本文讨论了实时机器学习中计算实时预测特征的方法，包括无状态和缓慢变化的特征可以预先计算并存储在特征存储中，有状态和快速变化的特征需要使用流处理引擎计算。选择取决于特征的新鲜度要求和重复计算的次数。流处理和批处理引擎都是可行的选择。

Arroyo v0.5是一个流处理引擎，现在可以将流式SQL查询的结果以Parquet和JSON格式写入对象存储（如S3）。一篇文章讨论了异步Rust与常规Rust的挑战，另一篇文章探讨了在将Turborepo从Go迁移到Rust时使用Zig的方法。