3. 特征回填概述

在特征平台与机器学习工程实践中，特征回填（Feature Backfill）指的是：当某个特征的定义、计算逻辑、数据来源或时间窗口发生新增、修正或升级时，将历史时间段内缺失或错误的特征值，按照与线上一致的口径重新计算并写入特征存储的过程。它解决的不是“未来怎么算”，而是“过去应该是什么”。

与之相邻的两个概念需要先厘清：特征回放（Replay）强调按时间顺序重放历史事件或特征快照，用于复现训练样本或线上推理；一致性治理则保证离线训练、回填结果与线上服务三者的特征值在语义、口径和时间对齐上保持一致。回填是动作，回放是验证手段，一致性治理是长期约束。

一、核心原理：时间点正确性与双时间轴

特征回填的专业性来自两条时间轴的交织：事件时间（Event Time）表示业务事件真实发生的时刻；处理时间（Processing Time）表示特征被计算和写入的时刻。回填时，我们必须以事件时间为基准，为每个历史样本还原“在该时刻系统已知的信息”。

例如用户近7天订单数这一特征，在回填 2024-03-10 的样本时，只能使用 2024-03-03 至 2024-03-09 的订单，而不能把 3 月 10 日之后产生的订单算进去。这就是 Point-in-Time Join 的本质：用样本标签时间戳去截断特征的时间窗口。

二、典型场景：什么时候必须做回填

• 新增特征上线：模型迭代引入新特征，历史训练样本需要补齐该特征列。
• 逻辑修正：发现某特征计算存在边界错误（如空值处理、时区偏差），需重算历史。
• 数据源迁移：上游表结构或口径变更，旧特征需按新来源重建。
• 窗口调整：将“近7天”改为“近14天”，历史窗口需重新聚合。
• 模型复盘与归因：需要复现某次线上决策，必须还原当时的特征快照。

这些场景的共同点是：历史样本与当前特征定义之间出现了口径差。回填就是消除这个差值的工程手段。

三、方法流程：一次可治理的回填怎么做

1. 定义回填范围：明确特征名、时间区间、实体粒度（用户/商品/会话）。
2. 冻结计算逻辑：使用与线上一致的代码版本或特征定义 DSL，避免“回填用旧代码、线上用新代码”。
3. 选择回填模式：全量重算、增量补算或分区覆盖。
4. 执行 Point-in-Time Join：以样本时间戳截断特征窗口。
5. 写入特征存储：按时间分区写入，保留版本号与血缘信息。
6. 一致性校验：抽样对比回填值与线上回放值，检查偏差率。

# 回填任务参数示例
feature: user_order_cnt_7d
entity: user_id
time_range: 2024-01-01 ~ 2024-03-31
mode: partition_overwrite
point_in_time: true
consistency_check:
  sample_rate: 0.01
  tolerance: 1e-6

四、挑战与误区复盘

五、业务价值：为什么值得投入

回填的价值不止于“补齐数据”。它直接决定了三件事：训练样本的可信度、模型效果的稳定性、线上问题定位的效率。当特征口径可回填、可回放、可对比时，团队才能从“凭感觉调模型”转向“用数据做归因”。