4. 特征回放概述
在特征平台与模型迭代的日常工作中，特征回填和特征回放经常被混用，甚至被当成同一件事。但从工程语义上看，两者解决的问题、触发时机、数据来源和一致性风险完全不同。本节先把“特征回放”讲清楚：它是什么、什么时候必须用、它与回填的边界在哪里。
一、核心定义：回放是“按历史时点重演特征计算”
特征回放（Feature Replay）是指：在给定一批历史时间点或历史样本的前提下，使用与当时相同或等价的特征计算逻辑、数据源版本和参数配置，重新生成这些时间点上的特征值，并用于验证、对比或修正线上/离线特征结果的过程。
它强调三个关键词：
- 历史时点：不是“最新状态”，而是某个业务发生时刻，例如用户下单时间、曝光时间、申请时间。
- 逻辑等价：回放使用的特征定义、算子、窗口、依赖表版本，应尽量还原当时的生产逻辑，而不是用今天的最新逻辑去覆盖。
- 可对比：回放结果通常要与线上落库特征、离线训练样本或另一套计算链路做逐行比对，因此必须保留主键、时间戳和版本标识。
从数据流角度看，回放不是简单“再算一遍”，而是把样本时间 → 特征逻辑版本 → 数据源快照 → 特征值这条链路重新走通。它的本质是时间维度上的可复现性工程。
二、典型场景：什么时候必须做特征回放
回放不是日常必跑任务，它通常出现在以下四类场景中：
- 线上特征异常排查：线上模型效果突然下降，怀疑某特征在某个时间段取值错误。此时需要按当时的时间点回放，确认是数据源延迟、逻辑变更还是缓存污染。
- 特征逻辑变更验证：新版本特征定义上线前，用历史样本回放新旧两套逻辑，对比差异率和分布偏移，评估是否会影响模型。
- 训练样本一致性校验：离线训练样本中的特征值，与线上服务时实际落库的特征值不一致，导致训练/推理 skew。回放可以定位是 join 时点错误还是数据版本错误。
- 模型复现与审计：监管或内部审计要求解释某次决策，需要还原当时特征值。回放提供可追溯的计算证据链。
判断口诀：如果目标是“解释过去某个时点为什么是这个值”，用回放；如果目标是“把缺失的历史区间补上”，用回填。前者重“复现”，后者重“补齐”。
三、与特征回填的区别：一张表看清边界
回填（Backfill）通常指：当特征表在某个历史区间缺失、延迟或需要重算时，用批量任务把该区间的特征值计算出来并写入存储。它更关注数据完整性，而回放更关注计算可复现性。
| 对比维度 | 特征回放 | 特征回填 |
|---|---|---|
| 核心目标 | 按历史时点复现特征计算过程与结果 | 补齐历史缺失区间的特征值 |
| 时间语义 | 严格 point-in-time，强调事件发生时刻 | 按分区/区间批量处理，时间粒度较粗 |
| 逻辑版本 | 尽量使用当时的生产逻辑版本 | 通常使用当前最新逻辑 |
| 数据源 | 历史快照或可回溯的事件流 | 当前可访问的离线表/数据湖 |
| 输出用途 | 比对、验证、审计、排查 skew | 写入特征库，供训练或线上读取 |
| 一致性风险 | 逻辑版本错配、数据快照缺失 | 用新逻辑覆盖旧区间，造成时间穿越 |
最常见的误区：把回填当成回放。用最新特征逻辑去回填三个月前的数据，然后拿这份数据去验证当时的线上效果。这等于用“今天的规则”解释“昨天的决策”，结论必然失真。
四、方法流程：一次标准回放怎么做
下面给出一个可落地的回放流程，适用于离线批式回放，也可迁移到流式回放。
# 1. 准备回放样本：主键 + 事件时间 + 标签（可选）
replay_samples = read_table("replay_samples/dt=2024-06-01")
# 字段：user_id, item_id, event_time, request_id
# 2. 锁定逻辑版本与数据源版本
feature_def_version = "feature_def_v3"
source_snapshot = "ods_user_behavior/dt=2024-05-31"
# 注意：快照日期应覆盖 event_time 所需的最大回溯窗口
# 3. 执行 point-in-time 回放计算
replay_df = replay_engine.compute(
samples=replay_samples,
feature_def=feature_def_version,
sources=[source_snapshot],
join_mode="as_of", # 按 event_time 做 as-of join
window_policy="event_time" # 窗口以事件时间为基准
)
# 4. 与线上落库特征或离线样本比对
diff = compare(
left=replay_df,
right=online_feature_table,
keys=["request_id"],
metrics=["value_diff_rate", "null_rate", "psi"]
)
# 5. 输出回放报告
write_report(diff, path="replay_report/2024-06-01/")
关键控制点有三个：样本时间必须精确到事件时刻；数据源快照必须覆盖最大回溯窗口；join 必须使用 as-of 语义而不是普通等值 join。任何一点做错，回放结果都会出现系统性偏差。
五、复盘：回放失败的三个典型信号
- 差异率随时间递增：越靠近当前时间差异越小，越早差异越大。通常是数据源快照不完整或窗口回溯不足。
- 空值率异常升高：回放结果大量为 null，说明 as-of join 没有匹配到历史分区，或事件时间格式/时区不一致。
- 分布整体平移：PSI 很高但逐行差异不大，往往是逻辑版本用错，例如把新版本的默认值策略带入了旧回放。
回放的价值不在于“再算一遍”，而在于让历史可解释、让差异可定位、让一致性可验证。理解它与回填的边界，是后续做特征一致性治理的前提。