MLOps: مدل های عملیاتی

1) نقش بهره برداری در iGaming

در iGaming، مدل ها بر پول واقعی و مقررات تاثیر می گذارند: مداخلات RG، ضد تقلب، پرداخت، KYC، محدودیت ها، پیشنهادات و توصیه ها. عملیات ارائه قابل اعتماد از پیش بینی با SLO تضمین شده، ردیابی و ایمنی است.

• انتشار و بازگشت قابل پیش بینی بدون خرابی.
• سازگاری داده ها و ویژگی های آفلاین/آنلاین.
• قابلیت مشاهده: کیفیت، رانش، صداقت، حریم خصوصی.
• کاهش TCO: عملکرد، حافظه پنهان، مخلوط GPU/CPU.
• انطباق (حسابرسی/DSAR/حقوقی برگزاری/اخلاق).

2) خدمت معماری

دسته (آفلاین): امتیاز دهی شبانه/ساعتی (محدودیت ها، بخش ها). مزایا: ارزان تر، با ثبات تر. معایب: بدون واکنش فوری.
جریان (نزدیک به زمان واقعی): پردازش رویداد (شرط ها، ناهنجاری ها) با پنجره های 1-5 دقیقه.
آنلاین (API همگام سازی): <100-300 ms p95 برای راه حل های UX/ریسک، ذخیره سازی و تخریب.
ترکیبی: «پایه از دسته + پالایش آنلاین» (به عنوان مثال: خطر RG 7 روز + باعث جلسه آنلاین).

• گروه/انباشته با یک «مدل دروازه» نور در یک مسیر بحرانی.
• اکتشاف بازگشتی در صورت شکست مدل/ویژگی.
• قطع کننده مدار و محدود کردن نرخ در قله و یا زمانی که ارائه دهندگان تنزل.

3) رجیستری مدل و مدیریت نسخه

مدل رجیستری: نسخه ها، صاحبان، تاریخ انتشار، معیارها (AUC/PR، کالیبراسیون)، dataset_version، feature_set_version، محدودیت های استفاده.
کارت مدل: وظیفه، داده ها/ویژگی ها، بخش عدالت/حریم خصوصی، مناطق خطر، فرکانس بررسی.
سیاست انتشار: "سرگرد. جزئی است. PATCH + طرح بازگشت اجباری.
Champion-Challenger: Challenger موازی با گزارش ؛ ارتقاء خودکار زمانی که معیارها برآورده می شوند.

4) ویژگی های آنلاین و سازگاری

فروشگاه ویژگی: آفلاین (آموزش) و آنلاین (استنتاج) ویترین با قراردادهای سخت.
سفر در زمان و نقطه در زمان پیوستن به آموزش.
ویژگی به روز رسانی Idempotent و حفاظت در برابر نشت هدف.
سازگاری: خواندن و نوشتن یا تضمین تحویل SLA (به عنوان مثال، ≤ 60 ثانیه).
سیاست ویژگی: اجازه/رد لیست ها، ماسک کردن، نشانه گذاری، ممنوعیت PII پروکسی.

5) استراتژی های انتشار

سایه: همه بار → قهرمان ؛ رقیب یک کپی از درخواست ها را دریافت می کند، پاسخ ها بر کسب و کار تاثیر نمی گذارد.
قناری: 1-10% از ترافیک → نسخه جدید; مقایسه KPI/معیارها، بازگشت خودکار توسط آستانه.

آبی سبز: دو استخر سرور/نقطه پایانی ؛ DNS/تغییر مسیر

پرچم ها: تنظیم خوب توسط بازارها/مستاجران/کانال ها.

6) قابلیت مشاهده و هشدار

• قابلیت اطمینان: میزان خطا، زمان بندی، p50/p95/p99 تاخیر، QPS، اشباع.
• داده ها/ویژگی ها: طراوت، کامل بودن، توزیع، ناهنجاری ها، حذفیات، رانش طرح.
• کیفیت: کالیبراسیون، معیارهای پس از واقعیت (AUC/PR، بالا بردن)، پاسخ مداخله.
• رانش: در ورودی (PSI/KS) و در خروجی (رانش نمره).
• اخلاق/انصاف: EO/EOp-deltas، تأثیر متفاوت.
• حریم خصوصی: حمله AUC (عضویت/وارونگی) ≈ 0. 5، ε استفاده (اگر DP).
• کسب و کار: بازپرداخت، مداخلات RG، تبدیل پیشنهادات - تقسیم شده است.

