Fraude- en risicoscoring
Kaartfrequentie, apparaatleeftijd en accountgeschiedenis worden bij het afrekenen gelezen, in het verzoekpad, voordat de betaling wordt goedgekeurd.
AI en LLMMachine learningPlannen Performance en Scale
Realtime ML-feature-store
Getypeerde features voor gebruikers, items en sessies, geschreven door je pipelines en gelezen door je modellen bij inferentie, met hun leeftijd erbij.
- featuretypen
- 3
- bij elke read teruggegeven
- Leeftijd
- reads voor veel entiteiten
- Batch
Stap 1 van 5
Het schema definiëren
Een getypeerde groep. Verkeerde typen worden bij het schrijven geweigerd.
Voorbeeldsessieplaying
# Het schema definiëren
hotkv> FEATURE.CREATE user_features "Signals for scoring" SCHEMA age int64 ctr double country string
OK
Een geanimeerde walkthrough met echte HotKV-commando's en voorbeeldantwoorden. Klik op een stap om ernaartoe te springen. Commando's en antwoorden blijven Engels, precies zoals je ze in HotKV typt en ziet.
Het probleem
Een model in productie is maar zo goed als de features die het bij inferentie ziet. Offline datawarehouses zijn te traag om per verzoek te bevragen, en een gewone key-valuestore heeft geen schema, dus een pipelinefout die tekst in een numerieke feature schrijft wordt ontdekt door het model, niet door de store.
Hoe HotKV het aanpakt
Featuregroepen in HotKV hebben een getypeerd schema. Streamingjobs schrijven verse waarden, batchjobs vullen aan met hun eigen tijdstempels en de modelserver leest één entiteit of een hele batch in één aanroep. Elke read geeft terug wanneer de entiteit voor het laatst is bijgewerkt en hoe oud ze is, zodat verouderde features kunnen worden gedetecteerd.
Stap voor stap
Wat er gebeurt, commando voor commando
- 01
Het schema definiëren
Een getypeerde groep. Verkeerde typen worden bij het schrijven geweigerd.
FEATURE.CREATE user_features "Signals for scoring" SCHEMA age int64 ctr double country string - 02
Verse waarden streamen
De streamingjob werkt features bij terwijl gebeurtenissen binnenkomen.
FEATURE.SET user_features user:42 ctr 0.051 country DE - 03
Aanvullen met de juiste tijd
Batchjobs stempelen entiteiten met het moment waarop de waarden waar waren, niet het moment waarop ze zijn geladen.
FEATURE.SETAT user_features user:42 1790985600123 age 31 - 04
Een checkout scoren
De modelserver leest de features van de gebruiker, met de updatetijd en de leeftijd in milliseconden.
FEATURE.GET user_features user:42 - 05
Batch voor veel entiteiten
Rangschik een pagina met kandidaten met één aanroep.
FEATURE.BATCH user_features user:42 user:77 user:91 FEATURES ctr
Waar het past
Praktijkscenario's
Ranking en advertenties
Doorklikratio's en recente interesses worden voor elke kandidaat op een pagina in één batchaanroep gelezen.
Dynamische prijsstelling
Features voor vraag en voorraad worden continu binnengestreamd en bij elke offerte door het prijsmodel gelezen.
Ingebouwd
Wat je krijgt
Getypeerde schema's
int64-, double- en stringfeatures. Schrijfacties met het verkeerde type worden geweigerd.
FEATURE.CREATEFEATURE.SCHEMAStreaming en aanvulling
Schrijf met de huidige tijd of met het moment waarop de waarden waar waren.
FEATURE.SETFEATURE.SETATVersheid bij elke read
Elke read geeft de updatetijd en leeftijd van de entiteit terug.
FEATURE.GETBatchserving
Veel entiteiten, geselecteerde features, één aanroep.
FEATURE.BATCHFEATURE.STATSVeelgestelde vragen
Vervangt dit mijn offline feature store?
Het is de onlinekant, voor reads met lage latentie bij inferentie. Trainingsdata kan nog steeds uit je datawarehouse komen, met aanvullingen die met FEATURE.SETAT in HotKV worden geschreven.
Hoe detecteer ik verouderde features?
Elke FEATURE.GET geeft de tijd van de laatste update en de leeftijd in milliseconden terug, zodat de modelserver oude waarden kan weigeren of markeren.
Welke plannen bevatten het?
De feature store maakt deel uit van de plannen Performance en Scale.
Verwante use cases
Probeer het op je eigen workload
HotKV spreekt het Redis-protocol, dus je kunt een bestaande client erop richten en dezelfde commando's uitvoeren.