3. DAG基础概念
在风控系统中，规则之间往往存在复杂的依赖关系：一条规则可能依赖另一条规则的输出，也可能被多条下游规则共同引用。要准确描述这种关系，并进一步检测循环依赖，必须先掌握图论中最基础的一组概念。本节将围绕有向图、无向图、顶点、边、入度、出度、路径与可达性展开，为后续的DAG构建与循环检测打下坚实基础。
一、核心原理：从无向图到有向图
图（Graph）是由顶点和边组成的数据结构，用于描述对象之间的关联关系。根据边是否具有方向，图可分为无向图和有向图。
- 无向图（Undirected Graph）：边没有方向，表示两个顶点之间存在对称关系。例如“规则A与规则B共享同一份名单”，这种关系是双向的，A关联B，B也关联A。
- 有向图（Directed Graph）：边具有方向，表示从一个顶点指向另一个顶点的单向关系。例如“规则A的输出作为规则B的输入”，此时只能从A指向B，不能反向理解。
在风控规则依赖场景中，依赖关系天然具有方向性：上游规则先执行，下游规则后执行。因此，描述规则依赖必须使用有向图，而不是无向图。若误用无向图，就会把“A依赖B”和“B依赖A”混为一谈，导致循环检测失效。
关键结论：风控规则依赖图必须是有向图。方向代表执行顺序与数据流向，是后续拓扑排序和循环检测的前提。
二、顶点、边、入度与出度
有向图由两个基本元素构成：顶点和边。
- 顶点（Vertex）：图中的节点，在风控场景中通常代表一条规则、一个规则集或一个决策节点。
- 边（Edge）：连接两个顶点的有向线段，表示依赖关系。若存在从顶点A指向顶点B的边，记作 A → B，表示A是B的上游依赖。
- 入度（In-degree）：指向某个顶点的边的数量。入度表示该顶点依赖多少个上游节点。入度为0的顶点没有上游依赖，可以作为执行起点。
- 出度（Out-degree）：从某个顶点出发指向其他顶点的边的数量。出度表示该顶点被多少个下游节点依赖。出度为0的顶点没有下游节点，通常是最终输出节点。
入度和出度是判断图结构健康程度的重要指标。例如，在规则依赖图中，如果所有顶点入度都大于0，说明不存在独立起点，系统可能整体陷入循环依赖；如果某个顶点入度异常高，说明它是关键枢纽，一旦变更影响面极大。
| 概念 | 定义 | 风控规则场景示例 | 典型用途 |
|---|---|---|---|
| 顶点 | 图中的节点 | 规则“高风险设备识别” | 标识独立规则单元 |
| 边 | 连接两顶点的有向关系 | 规则A → 规则B | 表达依赖方向 |
| 入度 | 指向该顶点的边数 | 规则B有2个上游依赖 | 判断执行起点、检测循环 |
| 出度 | 从该顶点出发的边数 | 规则A被3条规则依赖 | 评估影响范围 |
| 路径 | 顶点与边的交替序列 | A → B → C | 描述依赖链路 |
| 可达性 | 是否存在路径从起点到终点 | A能否间接影响D | 影响分析、循环判断 |
三、路径与可达性：依赖链路的表达
路径（Path）是图中从一个顶点到另一个顶点经过的顶点和边的序列。在有向图中，路径必须沿边的方向前进。例如 A → B → C → D 构成一条从A到D的路径，表示A的决策结果会逐级传递到D。
可达性（Reachability）描述的是：从顶点A出发，是否存在一条路径能够到达顶点B。如果存在，则称B从A可达。可达性是风控规则影响分析的核心：当修改规则A时，所有从A可达的规则都可能受到影响，需要一并回归验证。
路径与可达性也是循环检测的基础。如果从顶点A出发，经过若干条边后又能回到A，即A从自身可达，则说明图中存在环。DAG（有向无环图）的定义正是：不存在任何从某顶点出发回到自身的路径的有向图。
理解技巧：把有向图想象成单行道网络。路径就是沿着单行道能走通的路线；可达性就是“从当前位置能否开到目标位置”；如果沿着单行道绕一圈又回到出发点，就说明路网中存在环，不再是DAG。
四、案例与场景：规则依赖图建模
假设某风控系统中有5条规则，依赖关系如下：
规则A：设备指纹采集（无上游依赖）
规则B：黑名单命中（无上游依赖）
规则C：高风险设备识别（依赖A）
规则D：交易欺诈评分（依赖B、C）
规则E：人工审核触发（依赖D）将其建模为有向图，顶点集合为 {A, B, C, D, E}，边集合为：
A → C
B → D
C → D
D → E各顶点的入度与出度如下：
A：入度0，出度1
B：入度0，出度1
C：入度1，出度1
D：入度2，出度1
E：入度1，出度0从该图可以读出以下信息：A和B是执行起点，入度为0；E是最终输出节点，出度为0；D是关键汇聚点，入度为2，说明它同时依赖黑名单和高风险设备识别两条链路。从A到E存在路径 A → C → D → E，说明A的变更会间接影响E。整个图中不存在环，因此是一个合法的DAG。
五、误区与复盘
在学习DAG基础概念时，初学者容易陷入以下误区：
- 把无向图当作有向图使用。认为“A和B有关系”就够了，忽略方向。结果无法判断谁先执行，也无法检测循环。
- 混淆入度和出度的含义。误以为入度是“被依赖数”，出度是“依赖数”。实际上恰好相反：入度是“依赖多少上游”，出度是“被多少下游依赖”。
- 把路径等同于直接边。认为只有直接相连才算依赖。实际上A → B → C → D中，A对D也存在可达性，影响会沿路径传递。
- 认为没有直接环就没有循环。循环可能由多条边间接构成，例如A → B → C → A，必须通过可达性判断，而不能只看相邻顶点。
- 忽略孤立顶点。入度和出度都为0的顶点虽然不参与依赖，但在规则集中可能代表独立规则，建模时不应遗漏。
复盘提醒：在风控规则DAG中，顶点代表规则，边代表依赖方向，入度决定执行起点，出度决定影响终点，路径和可达性决定影响传播范围。只有这些基础概念全部准确，后续的拓扑排序与循环检测才不会建立在错误认知之上。
掌握本节概念后，可以用一个简单清单快速检查任意规则依赖图是否描述正确：
- 每个顶点是否对应一条明确的规则或规则集？
- 每条边是否都有明确方向，且方向与执行顺序一致？
- 是否计算了每个顶点的入度和出度？
- 是否能够列出从起点到终点的完整路径？
- 是否检查过任意顶点能否通过路径回到自身？
这些检查项将直接服务于下一阶段的DAG构建与循环检测实战。只有把图的基本语言说清楚，风控规则依赖关系才能被准确表达、验证和治理。