输入漂移让 PSI 从 0.037 冲到 0.865，准确率只动 -0.0100； 关系漂移让准确率从 0.910 掉到 0.552，PSI 却一直停在 0.0404 的正常区间。 两个指标各有一半的故障看不见。
上一节把模型部署出去。这一节讲上线之后的事——模型不会一直是好的，它会随着世界变化慢慢失效。
一、上线不是终点，是起点
模型在测试集上的分数是那一刻、那批数据上的分数。 上线之后，输入的数据在变、用户的 behavior 在变、业务规则也在变。 最典型的现象叫静默失效：服务没报错、延迟正常、日志干净，但推荐的东西越来越不相关，没人发现， 直到某个业务指标掉下去。 所以监控要解决的不是「服务挂没挂」，而是「它还准不准」。前者看进程和延迟，后者要看数据。
二、两种漂移，机理完全不同
输入漂移（协变量漂移）：输入特征的分布变了，但特征和标签的关系没变。 比如用户年龄整体变大、客单价整体变高。 关系漂移（概念漂移）：特征分布没变，但特征和标签的关系变了。 比如同样的行为特征，昨天代表「会买」、今天代表「不会买」——促销结束、竞品降价、 政策变化都会造成这种。 两者的应对完全不同：输入漂移往往不需要重训，模型跟着数据走还是对的； 关系漂移必须重训，因为模型学的那条规律已经不成立了。 麻烦在于它们对指标的影响是反的——下面这个 Demo 就是专门演示这件事。
三、实测：两个指标各瞎一半
第一种场景：第 12 天起第一个特征每天整体抬高 0.06，标签关系不变。 PSI 从 0.037 一路涨到 0.865，早就过了「显著」的 0.25 线； 而准确率从 0.9220 变成 0.9120，只掉了 0.0100，基本没动。 原因很简单：特征是有效特征，标签也跟着变，模型学到的规律还是对的，它自然还能答对。 这时候 PSI 报警了，但模型没坏。 第二种场景：输入分布完全不动，但第 12 天起第一个权重从 +1.0 变成 -1.0。 准确率从 0.9100 掉到 0.5520，掉了 0.3580；而 PSI 全程在 0.04 附近，属于「正常」。 输入长得一模一样，分布指标什么都看不出来。这就是静默失效的样子。
四、所以监控至少要两条腿
分布指标（PSI、均值、分位数、缺失率）盯输入。优点是不需要标签，实时就能算； 缺点是它只告诉你「数据变了」，不告诉你「模型坏了」。 效果指标（准确率、转化率、人工抽检通过率）盯结果。优点是直接； 缺点是要等标签回收，可能延迟几天到几周。 只有一条腿，就会漏掉上面两种情况中的一种。 两条一起看，还要会分辨：PSI 高而效果稳 → 数据变了模型没事，观察即可； PSI 稳而效果掉 → 关系变了，立刻查原因、准备重训。 标签延迟期间可以用代理指标顶上：预测结果的分布、置信度的分布、人工抽检一小批。 但代理永远是代理，不能替代真值。 迭代闭环就是四步：发现问题 → 归因是哪种漂移 → 补数据或改标签 → 重训并过回归门禁 → 灰度上线。 少了任何一步，都会变成「改了但不知道为什么好了」。
五、动手 Demo：监控实测：PSI 冲到 0.87 时准确率没动，反过来也一样
用 500 条 6 维样本训一个逻辑回归当线上模型，然后在同一套 30 天框架里跑两种漂移： 第一种从第 12 天起把第一个特征每天抬高 0.06（输入漂移）； 第二种输入完全不动、但把第一个权重从 +1.0 翻成 -1.0（关系漂移）。每天算 PSI 和准确率。
edges = np.percentile(Z[:, 0], np.linspace(0, 100, 11)) # 基准分箱
psi = float(((a - b) * np.log(a / b)).sum()) # PSI
wday = wtrue.copy()
if t >= 11:
wday[0] = -1.0 # 关系翻转
实跑输出：
--------------------------------------------------------------------
持续监控：输入漂移会让 PSI 报警，关系漂移正相反
--------------------------------------------------------------------
第一种：输入漂移。第 12 天起第一个特征每天整体抬高 0.06，标签关系不变。
日期 特征均值漂移 PSI 准确率 状态
