3. 批次偏移的根因分析：数据源变更、调度延迟、特征回溯失败、时间窗口不一致

批次偏移（Batch Offset）是特征服务中最隐蔽、影响范围最广的稳定性问题之一。当特征计算批次与预期时间窗口发生系统性错位时，模型推理将基于错误的历史分布，导致线上效果断崖式下跌。本章从四个核心维度拆解批次偏移的根因，帮助 SRE 与数据架构师快速定位问题源头。

3.1 根因分类与影响矩阵

批次偏移的根因可归纳为四类：数据源变更、调度延迟、特征回溯失败、时间窗口不一致。下表对比了各类根因的典型表现、影响范围与检测难度。

3.2 数据源变更：上游 Schema 与分区漂移

数据源变更是批次偏移最常见的触发因素。上游业务表新增字段、修改字段类型、调整分区策略（如从按天分区改为按小时分区），都会导致特征管道读取到错误的数据批次。

3.2.1 典型场景

• Schema 演化：上游表新增 feature_v2 列，但特征管道仍按旧 Schema 解析，导致列偏移。
• 分区路径变更：数据湖分区从 dt=2025-01-01 变为 date=2025-01-01，特征任务读取不到数据。
• 数据格式切换：从 Parquet 切换为 ORC，但特征管道未更新读取引擎。

3.2.2 自动化检测策略

# 伪代码：数据源 Schema 变更检测
def detect_schema_drift(source_table, expected_schema):
    actual_schema = get_table_schema(source_table)
    diff = compare_schema(expected_schema, actual_schema)
    if diff.has_changes():
        alert("Schema Drift Detected", diff.changes)
        trigger_pipeline_pause()
    return diff

3.3 调度延迟：DAG 依赖链中的批次错位

调度延迟是批次偏移的“慢性杀手”。当特征管道的上游依赖任务（如原始数据加工、标签计算）发生延迟时，特征任务可能读取到上一个批次的数据，造成批次偏移。

3.3.1 延迟传播模型

下图展示了调度延迟在特征管道中的传播路径：

3.3.2 调度延迟的根因定位

1. 检查 DAG 依赖时间戳：对比特征任务启动时间与上游任务实际完成时间。
2. 分析资源队列：查看调度器（Airflow / DolphinScheduler）中任务是否因资源不足而排队。
3. 评估数据量波动：当日数据量突增（如大促活动）可能导致上游任务执行时间翻倍。

3.4 特征回溯失败：历史批次重建中的偏移

特征回溯（Feature Backfill）用于修复历史特征数据或补充新特征的历史版本。回溯失败会导致历史批次出现空洞或错位，进而影响模型回测与在线推理的一致性。

3.4.1 回溯失败模式

3.4.2 回溯偏移检测

# 伪代码：回溯批次完整性校验
def validate_backfill_completeness(feature_store, start_date, end_date):
    expected_batches = generate_batch_list(start_date, end_date)
    actual_batches = query_existing_batches(feature_store)
    missing = expected_batches - actual_batches
    if missing:
        alert("Backfill Incomplete", missing_batches=missing)
        trigger_incremental_backfill(missing)
    return len(missing) == 0

3.5 时间窗口不一致：特征计算与模型训练的对齐问题

时间窗口不一致是批次偏移中最隐蔽的根因。特征计算窗口（如过去 7 天均值）与模型训练时使用的窗口定义存在差异，导致线上推理时特征分布与训练分布不一致。

3.5.1 常见不一致场景

• 窗口边界差异：训练时使用 current_date - 7 到 current_date - 1，线上使用 current_date - 7 到 current_date（包含当天）。
• 时区未对齐：特征管道使用 UTC 时间，模型服务使用本地时间，导致窗口偏移数小时。
• 节假日处理：训练时剔除节假日，线上未剔除，导致窗口内数据分布突变。

3.5.2 窗口一致性校验流程

下图展示了时间窗口一致性的自动化校验流程：

3.6 根因定位决策树

当批次偏移告警触发时，可按以下决策树快速定位根因：

1. 检查数据源 Schema：对比特征管道入口 Schema 与上游表实际 Schema。若不一致 → 数据源变更。
2. 检查调度 DAG 状态：查看特征任务的上游依赖是否按时完成。若有延迟 → 调度延迟。
3. 检查回溯任务日志：查看近期是否有回溯任务失败或超时。若有 → 特征回溯失败。
4. 检查窗口配置：对比训练环境与线上环境的窗口参数。若不一致 → 时间窗口不一致。
5. 若以上均无异常：检查数据质量（空值率、分布漂移），可能为数据本身偏移。