• تاخیر p95 ≤ 200 میلی ثانیه (امتیاز آنلاین RG/ضد تقلب).
• میزان خطا ≤ 0 1٪ 5 دقیقه منظورم اينه که
• رانش PSI ≤ 0. 2 در ویژگی های کلیدی ؛ EOp-delta ≤ 3 پی پی
• ویژگی های تازه ≤ 60 ثانیه ؛ فاصله ≤ 0 5%.
• کالیبراسیون ACE ≤ 0. 02.

7) حوادث و playbooks

سطوح Sev: P1 (مسدود کردن پرداخت/خطای RG)، P2 (رشد خطا> آستانه)، P3 (تخریب کیفیت).
کاهش خودکار: تعویض به قهرمان، کاهش فرکانس درخواست ها، فعال کردن قوانین برگشت، جداسازی ویژگی های «سمی».
Runbooks: چک لیست برای «ویژگی های قدیمی»، «رانش رشد کرده است»، «تایپ کردن خوراک تغییر کرده است»، «GPU خسته است».
پس از مرگ: RCA، طرح تعمیر، تست به روز رسانی/آستانه/قرارداد.

8) آزمایش و کنترل تغییر

A/B و باند چند مسلح - فقط توسط گروه های کلیدی (کشور/کانال/دستگاه) طبقه بندی شده است.
قوانین توقف اخلاقی: با افزایش شدید خطر/شکایات RG.
ویژگی های ویترین دو اجرا و مدل قبل از تعویض.

نسخه بندی KPI ها و تعاریف (قرارداد BI) برای تفسیر پایدار نتایج

9) امنیت و حریم خصوصی در فروش

mTLS/TLS 1. 3، امضای درخواست، ضد پخش (nonce/idempotency).
اسرار از مدیر اسرار، صدور JIT، حسابرسی.
نشانه گذاری ورودی ها/سیاهههای مربوط ؛ مهار PII در مسیرهای پیاده روی.
TEE/محرمانه استنباط پرداخت VIP/AML (در صورت لزوم).
سیاست های دسترسی (RBAC/ABAC/JIT) به ویژگی ها و نقاط پایانی.
DSAR/Legal Hold: ردیابی راه حل برای توضیح و حذف توسط نشانه.

10) عملکرد و هزینه

کش (ویژگی/نمره) با TTL، به ویژه برای سیگنال های پایدار.
کوانتیزاسیون/تقطیر برای شتاب (INT8/FP16).
مقیاس خودکار: افقی توسط QPS/تاخیر، عمودی با اندازه دسته ای.
CPU/GPU ترکیبی: تاخیر بحرانی در GPU، «جرم» در CPU.
ردیابی شروع سرد، گرمایش مدل.
استخر مدل و «مسیریابی چسبنده» توسط بازار/مستاجر برای محل کش.

11) موارد iGaming (منابع)

نمره RG: نمره آنلاین در ورود و در جلسات ؛ غلبه شدید (خود حذفی)، متریک هدف EOp + کالیبراسیون است.
ضد تقلب/پرداخت: راه حل های قبل از مجوز <150 ms ؛ FPR کنترل EO، جمع کننده سیگنال قوی.

KYC/AML: پشتیبانی از فایل نازک ؛ PSI/MPC با شریک ؛ سازگاری DSAR

شخصی سازی: مدل های بالابری و محدودیت فرکانس ؛ محرومیت از ریسک بالا از پیشنهادات تهاجمی.

12) معیارها و SLO عملیات (مثال)

13) الگوهای مصنوعی

13. 1 یادداشت انتشار

مدل: 'rg _ risk @ 2. 1. 0 '(جزئی)

تغییرات: ویژگی اضافه شده 'loss _ streak _ 7d' ؛ کالیبراسیون به روز شد

اعتبار سنجی: سایه 14 روز ؛ شاخص کلیدی عملکرد دلتا ≤ 0. 3%; EOp دلتا طبیعی است

رول کردن: قناری 10٪ اتحادیه اروپا → 50٪ → 100٪

بازگشت به عقب: پرچم. use_v1=true'

مالک/تاریخ/بلیط

13. 2 کارت مدل (قطعه)

وظیفه: پرداختهای ضد تقلب

داده ها: 'پرداخت _ طلا v3. 2 '، ویژگی مجموعه' پرداخت _ سیگنال v1. 7`

معیار: AUC = 0 89، ACE = 0. 015، FPR @ اپرا. آستانه = 1. 2%

عدالت: EO TPR/FPR Δ ≤ 2 п. п. по «کشور/روش»

محدودیت ها: مشتریان VIP - فقط با بررسی انسان

حریم خصوصی: استنتاج TEE ؛ ثبت بدون PII

برچسب: هر 90 روز یکبار

13. 3 خط مشی SLO نقطه پایانی (قطعه)

yaml endpoint: /v1/score/rg slo:
latency_p95_ms: 200 success_rate: 0. 995 max_error_burst_per_5m: 50 data:
feature_freshness_s: 60 allowed_missing_pct: 0. 5 ethics:
eop_delta_pp: 3 privacy:
attack_auc_max: 0. 55

13. 4 Runbook «ویژگی های خارج از تاریخ»

1. تاخیر در فروشگاه ویژگی و منبع خوراک را بررسی کنید.
2. سوئیچ به کانال یدکی/کش.
3. کاهش ترافیک/فعال کردن قوانین برگشت.

