排查前置准备：模型元数据记录要求、特征存储规范、线上日志采集标准、离线与在线特征一致性校验

批次偏移排查的效率和准确性，高度依赖前置基础设施的完备程度。若模型元数据缺失、特征存储混乱、日志采集不全或离线在线特征不一致，排查将陷入“无源可溯”的困境。本节从四个核心维度阐述排查前必须完成的准备工作。

2.1 模型元数据记录要求

每次模型上线或更新，必须记录完整的元数据，形成可追溯的“模型身份证”。元数据是定位批次偏移发生时“哪个模型版本、在什么时间窗口、使用了哪些特征”的关键锚点。

2.2 特征存储规范

特征存储是离线训练与在线推理的桥梁。不规范的特征存储会导致“离线特征A”与“在线特征A”在语义或计算逻辑上产生偏差，直接引发批次偏移。

• 特征命名规范： 采用 {领域}_{实体}_{指标}_{聚合方式}_{时间窗口} 格式，例如 user_click_rate_avg_7d。
• 特征版本管理： 每个特征必须携带版本号，特征变更（如计算逻辑调整）必须升版，旧版本保留至少30天。
• 特征存储介质： 离线特征存储在 Hive/Iceberg 数仓，在线特征存储在 Redis/Tair 等 KV 存储，两者通过统一的特征视图（Feature View）映射。
• 特征回溯能力： 在线特征存储需支持按时间戳回溯，即能获取“某个历史时间点的特征值”，用于回放验证。

2.3 线上日志采集标准

日志是排查批次偏移的“黑匣子”。若日志缺失关键字段，排查将无从下手。日志采集必须遵循“全量、结构化、可回溯”原则。

2.4 离线与在线特征一致性校验

这是排查批次偏移的“照妖镜”。通过对比同一时间窗口内、同一批样本的离线特征值与在线特征值，快速定位特征计算逻辑或存储的偏差。

校验流程通常包含以下步骤：

1. 选取校验样本： 从线上日志中随机抽取 N 条（建议 N ≥ 10000）请求记录，提取 request_id 和请求时间戳。
2. 获取离线特征： 根据 request_id 关联离线数仓，获取对应时间点的离线特征值。
3. 获取在线特征： 从在线特征存储中，按相同时间戳回溯获取在线特征值。
4. 逐特征对比： 计算每个特征的差异率（如 MAE、最大绝对误差、不一致样本占比）。
5. 判定阈值： 若不一致样本占比 > 1% 或 MAE > 0.05，则触发告警。

2.5 前置准备清单总览

以下清单可作为团队落地排查前置准备的检查项：