调用FeatureVector遇MLRunNotFoundError：特征集无离线目标

这个错误的核心原因是你引用的特征集fs-01、fs-02没有配置离线存储目标，也没完成数据写入——get_offline_features必须从离线存储读取特征数据，没有对应存储自然会抛出异常。

下面是具体的解决步骤：

• 给特征集配置离线目标并写入数据
  在创建特征集时，必须指定离线存储目标（比如Parquet、CSV），并且执行数据写入操作，示例代码：

  from mlrun.feature_store import FeatureSet, ParquetTarget
  
  # 以fs-01为例，定义特征集并添加离线目标
  fs1 = FeatureSet("fs-01", entities=["你的实体字段"])
  # 设置离线存储路径（支持本地、S3、GCS等）
  fs1.set_targets(targets=[ParquetTarget(path="./fs-01-offline")])
  
  # 将数据写入特征集，这一步会把数据同步到离线目标
  fstore.ingest(fs1, 你的数据源DataFrame)
  

  对fs-02执行同样操作，确保两个特征集都有离线存储的数据。

• 验证特征集的离线目标状态
  可以用代码检查特征集是否存在有效离线目标：

  fs = fstore.get_feature_set("fs-01")
  # 打印所有离线目标路径
  print("离线目标:", [t.path for t in fs.targets if t.is_offline])
  

  如果输出为空，说明特征集没有离线存储，需要重新执行数据写入。

• 重新执行FeatureVector代码
  确认两个特征集都有离线数据后，再运行你的原有代码，就能正常获取离线特征数据了。

• 额外提醒

  • 如果特征集是在MLRun平台上创建的，要确认对应的数据导入任务已经成功完成，别光创建了特征集没导入数据。
  • 离线存储路径要确保MLRun运行环境有读写权限，比如本地路径不能是只读目录，云存储要配置好访问密钥。

内容的提问来源于stack exchange，提问作者XiongChan