4. Kafka消息模型：点对点模型与发布订阅模型、消息的持久化与顺序保证

在风控评分系统中，消息的可靠传递与有序消费是保障评分准确性的基石。Kafka 通过两种核心消息模型——点对点（Point-to-Point）与发布订阅（Publish-Subscribe），结合其独特的持久化机制与分区内顺序保证，为实时风控场景提供了高吞吐、低延迟的数据管道。

4.1 点对点模型（Queue 模式）

点对点模型基于 Consumer Group 实现。同一 Consumer Group 内的多个消费者实例共同消费一个 Topic 中的消息，每条消息只被组内的 一个 消费者实例处理。这种模型天然适合任务分发与负载均衡场景。

4.2 发布订阅模型（Pub-Sub 模式）

发布订阅模型允许一条消息被 多个 独立的 Consumer Group 消费。每个 Consumer Group 都会收到 Topic 中消息的完整副本。这种模型适用于事件广播与数据分发场景。

• 生产者：将消息发布到 Topic，不关心谁消费。
• 消费者：以 Group 为单位订阅 Topic，每个 Group 独立消费全部消息。
• 典型应用：风控事件同时发送给实时评分引擎、离线分析系统、审计日志存储。

4.3 消息的持久化机制

Kafka 的消息持久化基于日志分段（Log Segment）与磁盘顺序写入，这是其高性能的核心保障。

• 日志分段：每个 Partition 由多个 Segment 文件组成，每个 Segment 包含 .log（消息数据）、.index（偏移量索引）、.timeindex（时间戳索引）。
• 顺序写入：消息追加到 Segment 末尾，避免随机磁盘 I/O，吞吐量可达百万级消息/秒。
• 刷盘策略：支持同步刷盘（acks=all）与异步刷盘（acks=1），风控场景建议使用 acks=all 保证不丢消息。
• 清理策略：基于时间（retention.ms）或大小（retention.bytes）自动删除过期消息。

4.4 顺序保证机制

Kafka 的顺序保证是分区内有序，而非全局有序。理解这一约束对风控评分至关重要。

4.5 风控场景中的消息模型选型

根据风控评分的不同阶段，选择合适的消息模型与配置：

• 实时评分管道：使用点对点模型，同一用户事件路由到同一分区，保证评分顺序。
• 事件广播分发：使用发布订阅模型，将原始事件同时发送给评分、特征计算、规则引擎等多个系统。
• 重试与死信处理：为评分失败的消息创建独立的死信 Topic（DLT），使用点对点模型重新消费。
• 顺序敏感场景：设置 max.in.flight.requests.per.connection=1 和 enable.idempotence=true，避免重试导致乱序。

4.6 关键配置参数总结