跳转至

Schema 归档

这里统一归档当前文档站发布的 schema 静态副本。它们用于查阅、下载和对比，不改变仓库本地训练、线上 bundle 或推理入口的真实读取路径。

现在保留两份 schema：

文件 场景 下载
sample_1000_raw.schema.json 本地 demo 数据集与 smoke run 的默认参考 下载
online_schema.schema.json 线上训练与 infer 共用的声明式 schema 快照 下载

怎么用

本地 demo 和很多样例命令默认围绕 sample_1000_raw 组织。它适合用来理解特征结构、写 smoke test、生成小规模合成数据。

线上归档快照更接近真实训练 / infer 当时使用的数据声明。它适合做 bundle 排障、线上特征范围确认，以及和 demo schema 对比差异。

不要把这两份文件随意互相覆盖。它们的结构相似，但部分字段长度、词表上界和序列时间特征写法不同。

共同结构

两份 schema 的大结构一致：

区块 条目数 说明
format 1 当前值为 raw_parquet
user_int 46 用户离散特征，包含多值字段
item_int 14 物品离散特征
user_dense 10 用户连续特征
seq 4 个域 序列域包含 prefix、ts_fid 和逐域特征列表

序列域也保持一致：

域 prefix ts_fid 特征数
seq_a domain_a_seq 39 9
seq_b domain_b_seq 67 14
seq_c domain_c_seq 27 12
seq_d domain_d_seq 26 10

主要差异

  • sample_1000_raw.schema.json 是本地 demo 数据的参考副本。
  • online_schema.schema.json 是线上训练与 infer 共用的归档副本。
  • online schema 中多个 user_int 和 user_dense 字段长度 / 词表上界与 demo schema 不同。
  • online schema 里部分序列时间特征的 vocab 值记录为 0，这和 demo schema 的写法不同。

这些差异意味着：看结构可以放在一起看，跑代码时仍应让当前入口解析自己该用的 schema。

路径约定

文档站发布路径统一放在：

docs/archive/files/schema/

当前发布文件：

docs/archive/files/schema/
├── online_schema.schema.json
└── sample_1000_raw.schema.json

仓库运行时仍以真实入口为准。本地 demo 通常读取仓库的数据快照；线上 bundle 通过 TAAC_SCHEMA_PATH 或 checkpoint sidecar 解析 schema。

如果后续继续归档更多版本，沿用：

files/schema/<name>.schema.json

评论