-----------------------------------------------
第 1 天 0.00 0.0373 0.9220 正常
第 6 天 0.00 0.0240 0.9120 正常
第 12 天 0.00 0.0361 0.8980 正常
第 13 天 0.06 0.0411 0.9280 正常
第 15 天 0.18 0.0731 0.9120 正常
第 18 天 0.36 0.2000 0.9100 轻微
第 21 天 0.54 0.3298 0.9200 显著
第 24 天 0.72 0.5373 0.9340 显著
第 27 天 0.90 0.6349 0.9200 显著
第 30 天 1.08 0.8651 0.9120 显著
第二种：关系漂移。输入分布完全不动，但第 12 天起第一个权重从 +1.0 变成 -1.0。
日期 PSI 准确率 状态
--------------------------------
第 1 天 0.0530 0.9100 正常
第 6 天 0.0456 0.9120 正常
第 12 天 0.0412 0.5580 正常
第 13 天 0.0538 0.5540 正常
第 15 天 0.0456 0.6140 正常
第 18 天 0.0369 0.5900 正常
第 21 天 0.0273 0.6000 正常
第 24 天 0.0476 0.5900 正常
第 27 天 0.0121 0.6260 正常
第 30 天 0.0404 0.5520 正常
输入漂移：准确率 0.9220 到 0.9120，变化 -0.0100
输入漂移：PSI 0.8651（第 30 天）
关系漂移：准确率 0.9100 到 0.5520，变化 -0.3580
关系漂移：PSI 0.0404（第 30 天）
两张表放在一起看才有意思：**输入漂移让 PSI 冲到 0.87，准确率几乎没动**——模型没坏，是数据变了而关系没变，模型跟着数据走反而还是对的。
**关系漂移让准确率掉到 0.55，PSI 却一直停在 0.04 的正常区间**——输入长得一模一样，PSI 什么都看不出来。
所以监控至少要两条腿：分布指标（PSI、均值、分位数）盯输入，效果指标（准确率、转化率）盯结果。只有一条，总会漏掉一半的故障。
真实业务里效果指标要等标签回收，可能延迟几天；这时候可以用「人工抽检一批」或「预测分布偏移」做代理，但它们都是代理，不是真值。
done -> _out_38m.txt
第一张表：PSI 从 0.0373 涨到 0.8651，第 18 天越过 0.1、第 21 天越过 0.25， 状态一路从「正常」跳到「显著」。准确率全程在 0.898 到 0.934 之间晃，就是抽样噪声的幅度。 第二张表：准确率第 12 天直接掉到 0.5580，之后再没回来； PSI 那列全程 0.01 到 0.05，一天都没报警。 PSI 的算法要说明一下：先用基准期第一个特征的分位数切 10 个箱，再比较每天落在各箱里的比例。 所以它只看分布形状，不看标签。 这个 Demo 的两种漂移都是我人为设的，幅度也是我定的，所以「0.87」「0.55」这些数没有普适意义。 有意义的是符号关系：输入漂移主要动 PSI、关系漂移主要动准确率，方向不可能反过来。
30 秒实验
- 把 PSI 的箱数从 10 改成 20，看报警的天数会不会提前。
- 把关系漂移改成「第 12 天起权重从 +1.0 变成 +0.2」，看准确率掉多少。
- 想一想：为什么输入漂移时准确率不会掉？什么情况下它会掉？
常见误区
- 「PSI 报警就是模型坏了」——输入漂移但关系没变时，模型往往还是准的。
- 「准确率没掉就没事」——关系漂移可能只影响一部分用户，平均值会掩盖它。
- 「有监控就够了」——监控只报警，归因和重训才是解决，缺一步都白搭。
自测三问（点开对答案）
1. 输入漂移和关系漂移的机理差别是什么？ —— 输入漂移是特征分布变了、关系没变；关系漂移是特征分布没变、关系变了。 2. 为什么 PSI 抓不到关系漂移？ —— PSI 只比较输入的分布形状，完全不看标签，关系变了它无从感知。 3. 标签回收延迟期间可以用什么顶上？ —— 预测分布、置信度分布、人工抽检通过率这类代理指标，但代理不能替代真值。管理四个流程讲完了。下一节换到部署本身：四种部署方式怎么选。
- ☐ （本节完，下一节 10.2.1 本地部署：稳定性高、安全性好）