概念定义
特征存储把原始事件加工成有名字、有版本、时间点正确的特征，并同时服务两类消费者：离线流水线用于构建训练集，在线服务用于以个位数毫秒延迟响应预测请求。它的核心承诺是训练与推理一致性：同一份转换定义同时支撑两条路径，让模型在训练时看到的特征语义与生产完全一致。
为什么需要
没有共享存储时，同一个量——例如滚动会话时长或欺诈速度计数器——会在训练里用 SQL 写一遍、在服务代码里再写一遍。两份实现逐渐漂移，模型上线后精度悄悄下降，却没人能解释离线指标与线上行为为何不一致。特征存储让训练-推理偏差从谜团变成配置问题。
工程实践
流水线把流与批写进离线存储，摄取作业按同一节奏把最新值物化进在线存储。训练采用时间点连接，让每个标签只看到该时间戳可见的特征；推理按实体键读取。特征级 SLA、血缘与下线治理让目录在增长时仍可信。