3. 模型生命周期管理：模型开发、训练、评估、部署、监控、迭代的全流程概述

在批流一体风控链路中，模型生命周期管理是确保风控策略持续有效、快速响应业务变化的核心工程实践。一个完整的模型生命周期涵盖从业务需求分析到模型退役的六个关键阶段：开发、训练、评估、部署、监控、迭代。本章将系统阐述各阶段的核心任务、交付物及批流一体场景下的特殊考量。

3.1 模型开发阶段

模型开发是生命周期的起点，主要完成业务问题定义、特征工程、算法选型与基线模型构建。在批流一体架构下，开发阶段需同时考虑批量（Batch）与流式（Streaming）两种计算模式的兼容性。

3.2 模型训练阶段

训练阶段利用历史数据对模型参数进行优化。批流一体场景下，训练通常以离线批量方式进行，但训练数据的生成逻辑必须与实时特征计算逻辑对齐。

• 训练数据准备： 从离线数仓或特征存储中提取训练样本，确保时间窗口、特征回溯逻辑与线上一致。
• 训练任务调度： 使用工作流引擎（如Airflow、Argo）定期触发训练任务，支持分布式训练（Spark、Flink ML）。
• 超参数调优： 采用网格搜索、贝叶斯优化等方法，在验证集上寻找最优参数组合。
• 模型版本管理： 每次训练生成的模型文件（如.pkl、.onnx）需记录版本号、训练时间、特征集哈希、训练代码Git提交ID。

# 模型训练与版本记录示例（Python伪代码）
from mlflow import start_run, log_param, log_metric, log_artifact

with start_run(run_name="fraud_model_v3.2"):
    log_param("algorithm", "XGBoost")
    log_param("feature_hash", "a1b2c3d4")
    log_param("training_data_range", "2024-01-01 ~ 2024-06-30")
    
    model = train_model(X_train, y_train, params)
    auc = evaluate(model, X_val, y_val)
    
    log_metric("val_auc", auc)
    log_artifact("model.onnx")
    log_artifact("feature_pipeline.py")

3.3 模型评估阶段

评估阶段不仅关注模型在离线测试集上的性能，还需模拟线上实时推理环境进行验证。评估结果直接决定模型是否可以进入部署环节。

3.4 模型部署阶段

部署阶段将评估通过的模型发布到生产环境，同时支持批量离线预测和实时流式推理。批流一体部署的核心是统一推理引擎和模型服务。

3.5 模型监控阶段

模型上线后，监控是保障风控效果不衰退的关键防线。监控覆盖模型性能、数据质量、系统稳定性三个层面。

• 性能监控： 实时计算线上AUC、KS、PSI（群体稳定性指标），设置告警阈值。当PSI > 0.1时触发模型漂移告警。
• 数据监控： 监控特征缺失率、特征分布突变、特征延迟（实时特征计算耗时）。
• 系统监控： 推理服务QPS、P99延迟、内存/CPU使用率、模型加载失败次数。
• 决策监控： 记录每次推理的输入特征、模型版本、决策结果、置信度，用于事后审计和回溯分析。

3.6 模型迭代阶段

当监控发现模型效果显著下降或业务规则发生变化时，触发模型迭代流程。迭代不是简单的重新训练，而是包含回退、热修复、版本升级等多种策略。

3.7 全流程总结

模型生命周期管理是一个持续闭环，各阶段之间通过自动化管道（Pipeline）紧密衔接。在批流一体风控链路中，以下三点是成功落地的关键：

1. 统一元数据管理： 模型版本、特征版本、训练数据版本、部署配置必须通过元数据平台关联，确保可追溯。
2. 自动化门禁： 在评估阶段设置自动门禁（如AUC > 0.85、PSI < 0.05、P99延迟 < 100ms），不达标则阻断部署。
3. 灰度与回滚： 任何模型变更必须支持灰度发布（如5%流量逐步提升至100%），并具备一键回滚到上一版本的能力。