Databricks 推 Feature Views 一次定义消除偏差

Databricks 发布 **Feature Views** 进入 Public Preview，核心卖点是「一次定义，消除训练-服务偏差」，这是实时 ML 工程中最棘手的问题。

Feature Views 是一个跨 ML 生命周期的抽象层。数据科学家在 notebook 里定义特征的来源、实体、时间序列列和计算逻辑后，平台自动生成用于实验和训练的历史数据、管理线上与线下存储，并将同一定义同时用于批量推理和实时服务。在实时场景（如欺诈检测、个性化推荐）中，Feature Views 支持从 Kafka 接入流式特征，提供端到端 **p99 延迟 200ms** 的毫秒级刷新能力。

💡 为什么值得看直击实时 ML 落地最大痛点——训练与服务特征计算不一致，一个定义贯通实验到生产。