Ocena oszustw i ryzyka
Częstotliwość użycia karty, wiek urządzenia i historia konta są odczytywane przy zamówieniu, na ścieżce żądania, przed zatwierdzeniem płatności.
AI i LLMUczenie maszynoweplany Performance i Scale
Feature store ML w czasie rzeczywistym
Typowane cechy użytkowników, elementów i sesji, zapisywane przez Twoje potoki i odczytywane przez modele w czasie inferencji, z dołączonym wiekiem.
- typy cech
- 3
- zwracany przy każdym odczycie
- Wiek
- odczyty dla wielu encji
- Batch
Krok 1 z 5
Zdefiniuj schemat
Typowana grupa. Niewłaściwe typy są odrzucane przy zapisie.
Przykładowa sesjaplaying
# Zdefiniuj schemat
hotkv> FEATURE.CREATE user_features "Signals for scoring" SCHEMA age int64 ctr double country string
OK
Animowany przegląd z prawdziwymi poleceniami HotKV i przykładowymi odpowiedziami. Kliknij dowolny krok, aby do niego przejść. Polecenia i odpowiedzi pozostają po angielsku, dokładnie tak, jak je wpisujesz i widzisz w HotKV.
Problem
Model na produkcji jest tak dobry, jak cechy, które widzi w czasie inferencji. Hurtownie offline są zbyt wolne, by odpytywać je przy każdym żądaniu, a zwykły magazyn klucz-wartość nie ma schematu, więc błąd potoku zapisujący tekst do cechy liczbowej odkrywa model, a nie magazyn.
Jak radzi sobie z tym HotKV
Grupy cech w HotKV mają typowany schemat. Zadania strumieniowe zapisują świeże wartości, zadania wsadowe uzupełniają wstecz z własnymi znacznikami czasu, a serwer modeli odczytuje jedną encję lub cały wsad jednym wywołaniem. Każdy odczyt zwraca, kiedy encja była ostatnio aktualizowana i jak jest stara, więc nieaktualne cechy można wykryć.
Krok po kroku
Co się dzieje, polecenie po poleceniu
- 01
Zdefiniuj schemat
Typowana grupa. Niewłaściwe typy są odrzucane przy zapisie.
FEATURE.CREATE user_features "Signals for scoring" SCHEMA age int64 ctr double country string - 02
Strumieniuj świeże wartości
Zadanie strumieniowe aktualizuje cechy w miarę napływu zdarzeń.
FEATURE.SET user_features user:42 ctr 0.051 country DE - 03
Uzupełnij wstecz z właściwym czasem
Zadania wsadowe opatrują encje czasem, w którym wartości były prawdziwe, a nie czasem ich wczytania.
FEATURE.SETAT user_features user:42 1790985600123 age 31 - 04
Oceń zamówienie
Serwer modeli odczytuje cechy użytkownika, z czasem aktualizacji i wiekiem w milisekundach.
FEATURE.GET user_features user:42 - 05
Wsad dla wielu encji
Uszereguj stronę kandydatów jednym wywołaniem.
FEATURE.BATCH user_features user:42 user:77 user:91 FEATURES ctr
Gdzie się sprawdza
Scenariusze z życia
Ranking i reklamy
Współczynniki klikalności i ostatnie zainteresowania są odczytywane dla każdego kandydata na stronie jednym wywołaniem wsadowym.
Dynamiczne ceny
Cechy popytu i zapasów są strumieniowane w sposób ciągły i odczytywane przez model cen przy każdej wycenie.
Wbudowane
Co dostajesz
Typowane schematy
Cechy int64, double i string. Zapisy z niewłaściwym typem są odrzucane.
FEATURE.CREATEFEATURE.SCHEMAStrumieniowanie i uzupełnianie
Zapisuj z bieżącym czasem lub z czasem, w którym wartości były prawdziwe.
FEATURE.SETFEATURE.SETATŚwieżość przy każdym odczycie
Każdy odczyt zwraca czas aktualizacji i wiek encji.
FEATURE.GETSerwowanie wsadowe
Wiele encji, wybrane cechy, jedno wywołanie.
FEATURE.BATCHFEATURE.STATSCzęste pytania
Czy to zastępuje mój offline feature store?
To strona online, do odczytów o niskim opóźnieniu w czasie inferencji. Dane treningowe nadal mogą pochodzić z hurtowni, a uzupełnienia są zapisywane w HotKV przez FEATURE.SETAT.
Jak wykryć nieaktualne cechy?
Każde FEATURE.GET zwraca czas ostatniej aktualizacji i wiek w milisekundach, więc serwer modeli może odrzucić lub oznaczyć stare wartości.
Które plany to zawierają?
Feature store jest częścią planów Performance i Scale.
Powiązane przypadki użycia
Wypróbuj na własnym obciążeniu
HotKV mówi protokołem Redis, więc możesz skierować na niego istniejącego klienta i uruchomić te same polecenia.