宣布 Databricks 特征服务的全面可用性
内容提要
特征服务现已正式推出，可为人工智能应用程序提供实时的预计算和按需特征服务。它旨在快速、安全、易于使用，具有低延迟、特征链式化、统一治理和无服务器能力等优势。特征服务与Databricks Data Intelligence平台集成，可用于个性化推荐和欺诈检测等各种人工智能用例。文章还提供了创建特征服务端点的逐步示例。
延伸解读
特征服务如何降低训练-服务偏差
训练-服务偏差是机器学习模型上线后性能下降的常见原因。Databricks特征服务通过确保训练和推理阶段使用完全相同的特征转换逻辑来减少这种偏差。无论是预计算特征还是按需特征，都基于同一套定义，从而避免因转换不一致导致的预测错误。这有助于提升模型在生产环境中的可靠性。
无服务器架构与在线表的协同
特征服务利用Databricks在线表来提供预计算特征的毫秒级查询，并采用无服务器架构，用户无需管理或配置任何基础设施。在线表目前处于公共预览阶段，可自动同步Delta表中的特征数据，确保在线特征与离线训练数据一致。这种集成简化了特征上线流程，让团队能更专注于模型改进。
特征链式化支持复杂实时计算
特征服务支持特征链式化，允许将预计算特征与按需计算组合成链。例如，先查找酒店预计算价格，再根据用户位置和入住天数实时计算折扣总价。这种能力使得构建复杂实时特征变得简单，无需维护多个数据管道，同时保证了低延迟。
典型应用场景与客户反馈
特征服务适用于个性化推荐、欺诈检测和RAG应用等实时AI场景。客户反馈表明，该服务能轻松处理扩展性并确保生产可靠性，使团队能专注于提升AI应用质量。例如，Yape Peru利用特征服务快速部署推荐系统，Ripple则借助在线表改进流动性预测，提升支付体验。
Q&A
特征服务的主要功能是什么？
特征服务提供实时的预计算和按需特征服务，旨在支持AI应用程序的快速和低延迟特征访问。
特征服务如何提高AI应用的质量？
特征服务使客户能够专注于提升AI应用的质量，通过简化特征的访问和管理，减少了操作开销。
特征服务支持哪些类型的特征计算？
特征服务支持预计算特征和按需特征，前者在预测请求前计算并存储，后者在推理时计算以确保数据新鲜度。
如何创建特征服务端点？
创建特征服务端点可以通过Databricks的UI或REST API，步骤包括创建在线表、定义特征规格和配置端点。
特征服务的无服务器架构有什么优势？
无服务器架构消除了资源管理的需求，简化了操作，使用户能够专注于特征的计算和应用，而无需担心基础设施。
特征服务适用于哪些AI用例？
特征服务适用于个性化推荐、欺诈检测和客户服务聊天机器人等多种AI用例。
