模型服务化这件事：从 Batch 到 Stream，不只是改个部署方式那么简单
说句掏心窝子的实话：
绝大多数模型“死”在部署阶段，不是死在算法上。
训练时 AUC 飞起、离线评估美如画，一到线上就翻车——延迟高、数据对不上、效果漂、被业务嫌弃。这事儿我见太多了。
而其中最典型的一次“翻车现场”，就是——
👉 把一个 Batch 模型，硬生生搬进 Stream 场景。
今天就聊聊这个事：
模型服务化，从 Batch 到 Stream，到底难在哪？又该怎么转？
一、先说大白话：Batch 和 Stream 到底差在哪？
很多同学一上来就说：“不就是把每天跑一次，变成来一条算一条吗？”
听起来没毛病，但实际差得远了。
我给你一句最接地气的总结：
Batch 是“算完再说”，Stream 是“算慢一点，业务就骂你”。
Batch 模型的典型特征
- 数据是完整的、静态的
- 特征可以随便 Join、随便扫
- 允许分钟级、小时级延迟
- 失败了还能重跑
典型代码长这样：
df = spark.read.parquet("hdfs://features/day=20260201")
result = model.transform(df)
result.write.parquet("hdfs://pred/day=20260201")
舒服，稳妥，工程师的天堂。
Stream 模型的现实世界
- 数据是不完整的、乱序的
- 特征要实时补齐
- 延迟通常是 几十毫秒
- 一旦错了，业务已经受影响了
你会面对的是：
- Kafka / Pulsar 消息
- 在线特征服务
- 状态管理
- 超时、降级、兜底
这不是“改代码”，这是“换脑子”。
二、Batch 模型为什么不能直接“上线即服务”？
我说个很扎心的结论：
80% 的离线模型，天生就不适合直接服务化。
原因主要有三类。
1️⃣ 特征依赖太“重”
Batch 特征工程里，最常见的三板斧：
- 全量统计
- 多表 Join
- 滑窗聚合
比如：
# 过去30天用户平均下单金额
df.groupBy("user_id") \
.agg(avg("order_amount").alias("avg_30d"))
放到 Stream 里，你立马就会遇到问题：
- 30 天数据放哪？
- 状态多大？
- 乱序怎么办？
- 重启怎么办？
这时候你才发现：
模型轻了，特征反而成了“怪兽”。
2️⃣ 模型计算路径不可控
Batch 里你不太关心：
- 单条推理耗时
- 内存抖动
- GC 尖峰
但 Stream 场景里：
P99 延迟，才是真正的 KPI。
你原来那个 XGBoost 200 棵树、每棵深度 10，
在离线是“稳健”，在在线是“自杀”。
3️⃣ 数据一致性被彻底撕裂
经典翻车现场：
- 训练用的是 Hive
- 线上用的是 Redis / Feature Store
- 一个字段默认值不一致
- 效果直接腰斩
这不是模型问题，是工程问题，但业务只会怪模型。
三、真正的“从 Batch 到 Stream”，该怎么转？
我自己的经验是：
别想着“平移”，要做“重构”。
下面是我常用的一套思路。
1️⃣ 先拆：把模型当成“算子”
第一步不是上服务，而是拆结构。
你要把模型拆成三层：
[数据接入] -> [特征构建] -> [模型推理]
Batch 世界里这三件事是搅在一起的，
Stream 世界里必须彻底解耦。
2️⃣ 特征先服务化，模型才能服务化
这是一个很多团队会踩的坑。
没有在线特征服务，谈模型服务化就是耍流氓。
典型在线特征获取逻辑：
def get_features(user_id):
profile = redis.get(f"user:{user_id}")
stats = redis.get(f"user_stats:{user_id}")
return {
**profile, **stats}
几个关键点：
- 特征必须低延迟
- 必须有默认值
- 必须能版本化
记住一句话：
特征是模型的“氧气”，不是“装饰品”。
3️⃣ 模型要“瘦身”，不是“硬扛”
Batch 模型追求的是精度极限，
Stream 模型追求的是 稳定 + 可控 + 可解释。
我个人非常推荐的思路：
- 深度模型 → 蒸馏 / 裁剪
- 树模型 → 限深 + 限节点
- 复杂特征 → 合并 / 离散化
例如一个极简在线推理接口：
@app.post("/predict")
def predict(features: dict):
score = model.predict_proba(features)[1]
return {
"score": float(score)}
简单 ≠ 低级
简单 = 可控
4️⃣ Stream 场景，一定要有“兜底思维”
这是我吃过最大亏的一点。
线上世界只有一句真理：
模型可以挂，业务不能停。
你至少要准备三层兜底：
- 超时返回默认分
- 特征缺失走规则
- 服务异常直接降级
try:
score = model.predict(x)
except TimeoutError:
score = DEFAULT_SCORE
这段代码，
比你调 0.001 的 AUC 提升值钱多了。
四、我个人的一点感受（很真实）
干了这么多年，我越来越不迷信“高大上模型”。
真正让我印象最深的项目，反而是那种：
- 模型不复杂
- 架构很清晰
- 延迟稳定
- 数据可追溯
Batch 是“做研究”，Stream 是“做产品”。
当你把模型真正放进实时链路，你会发现：
- 算法只是 30%
- 工程是 50%
- 剩下 20% 是敬畏线上系统
五、最后一句话，送给正在转型的你
如果你现在正准备把一个 Batch 模型推到 Stream：
👉 先别急着写服务代码
👉 先想清楚：这个模型，值不值得实时算？
能异步的，别同步
能近线的，别强实时
能规则兜底的，别迷信模型
模型服务化，不是技术升级，是认知升级。
