Lyft의 Data Platform 조직에서 운영하는 Feature Store는 대규모 Machine Learning (ML) feature를 효율적으로 관리하고 배포하기 위한 핵심 인프라입니다. 이 시스템은 Batch, Online, Streaming feature를 아우르는 'platform of platforms' 구조로 설계되어, 데이터 기반 의사결정을 위한 모델 학습과 추론을 최적화합니다. 최근 Lyft는 성능 개선과 사용자 경험 향상을 위해 아키텍처를 진화시켜 왔으며, 그 결과 P95 latency를 1/3로 단축하고 서비스 호출 수를 25% 증가시키는 등 놀라운 성과를 거두었습니다. 특히 Spark SQL, Airflow, DynamoDB, Apache Flink 등 다양한 기술을 활용하여 개발자들에게 편리한 SDK와 데이터 탐색 도구(Amundsen)를 제공함으로써 ML 모델 개발 라이프사이클을 가속화하고 있습니다.