4. ارتباط در وضعیت # ml ؛ حادثه P2/P1 شده توسط SLA

5. RCA و ویرایش قرارداد/بازپرداخت.

14) فرآیندهای تست قبل از انتشار

ویژگی های قرارداد: schema/enum/nullable، طراوت SLA.
داده ها: تست DQ، نقطه در زمان، نشت هدف.
مدل: واحد/ادغام، کالیبراسیون، استرس/بار.
امنیت: اسرار، mTLS، صفر PII در سیاهههای مربوط.
اخلاق/حریم خصوصی: بررسی انصاف، حمله مجموعه.
قابلیت مشاهده: داشبورد/هشدار، تنظیمات SLO.
مستندات: انتشار یادداشت + رول بک طرح.

15) RACI (به عنوان مثال)

ML Lead (A/R): کیفیت، انتشار، معیارها.
پلت فرم داده (R): ویژگی فروشگاه، ثبت نام، ارکستراسیون، مشاهده پذیری.
صاحبان دامنه (R): قراردادهای منبع/ویژگی.
امنیت/DPO (A/R): دسترسی، حریم خصوصی، نشانه گذاری، TEE.
SRE/SecOps (R): حوادث، SLO، Autoscale، SOAR.
تجزیه و تحلیل/امور مالی (C): تاثیر بر KPI ها و گزارش ها.
پشتیبانی/RG/خطر (C): انسان در حلقه و توضیح پذیری.

16) نقشه راه پیاده سازی

0-30 روز (MVP)

1. مدل رجیستری + کارت برای مدل های با تاثیر بالا (RG/پرداخت/ضد تقلب).
2. نظارت پایه: تاخیر، خطاها، طراوت، ورودی های رانش.
3. سایه اجرا می شود از نسخه های جدید، خطوط قناری.
4. ویژگی قرارداد و صفر PII در سیاهههای مربوط.
5. Runbooks و کانال # ml-status.

30-90 روز

1. قهرمان-چلنجر و ارتقاء خودکار بر اساس معیارها.
2. دروازه های عدالت/حریم خصوصی در CI/CD، مجموعه حمله.
3. ذخیره سازی، کوانتیزاسیون، مقیاس خودکار ؛ SLO/بودجه هزینه.
4. هماهنگی BI/ML KPI ها و معیارهای آنلاین ؛ داشبورد SLO.

3-6 ماه

1. به طور منظم پس از مرگ، بررسی مدل سه ماهه.
2. جداسازی جغرافیایی/مستاجر از نقاط پایانی، کلید ها و ویژگی ها.
3. TEE/MPC برای استنباط پرداخت خصوصی/AML.
4. اتوماسیون کامل یادداشت انتشار از اصل و نسب و تفاوت.
5. ممیزی خارجی فرآیندها (در صورت نیاز با مجوز).

17) ضد الگوهای

انتشار بدون سایه/قناری و رول برگشت طرح.
ویژگی های ناسازگار آفلاین/آنلاین → تخریب.
گزارش با PII، عدم وجود سیاست توکن.
آستانه «ابدی» بدون تجدید نظر ؛ نادیده گرفتن رانش و کالیبراسیون.
عدم وجود انسان در حلقه برای راه حل های پر خطر.
آزمایشات بدون طبقه بندی و قوانین توقف اخلاقی.

18) بخش های مرتبط

شیوه های DataOps، کنترل دسترسی، نشانه گذاری داده ها، امنیت و رمزگذاری، حسابرسی و نسخه بندی، کاهش تعصب، محرمانه ML، یادگیری فدرال، سیاست های نگهداری داده ها، منبع و مسیر داده ها، اخلاق داده ها.

مجموع

بهره برداری از مدل یک رشته مهندسی در سطح خدمات تولید است: قراردادها و نسخه های روشن، نسخه های قابل پیش بینی، قابلیت مشاهده 24/7، خطرات اخلاقی/حریم خصوصی قابل کنترل و تاثیر شفاف کسب و کار. این باعث می شود ML یک محصول قابل اعتماد باشد، نه «بهترین اسکریپت در یک لپ تاپ».