詐欺與風險評分
結帳時、在請求路徑中、付款核准之前，讀取信用卡的交易速度、裝置使用時間與帳戶歷史。
AI 與 LLM機器學習Performance 與 Scale 方案
即時機器學習特徵庫
針對使用者、項目與工作階段的具型別特徵，由您的管線寫入，並由您的模型在推論時讀取，同時附帶其新舊程度。
- 種特徵類型
- 3
- 隨每次讀取傳回
- 新舊
- 讀取多個實體
- 批次
步驟 1 ／ 5
定義結構描述
具型別的群組。型別錯誤的寫入會在寫入時被拒絕。
範例工作階段playing
# 定義結構描述
hotkv> FEATURE.CREATE user_features "Signals for scoring" SCHEMA age int64 ctr double country string
OK
以真實 HotKV 指令與範例回覆呈現的動畫導覽。點擊任一步驟即可跳到該步驟。 指令與回覆維持英文，與您在 HotKV 中輸入及看到的完全一致。
問題
正式環境中的模型，表現取決於它在推論時看到的特徵。離線資料倉儲太慢，無法針對每個請求查詢，而單純的鍵值儲存沒有結構描述，所以管線錯誤把文字寫進數值特徵時，是模型先發現，而不是儲存系統。
HotKV 如何處理
HotKV 中的特徵群組具有具型別的結構描述。串流作業寫入最新的值，批次作業以自己的時間戳記回填，模型伺服器則在單次呼叫中讀取單一實體或一整批實體。每次讀取都會傳回實體上次更新的時間與已過了多久，因此可以偵測過期的特徵。
逐步說明
逐個指令看看發生了什麼事
- 01
定義結構描述
具型別的群組。型別錯誤的寫入會在寫入時被拒絕。
FEATURE.CREATE user_features "Signals for scoring" SCHEMA age int64 ctr double country string - 02
串流寫入最新的值
串流作業在事件到來時更新特徵。
FEATURE.SET user_features user:42 ctr 0.051 country DE - 03
以正確的時間回填
批次作業為實體標上值為真的時間，而不是載入的時間。
FEATURE.SETAT user_features user:42 1790985600123 age 31 - 04
為結帳評分
模型伺服器讀取使用者的特徵，並附上更新時間與以毫秒計的存續時間。
FEATURE.GET user_features user:42 - 05
批次處理多個實體
一次呼叫就能為一頁候選項目排序。
FEATURE.BATCH user_features user:42 user:77 user:91 FEATURES ctr
適用之處
真實世界的情境
排序與廣告
以單次批次呼叫，讀取頁面上每個候選項目的點擊率與近期興趣。
動態定價
需求與庫存特徵持續以串流寫入，並由定價模型在每次報價時讀取。
內建
您能獲得什麼
具型別的結構描述
int64、double 與 string 特徵。型別錯誤的寫入會被拒絕。
FEATURE.CREATEFEATURE.SCHEMA串流與回填
可以用目前的時間寫入，也可以用值為真的時間寫入。
FEATURE.SETFEATURE.SETAT每次讀取都附帶新鮮度
每次讀取都會傳回實體的更新時間與存續時間。
FEATURE.GET批次提供
多個實體、選定的特徵，一次呼叫。
FEATURE.BATCHFEATURE.STATS常見問題
這會取代我的離線特徵庫嗎？
它是線上的那一端，負責推論時的低延遲讀取。訓練資料仍可來自您的資料倉儲，回填資料則以 FEATURE.SETAT 寫入 HotKV。
如何偵測過期的特徵？
每次 FEATURE.GET 都會傳回上次更新的時間與以毫秒計的存續時間，因此模型伺服器可以拒絕或標記舊的值。
哪些方案包含它？
特徵庫屬於 Performance 與 Scale 方案。