实时特征引擎与特征管理平台产品系统

信贷风控的模型、评分卡和拒绝规则都依赖大量用户特征。原来特征散落在各个服务里，定义、取值分布和血缘都要找开发查，特征上线没有审批和审计，实时计算慢、上游字段为空时还会让计算器崩溃。项目目标是建设统一的特征计算引擎和特征管理平台，为决策引擎提供稳定、高性能、可追溯的特征。（在职期间负责的公司内部系统）

1、实时特征计算：每个用户 3000+ 特征实时计算，接入多数据源与动态线程池，支持实时、离线（T+1）和离线+实时组合三种模式。2、Python 计算框架：用树形配置文件定义数据接口和调度关系，方便机器学习同学自助开发和自测特征。3、特征管理平台：特征目录（37 个字段的契约 API）、草稿/待审/驳回/停用观察状态机、版本回滚、操作审计、特征血缘接口。4、日内监控：Kafka→Redis→MySQL，耗时分桶统计和 HyperLogLog 去重率。5、数据引擎：运营商、三方交易、Open Banking 银行数据授权与征信报告解析，为模型提供数据。

我负责服务搭建、核心模块开发和持续迭代，也是风控管理平台后端的主要作者。技术栈 Java 17、Spring Boot、Kafka、Redis、MySQL、MongoDB，以及 Python 自研计算框架。难点与解法：上游字段为空导致 5 个特征计算器崩溃、决策超时每天上百条——在取数服务层回查补齐空字段（不动特征库、不额外发版），按手机号并发取数，超时从 120s/300s 压到 10s，加 15 分钟错误阈值告警，相关异常日志从峰值每天 6800+ 降到约 300。平台上线后对齐了 2660 条特征元数据。