主要观点：

• 在当今 AI 系统中，实时数据至关重要，实时数据流对需快速决策的应用的现代 AI 模型有重要影响，但数据一致性是重大工程挑战。
• AI 模型依赖输入数据，其质量重要，输入数据有问题会影响模型预测准确性等。
• 将开发测试好的 AI 模型与实时数据流处理管道集成可实现实时预测，实时数据流对 AI 模型很关键。
• 随着数据流变复杂和速度变快，管理数据一致性和模式演变是艰巨挑战，模式注册中心可解决此问题。

关键信息：

• 模式注册中心可确保消息在发布到 Apache Kafka 主题前遵循预定义结构，验证传入消息，存储注册数据流的模式版本历史等。
• 可将 Apache Kafka 用作数据摄取工具，在数据产生点集成模式注册中心，下游消费者从模式注册中心获取正确模式。
• 有多种模式注册中心，如 Confluent Schema Registry（最流行广泛使用，支持多种数据格式，有社区版和企业版）、Apicurio Registry（开源云原生，多种存储选项和多种支持的工件类型）、Karapace（免费开源，是 Confluent 模式注册中心和 Kafka REST 代理的 1 对 1 替换，支持多种数据格式）。

重要细节：

• AI 模型训练依赖高质量输入数据，数据有错误会导致模型输出偏差等。
• 模式注册中心通过集中合同反转数据生产者和消费者的知识，实现紧密验证等，确保上游变化不影响下游消费者。
• 模式注册中心可进行版本控制、元数据管理等，增加数据层的可观察性等，是构建可扩展、容错和生产级 ML 基础设施的核心设计原则。