会议内容
OpenMLDB 社区于 2022 年 6 月 25 日举办了第四期 meetup，会议相干视频及材料如下：
OpenMLDB PMC core member 卢冕，从低成本、高性能的线上线下一致性特色平台开源解决方案切入，为大家介绍线上线下统一的生产级特色平台 OpenMLDB 以及其在 v0.5.0 新版本中新增的性能改良、老本升高、灵活性减少三个个性。
视频连贯：https://www.zhihu.com/zvideo/…
材料链接：https://pan.baidu.com/s/12Vk0…
提取码：open
Apache RocketMQ PMC member 丁磊，以万亿洪峰锻炼下的音讯解决平台——Apache RocketMQ 为议题，帮忙大家理解 Apache RocketMQ 的高可用架构以及云原生时代 RocketMQ 面临的新的挑战。
视频链接：https://www.zhihu.com/zvideo/…
材料链接：https://pan.baidu.com/s/1vU8K…
提取码：open
Apache RocketMQ connect contributor 孙晓健，深度解析 Apache RocketMQ 的技术原理和利用场景，借 RocketMQ OpenMLDB Connector 率领听众探寻如何基于 RocketMQ 疾速构建轻量的数据流转平台。
视频链接：https://www.zhihu.com/zvideo/…
材料链接：https://pan.baidu.com/s/1fJHm…
提取码：open
探讨交换
Q1：
请问 Scala 接口在 OpenMLDB 的后续开发计划中吗？
A1：
Scala 实践上也能够调用咱们的 Java SDK 来进行连贯。Scala 原生的 SDK 目前在咱们的 Roadmap 上，然而还没有具体推动开展。如果对这个需要感兴趣，也欢送退出社区和咱们一起开发。
Q2：
OpenMLDB 反对向量化吗？
A2：
目前 OpenMLDB 次要是结构化表格数据，不反对向量搜寻性能（这一部分性能有不少优良的开源工具能够反对）。如果要做向量化数据的存储，其实也能转换成表格模式，如果有用向量化数据做特色计算的须要能够用 OpenMLDB。
Q3：
请问 OpenMLDB 怎么设置 lable？只是特色计算的话，配合哪个模型训练比拟好呢？
A3：
OpenMLDB 提供特色计算性能，但不能做模型训练和推理，所以 label 这一列在 OpenMLDB 这边并不需要特地解决，间接保留并给到前面的模型训练就能够。
模型训练前面能够接的抉择比拟多。你能够参照咱们的案例，接 LightGBM，或是其余模型，比方 XGBoost, Sklearn 等。
Q4：
最近刚接触 featurestore 产品，发现 OpenMLDB 和 Feast 这类的开源产品比照，看起来短少 feature view 元数据管理。以及 feast 这类产品是把计算能力交给其余云计算，OpenMLDB 更强调的是 sql engine 的计算能力。不晓得了解是否正确？
A4：
feature view 的定义看起来和咱们用 SQL 定义 feature 的概念是相似的，咱们通过表格 schema, 以及 SQL 来形容数据源格局和 feature 抽取逻辑。当然这一块 Feast 的定义可能更加具象一些，咱们会学习这种形容。
相比拟 Feast 咱们强调实时的特色计算，基于最陈腐的数据，而不是离线的特色计算当前线上再取。
OpenMLDB 社区
在此感激大家对于本次 meetup 的大力支持，如果想进一步理解 OpenMLDB 或者参加社区技术交换，能够通过以下渠道取得相干信息和互动。
Github: https://github.com/4paradigm/…
官网：https://openmldb.ai/
Email: contact@openmldb.ai
OpenMLDB 微信交换群：