Scoring di frodi e rischio
Velocità della carta, età del dispositivo e storico dell'account vengono letti al checkout, nel percorso della richiesta, prima che il pagamento venga approvato.
Feature tipizzate per utenti, elementi e sessioni, scritte dalle tue pipeline e lette dai tuoi modelli al momento dell'inferenza, con la loro età allegata.
Un gruppo tipizzato. I tipi sbagliati vengono rifiutati in scrittura.
Una dimostrazione animata con comandi HotKV reali e risposte di esempio. Clicca su un passo qualsiasi per andarci. Comandi e risposte restano in inglese, esattamente come li digiti e li vedi in HotKV.
Un modello in produzione è buono solo quanto le feature che vede al momento dell'inferenza. I data warehouse offline sono troppo lenti da interrogare a ogni richiesta, e un semplice store chiave-valore non ha schema, quindi un bug di pipeline che scrive testo in una feature numerica viene scoperto dal modello, non dallo store.
I gruppi di feature in HotKV hanno uno schema tipizzato. I job di streaming scrivono valori freschi, i job batch fanno backfill con i propri timestamp e il server del modello legge una singola entità o un intero batch in una sola chiamata. Ogni lettura restituisce quando l'entità è stata aggiornata l'ultima volta e quanto è vecchia, così le feature obsolete si possono rilevare.
Un gruppo tipizzato. I tipi sbagliati vengono rifiutati in scrittura.
FEATURE.CREATE user_features "Signals for scoring" SCHEMA age int64 ctr double country stringIl job di streaming aggiorna le feature man mano che arrivano gli eventi.
FEATURE.SET user_features user:42 ctr 0.051 country DEI job batch marcano le entità con l'orario in cui i valori erano veri, non con quello in cui sono stati caricati.
FEATURE.SETAT user_features user:42 1790985600123 age 31Il server del modello legge le feature dell'utente, con l'orario di aggiornamento e l'età in millisecondi.
FEATURE.GET user_features user:42Ordina una pagina di candidati con una sola chiamata.
FEATURE.BATCH user_features user:42 user:77 user:91 FEATURES ctrVelocità della carta, età del dispositivo e storico dell'account vengono letti al checkout, nel percorso della richiesta, prima che il pagamento venga approvato.
Click-through rate e interessi recenti vengono letti per ogni candidato di una pagina in una sola chiamata batch.
Le feature di domanda e inventario arrivano in streaming di continuo e vengono lette dal modello di pricing a ogni preventivo.
Feature int64, double e string. Le scritture con il tipo sbagliato vengono rifiutate.
FEATURE.CREATEFEATURE.SCHEMAScrivi con l'orario attuale o con l'orario in cui i valori erano veri.
FEATURE.SETFEATURE.SETATOgni lettura restituisce l'orario di aggiornamento e l'età dell'entità.
FEATURE.GETMolte entità, feature selezionate, una sola chiamata.
FEATURE.BATCHFEATURE.STATSÈ il lato online, per letture a bassa latenza al momento dell'inferenza. I dati di training possono continuare ad arrivare dal tuo warehouse, con i backfill scritti in HotKV con FEATURE.SETAT.
Ogni FEATURE.GET restituisce l'orario dell'ultimo aggiornamento e l'età in millisecondi, così il server del modello può rifiutare o segnalare i valori vecchi.
Il feature store fa parte dei piani Performance e Scale.
HotKV parla il protocollo Redis, quindi puoi puntarci un client esistente ed eseguire questi stessi comandi.