2. 核心概念：特征服务定义、特征工程流水线、在线/离线特征、特征存储

在构建跨机房信用评分特征服务之前，必须统一四个核心概念的定义与边界。特征服务是面向在线推理的中间层，特征工程流水线是特征的生产过程，在线/离线特征决定了时效性与一致性策略，特征存储则是支撑低延迟访问的基础设施。本节逐一拆解这些概念，并建立它们之间的逻辑关系。

2.1 特征服务定义

特征服务（Feature Service）是一个面向在线推理场景的中间层系统，它屏蔽了底层特征存储的异构性，为信用评分模型提供统一、低延迟、高可用的特征访问接口。特征服务不是简单的 KV 缓存，它需要处理特征版本管理、特征组合、缺失值填充、跨机房同步等复杂逻辑。

2.2 特征工程流水线

特征工程流水线（Feature Engineering Pipeline）是将原始数据加工为可用特征的全过程。在信用评分场景中，流水线通常包含以下阶段：

1. 数据接入：从 Kafka、数据库、文件系统等源读取原始事件数据（如交易流水、还款记录）。
2. 数据清洗：处理缺失值、异常值、重复数据，统一时间戳格式。
3. 特征计算：执行聚合（如近30天总交易金额）、比率（如负债/收入比）、时序特征（如滑动窗口均值）。
4. 特征编码：将类别特征转为数值（如 WOE 编码、One-Hot），连续特征做分箱或标准化。
5. 特征存储：将计算结果写入在线/离线特征存储，并记录特征元数据。

2.3 在线特征与离线特征

信用评分场景中，特征根据时效性和计算方式分为在线特征与离线特征，两者在存储、延迟、一致性要求上存在显著差异。

2.4 特征存储

特征存储（Feature Store）是统一管理特征元数据、特征数据版本、在线/离线存储的中间层。它解决了特征复用、一致性、版本回溯等核心问题。在跨机房架构中，特征存储的设计直接影响数据同步复杂度和故障恢复速度。

2.5 核心概念关系总结

四个核心概念在信用评分特征服务中形成如下依赖关系：

• 特征工程流水线 生产出 在线特征 和 离线特征，分别写入对应的 特征存储。
• 特征服务 从 特征存储 中读取特征数据，组合后提供给信用评分模型。
• 跨机房部署时，特征存储 的同步策略决定了 特征服务 的数据一致性级别。