3. 因子系统概述
因子系统是模型看板与低延迟评分架构的核心数据层。在量化风控、实时推荐和智能决策场景中，因子（Feature）是模型进行预测的最小输入单元。本章从因子的定义出发，逐步拆解其在模型评分中的作用，并引入因子仓库这一工程化概念，为后续低延迟接口设计奠定基础。
3.1 因子的定义
因子，又称特征变量，是对原始业务数据进行加工、变换后得到的、可直接用于模型计算的数值或类别型变量。一个因子通常包含三个基本属性：
| 属性 | 说明 | 示例 |
|---|---|---|
| 因子标识 | 全局唯一的因子名称或ID，用于在系统中索引 | user_age、order_amt_30d_sum |
| 因子值 | 经过计算后的具体数值或枚举值 | 35、12800.50、high_risk |
| 时间戳 | 因子值生成或采集的时间点，用于时效性判断 | 2025-03-21 14:30:00.123 |
从数据来源角度，因子可划分为以下三类：
- 基础因子：直接从数据源获取，未经二次加工，如用户注册年龄、订单金额。
- 衍生因子：通过聚合、统计、窗口计算得到，如近30天消费总额、最大借款间隔天数。
- 外部因子：来自第三方数据源，如征信评分、多头借贷次数。
工程提示： 在低延迟评分场景中，因子定义必须包含明确的数据类型（int、float、string、boolean）和缺失值处理策略（默认值、均值填充、拒绝评分），否则在运行时容易引发类型转换异常或评分结果不一致。
3.2 因子在模型评分中的作用
模型评分本质上是将一组因子向量映射为预测分数的函数。因子在评分链路中承担以下关键角色：
- 输入层：模型接收的原始信号全部来自因子，因子质量直接决定模型上限。
- 特征空间：因子构成模型决策的高维空间，每个因子对应一个维度。
- 权重载体：在线性模型或树模型中，因子通过权重或分裂点影响最终分数。
- 可解释性锚点：通过分析因子贡献度（如SHAP值），可定位评分波动的根因。
以下是一个典型的评分计算流程，展示因子如何参与运算：
// 伪代码：因子评分计算示例
double score = intercept;
for (Feature f : featureList) {
score += f.getWeight() * normalize(f.getValue());
}
score = sigmoid(score); // 转换为概率分数
关键认知： 在低延迟评分接口中，因子计算耗时通常占整个请求处理时间的 60%~80%。因此，因子系统的性能优化是降低接口延迟的核心突破口。
3.3 因子仓库的概念
因子仓库（Feature Store）是一个集中管理因子定义、计算逻辑、存储和版本的中心化平台。它解决了传统评分系统中因子散落在各业务代码、难以复用和治理的问题。
因子仓库的核心组件包括：
| 组件 | 职责 | 技术选型示例 |
|---|---|---|
| 因子注册中心 | 管理因子元数据（名称、类型、来源、版本） | MySQL + Redis 缓存 |
| 因子计算引擎 | 执行因子加工逻辑，支持实时/批量计算 | Flink、Spark、自研C++引擎 |
| 因子存储层 | 存储因子值，支持高并发读取 | Redis Cluster、HBase、TiKV |
| 因子服务API | 对外提供因子查询、订阅、推送接口 | gRPC、HTTP/2 |
下图展示了因子仓库在模型评分架构中的位置与数据流向：
工程避坑： 因子仓库不是简单的键值存储。在实际落地中，必须处理因子时效性（T+1 vs 实时）、一致性（批量更新与实时写入冲突）和存储成本（全量因子 vs 高频因子分离）三大难题。建议初期优先接入高频核心因子，逐步扩展。
引入因子仓库后，模型评分接口的调用链路从“业务代码直连数据库”转变为“业务代码 → 因子服务API → 因子仓库 → 模型引擎”，虽然增加了一层网络开销，但换来了因子复用、版本回滚、监控告警和性能缓存等工程红利，在规模化场景下整体延迟反而更低。