Google云计算加入一个称为Tecton的功能平台，可自动执行生产环境中，构建和管理机器学习特征的步骤，Tecton是一个全托管特征构建和调度服务，可完整管理机器学习特征生命周期，降低组织构建、管理和共享机器学习特征的障碍，并提高模型性能和可靠性，控制机器学习应用程序的开发和维护成本。
目前不少企业开始将机器学习功能集成进应用程序中，但是机器学习模型需要高品质的数据，经过转换创建机器学习特征，才能做出精准预测，而Google提到，构建和管理生产环境机器学习特征数据工作管线并不容易，这些工作管线的数据来自批处理或是流媒体传输等不同来源，在将这些数据转换成为机器学习特征之后，才能用于训练和服务上。
而Tecton的目标是要能自动处理机器学习特征的构建、处理、共享和供给工作，数据团队可以使用Tecton的声明式框架，将特征定义为程序代码，在底层会由Tecton调度转换与实现机器学习特征所需要的实际工作管线。通过Google Cloud Build这类CI/CD工具，开发者可以将Tecton特征当作程序代码进行管理，集中管理程序代码方便共享和协作，就像是管理基础设施即程序代码，或是模型即程序代码一样。
Tecton可自动连接和维护Google云计算批处理和流媒体服务的新数据，同时Tecton也支持来自包括Redshift、Snowflake和Apache Kafka等非GCP的数据。Tecton在Google云计算上，会使用Databricks或Dataproc分布式运算平台聚合和转换数据，将传入的数据转换成为特征，放到线上与脱机特征商店中。数据特征存放在Tecton低延迟线上存储，服务即时供给需求，同时也会存放在脱机存储，以用于产生训练数据集和脱机推理用途。
