtime 및 Offline Store Configuration 설명서를 참조하십시오.