3、特征工程与特征存储：离线特征与在线特征的一致性、特征平台（Feast/Tecton）简介、特征服务API设计

3.1 离线特征与在线特征的一致性

在信用评分模型从离线训练到在线Serving的过程中，特征一致性是决定模型效果能否复现的核心挑战。离线特征（训练时使用）与在线特征（推理时使用）若存在偏差，将直接导致模型预测失真，引发信用评分误判。

3.1.1 不一致的常见原因

3.1.2 一致性保障策略

• 特征定义即代码：使用声明式特征定义（如Feast Feature View），离线与在线共用同一份特征元数据。
• 离线-在线验证流水线：在模型上线前，对同一批样本分别计算离线特征与在线特征，对比分布差异（PSI、KS）。
• 特征回溯（Point-in-Time Join）：确保离线训练时使用的特征值严格对应样本时间点的历史快照，而非未来数据。
• 特征服务层统一：在线推理时通过特征服务API获取特征，该API内部复用与离线相同的特征计算逻辑。

3.2 特征平台简介：Feast 与 Tecton

特征平台（Feature Platform）是解决离线-在线特征一致性、特征共享与特征治理的基础设施。在信用评分场景中，特征平台承担着特征注册、特征计算、特征存储、特征服务四大职责。目前业界主流的开源方案是 Feast，商业化方案以 Tecton 为代表。

3.2.1 Feast 核心架构

3.2.2 Feast 与 Tecton 对比

3.2.3 信用评分场景下的特征平台选型建议

• 初创或中型团队：优先选择 Feast，利用其开源生态与灵活存储后端，快速搭建特征服务。
• 大型金融机构：若对SLA、特征治理、合规审计有严格要求，可考虑 Tecton 或基于 Feast 进行二次开发。
• 关键考量：特征回溯能力（Point-in-Time Join）是信用评分模型训练的基础，无论选型哪种平台，都必须确保该功能可用。

3.3 特征服务API设计

特征服务API是连接在线推理引擎与特征存储的桥梁。在信用评分Serving中，API设计需要兼顾低延迟（通常要求P99 < 20ms）、高并发（每秒数千至数万次查询）以及特征一致性。

3.3.1 API设计原则

• 批量获取：支持一次请求获取多个实体（用户）的多个特征，减少网络开销。
• 特征版本控制：API应支持指定特征版本或时间戳，便于A/B测试与模型回滚。
• 降级与熔断：当在线存储不可用时，自动降级到离线缓存或默认值，避免评分服务中断。
• 可观测性：每个API调用记录特征名称、耗时、命中率，用于监控特征健康度。

3.3.2 典型API接口定义

// 特征服务API接口定义（Protobuf）
service FeatureService {
  // 批量获取特征
  rpc GetOnlineFeatures(GetOnlineFeaturesRequest) returns (GetOnlineFeaturesResponse);
}

message GetOnlineFeaturesRequest {
  // 特征视图名称列表
  repeated string feature_view_names = 1;
  // 实体键列表（如用户ID）
  repeated EntityKey entity_keys = 2;
  // 可选：指定特征时间戳
  int64 timestamp = 3;
  // 可选：特征版本
  string feature_version = 4;
}

message EntityKey {
  map<string, string> keys = 1;  // 例如 {"user_id": "12345"}
}

message GetOnlineFeaturesResponse {
  // 特征值列表，顺序与请求中的entity_keys对应
  repeated FeatureValues feature_values = 1;
  // 服务元数据（耗时、命中状态等）
  ServiceMetadata metadata = 2;
}

message FeatureValues {
  map<string, FeatureValue> features = 1;  // 特征名 -> 特征值
}

message FeatureValue {
  oneof value {
    double double_val = 1;
    int64 int64_val = 2;
    string string_val = 3;
    bool bool_val = 4;
  }
  // 特征新鲜度（秒）
  int64 freshness_seconds = 5;
}

3.3.3 特征服务API调用流程

3.3.4 信用评分场景的API优化要点

3.4 本章小结

• 离线与在线特征一致性是信用评分模型Serving成功的基石，必须通过特征平台统一管理特征定义与计算逻辑。
• Feast 提供开源、灵活的特征管理方案，Tecton 提供企业级全托管能力，选型需结合团队规模与合规要求。
• 特征服务API设计应聚焦低延迟、高可用与可降级，批量获取、本地缓存、熔断降级是核心优化手段。
• 在信用评分场景中，特征平台不仅是技术基础设施，更是模型治理与风险控制的关键环节。