欺诈与风险评分
在支付获批之前，在请求链路中于结账时读取银行卡频次、设备时长和账户历史。
AI 与 LLM机器学习Performance 和 Scale 套餐
实时 ML 特征存储
为用户、条目和会话提供带类型的特征，由您的流水线写入，由您的模型在推理时读取，并附带其时效。
- 种特征类型
- 3
- 随每次读取返回
- 时效
- 读取多个实体
- 批量
步骤 1 / 5
定义 schema
一个带类型的特征组。类型错误的写入会被拒绝。
示例会话playing
# 定义 schema
hotkv> FEATURE.CREATE user_features "Signals for scoring" SCHEMA age int64 ctr double country string
OK
使用真实 HotKV 命令和示例回复的动画演示。点击任意步骤即可跳转。 命令和回复保持英文，与您在 HotKV 中输入和看到的完全一致。
问题所在
生产环境中的模型，好坏取决于它在推理时看到的特征。离线数据仓库太慢，无法在每个请求中查询，而普通的键值存储没有 schema，流水线的 bug 把文本写进数值特征时，发现问题的是模型，而不是存储。
HotKV 如何解决
HotKV 中的特征组有带类型的 schema。流式任务写入最新的值，批处理任务用自己的时间戳回填，模型服务器一次调用就能读取一个实体或一整批实体。每次读取都会返回实体最后的更新时间和时效，因此可以发现过期的特征。
逐步演示
逐条命令，看看发生了什么
- 01
定义 schema
一个带类型的特征组。类型错误的写入会被拒绝。
FEATURE.CREATE user_features "Signals for scoring" SCHEMA age int64 ctr double country string - 02
流式写入最新值
流式任务在事件到达时更新特征。
FEATURE.SET user_features user:42 ctr 0.051 country DE - 03
用正确的时间回填
批处理任务为实体标记的是这些值成立的时间，而不是加载的时间。
FEATURE.SETAT user_features user:42 1790985600123 age 31 - 04
为一次结账评分
模型服务器读取该用户的特征，以及更新时间和以毫秒计的时效。
FEATURE.GET user_features user:42 - 05
批量读取多个实体
一次调用即可为一整页候选排序。
FEATURE.BATCH user_features user:42 user:77 user:91 FEATURES ctr
适用场景
真实场景
排序与广告
页面上每个候选的点击率和近期兴趣都在一次批量调用中读取。
动态定价
需求和库存特征持续流入，定价模型在每次报价时读取。
内置功能
您将获得
带类型的 schema
int64、double 和 string 特征。类型错误的写入会被拒绝。
FEATURE.CREATEFEATURE.SCHEMA流式写入与回填
可以用当前时间写入，也可以用这些值成立的时间写入。
FEATURE.SETFEATURE.SETAT每次读取都有时效
每次读取都返回实体的更新时间和时效。
FEATURE.GET批量提供
多个实体、选定的特征，一次调用。
FEATURE.BATCHFEATURE.STATS常见问题
这会取代我的离线特征存储吗？
它是在线的一侧，用于推理时的低延迟读取。训练数据仍可来自您的数据仓库，回填数据用 FEATURE.SETAT 写入 HotKV。
如何发现过期的特征？
每次 FEATURE.GET 都会返回最后的更新时间和以毫秒计的时效，模型服务器可以拒绝或标记旧值。
哪些套餐包含此功能？
特征存储包含在 Performance 和 Scale 套餐中。