场景驱动的特征计算方式OpenMLDB，高效实现“现算先用”

导读：
本文由Akulaku资深算法开发工程师黄泓4月23日在DataFunSummit上的演讲「Akulaku智能计算系统及应用」整理而成。

在特征计算系统的实现上，Akulaku采用场景驱动方式，通过使用OpenMLDB，更加高效地实现特征“现用现算”。

一、Akulaku的场景和需求

Akulaku是一家主打海外市场的互联网金融服务提供者，服务内容包括网上购物和分期付款，现金贷，保险等等。也就是Akulaku包含金融属性和电商属性，以金融属性为主。

主要的应用场景包括金融风控，电商智能客服以及电商推荐等等。

Akulaku的智能计算架构（如下图所示）整体上分为3层，从下往上依次为特征计算层、模型计算层和智能应用层：

• 特征计算层：包含底层特征和指标的计算产出

• 模型计算层：包含模型的训练、部署和针对知识图谱的推理引擎

• 智能应用层：基于部署的模型、训练的模型和知识推理引擎，我们搭建了一系列的智能应用，包含例如反洗钱模型、风险设备标签等等

二、智能计算系统构建的难点

虽然业务场景比较丰富，但难点主要聚焦在特征计算环节，大致包含以下三点：

• 线上部署：低延时，高时效性

• 线下分析：高吞吐量