Skórování podvodů a rizik
Rychlost používání karty, stáří zařízení a historie účtu se čtou u pokladny, v cestě požadavku, dřív než se platba schválí.
AI a LLMStrojové učeníPlány Performance a Scale
Feature store pro ML v reálném čase
Typované features pro uživatele, položky a relace, zapisované vašimi pipeline a čtené vašimi modely při inferenci, s připojeným stářím.
- typy features
- 3
- vráceno s každým čtením
- Stáří
- čtení pro mnoho entit
- Dávková
Krok 1 z 5
Definice schématu
Typovaná skupina. Špatné typy se odmítnou při zápisu.
Ukázková relaceplaying
# Definice schématu
hotkv> FEATURE.CREATE user_features "Signals for scoring" SCHEMA age int64 ctr double country string
OK
Animovaný průvodce se skutečnými příkazy HotKV a ukázkovými odpověďmi. Kliknutím na kterýkoli krok na něj přeskočíte. Příkazy a odpovědi zůstávají anglicky, přesně tak, jak je v HotKV zadáváte a vidíte.
Problém
Model v produkci je tak dobrý, jak dobré jsou features, které při inferenci vidí. Offline datové sklady jsou příliš pomalé na dotazování při každém požadavku a prosté úložiště klíč-hodnota nemá schéma, takže chybu pipeline, která zapíše text do číselné feature, objeví model, ne úložiště.
Jak to řeší HotKV
Skupiny features v HotKV mají typované schéma. Streamingové úlohy zapisují čerstvé hodnoty, dávkové úlohy doplňují zpětně s vlastními časovými značkami a model server čte jednu entitu nebo celou dávku jediným voláním. Každé čtení vrátí, kdy byla entita naposledy aktualizována a jak je stará, takže lze odhalit zastaralé features.
Krok za krokem
Co se děje, příkaz po příkazu
- 01
Definice schématu
Typovaná skupina. Špatné typy se odmítnou při zápisu.
FEATURE.CREATE user_features "Signals for scoring" SCHEMA age int64 ctr double country string - 02
Streamování čerstvých hodnot
Streamová úloha aktualizuje features, jak přicházejí události.
FEATURE.SET user_features user:42 ctr 0.051 country DE - 03
Doplnění se správným časem
Dávkové úlohy označují entity časem, kdy hodnoty platily, ne časem, kdy byly nahrány.
FEATURE.SETAT user_features user:42 1790985600123 age 31 - 04
Skórování pokladny
Model server přečte features uživatele, s časem aktualizace a stářím v milisekundách.
FEATURE.GET user_features user:42 - 05
Dávka pro mnoho entit
Seřaďte stránku kandidátů jedním voláním.
FEATURE.BATCH user_features user:42 user:77 user:91 FEATURES ctr
Kam to zapadá
Scénáře z praxe
Řazení a reklamy
Míry prokliku a nedávné zájmy se čtou pro každého kandidáta na stránce jediným dávkovým voláním.
Dynamické ceny
Features poptávky a zásob se průběžně streamují a model cen je čte při každé nabídce.
Zabudováno
Co dostanete
Typovaná schémata
Features typu int64, double a string. Zápisy se špatným typem se odmítnou.
FEATURE.CREATEFEATURE.SCHEMAStreamování a doplnění
Zapisujte s aktuálním časem nebo s časem, kdy hodnoty platily.
FEATURE.SETFEATURE.SETATČerstvost u každého čtení
Každé čtení vrátí čas aktualizace a stáří entity.
FEATURE.GETDávkové poskytování
Mnoho entit, vybrané features, jedno volání.
FEATURE.BATCHFEATURE.STATSČasté otázky
Nahrazuje to můj offline feature store?
Je to online strana, pro čtení s nízkou latencí při inferenci. Trénovací data mohou dál pocházet z vašeho datového skladu, s doplněním zapsaným do HotKV pomocí FEATURE.SETAT.
Jak odhalím zastaralé features?
Každé FEATURE.GET vrací čas poslední aktualizace a stáří v milisekundách, takže model server může staré hodnoty odmítnout nebo označit.
Které plány ho zahrnují?
Feature store je součástí plánů Performance a Scale.
Související případy použití
Vyzkoušejte to na své zátěži
HotKV mluví protokolem Redisu, takže na něj můžete nasměrovat stávajícího klienta a spustit tytéž příkazy.