IA e LLMMachine learningPiani Performance e Scale

Feature store ML in tempo reale

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.

tipi di feature
3
restituita a ogni lettura
Età
letture per molte entità
Batch
Passo 1 di 5
Definisci lo schema

Un gruppo tipizzato. I tipi sbagliati vengono rifiutati in scrittura.

Sessione di esempioplaying
# Definisci lo schema
hotkv> FEATURE.CREATE user_features "Signals for scoring" SCHEMA age int64 ctr double country string
OK

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.

Il problema

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.

Come lo gestisce HotKV

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.

Passo dopo passo

Cosa succede, comando per comando

  1. 01

    Definisci lo schema

    Un gruppo tipizzato. I tipi sbagliati vengono rifiutati in scrittura.

    FEATURE.CREATE user_features "Signals for scoring" SCHEMA age int64 ctr double country string
  2. 02

    Invia valori freschi in streaming

    Il job di streaming aggiorna le feature man mano che arrivano gli eventi.

    FEATURE.SET user_features user:42 ctr 0.051 country DE
  3. 03

    Backfill con l'orario giusto

    I 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 31
  4. 04

    Valuta un checkout

    Il server del modello legge le feature dell'utente, con l'orario di aggiornamento e l'età in millisecondi.

    FEATURE.GET user_features user:42
  5. 05

    Batch per molte entità

    Ordina una pagina di candidati con una sola chiamata.

    FEATURE.BATCH user_features user:42 user:77 user:91 FEATURES ctr
Dove si usa

Scenari reali

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.

Ranking e pubblicità

Click-through rate e interessi recenti vengono letti per ogni candidato di una pagina in una sola chiamata batch.

Prezzi dinamici

Le feature di domanda e inventario arrivano in streaming di continuo e vengono lette dal modello di pricing a ogni preventivo.

Integrato

Cosa ottieni

Schemi tipizzati

Feature int64, double e string. Le scritture con il tipo sbagliato vengono rifiutate.

FEATURE.CREATEFEATURE.SCHEMA

Streaming e backfill

Scrivi con l'orario attuale o con l'orario in cui i valori erano veri.

FEATURE.SETFEATURE.SETAT

Freschezza a ogni lettura

Ogni lettura restituisce l'orario di aggiornamento e l'età dell'entità.

FEATURE.GET

Serving in batch

Molte entità, feature selezionate, una sola chiamata.

FEATURE.BATCHFEATURE.STATS

Domande frequenti

Sostituisce il mio feature store offline?

È 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.

Come rilevo le feature obsolete?

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.

Quali piani lo includono?

Il feature store fa parte dei piani Performance e Scale.

Casi d'uso correlati

Provalo sul tuo carico di lavoro

HotKV parla il protocollo Redis, quindi puoi puntarci un client esistente ed eseguire questi stessi comandi.