1. 课程导论：实时评分沙盘的概念、应用场景与课程目标
1.1 什么是实时评分沙盘？
实时评分沙盘是一个基于事件驱动架构的仿真与执行环境，它利用 Kafka 作为核心数据总线，在毫秒级延迟内对用户行为、交易记录、设备信号等流式数据进行特征提取、规则计算与动态评分。它既可用于离线模拟（沙盘推演），也可直接嵌入生产环境进行实时决策。
核心定义：实时评分沙盘 = Kafka 事件流 + 规则引擎 + 评分模型 + 反馈闭环。它让开发者能够在可控环境中验证评分策略，再无缝迁移到生产集群。
1.2 应用场景
实时评分沙盘在以下三个领域具有极高的工程价值：
| 领域 | 典型场景 | 评分目标 | 延迟要求 |
|---|---|---|---|
| 风控 | 登录异常检测、交易反欺诈、信贷额度调整 | 风险分值（0-100），阈值触发阻断或人工审核 | < 200ms |
| 游戏 | 玩家行为评分、外挂检测、动态难度调整 | 信誉分/战力分，影响匹配与奖励 | < 500ms |
| 电商 | 实时用户画像、商品推荐排序、秒杀防刷 | 综合质量分，决定流量分配与优惠策略 | < 100ms |
场景提示：在风控场景中，评分沙盘可以同时运行“历史规则回测”与“实时流量评分”两条管道，使用 Kafka 的 Consumer Group 隔离环境，避免相互影响。
1.3 实时评分沙盘的系统架构
下图展示了基于 Kafka 的实时评分沙盘核心组件与数据流：
1.4 课程目标
完成本课程后，你将具备以下能力：
- 架构设计能力：独立设计基于 Kafka 的实时评分数据管道，包括 Topic 规划、分区策略与消费者组隔离。
- 规则引擎集成：在沙盘环境中嵌入轻量级规则引擎（如 Drools、EasyRules），实现动态评分逻辑。
- 模型部署：将训练好的机器学习模型（如 XGBoost、逻辑回归）打包为 Kafka Streams 处理器，进行毫秒级推理。
- 沙盘推演：构建离线回测框架，使用历史数据验证评分策略的准确率与延迟，再无缝切换至生产模式。
- 监控与调优：通过 Kafka 原生监控指标（Lag、Throughput）与自定义评分日志，持续优化沙盘性能。
1.5 前置知识要求
为了确保学习效果，建议你具备以下基础：
| 知识领域 | 具体要求 | 推荐掌握程度 |
|---|---|---|
| Java / Scala | 能够编写基本的 Kafka Producer/Consumer 代码 | 熟练 |
| Kafka 基础 | 理解 Topic、Partition、Consumer Group、Offset 概念 | 熟悉 |
| 流处理概念 | 了解事件时间、处理时间、水位线（Watermark） | 了解 |
| 评分模型 | 了解二分类模型输出（概率/分数）与阈值设定 | 了解 |
注意：如果你对 Kafka 的基本操作尚不熟悉，建议先完成 Kafka 官方 Quickstart 或本系列的前置基础课程。本课程将直接使用 Kafka 命令行工具与 Java API 进行沙盘构建，不会重复讲解 Producer/Consumer 的 Hello World 示例。
1.6 课程路线图
本课程共 30 章，分为四个阶段：
- 阶段一（第 1-5 章）：沙盘基础搭建 —— Kafka 环境配置、Topic 设计、数据模拟器开发。
- 阶段二（第 6-15 章）：规则引擎与动态评分 —— 规则定义、状态存储、窗口聚合、评分结果输出。
- 阶段三（第 16-25 章）：模型集成与沙盘推演 —— 模型部署、离线回测、A/B 测试管道、性能调优。
- 阶段四（第 26-30 章）：生产化与监控 —— 集群部署、监控告警、容错与数据一致性保障。
每一章都会提供可运行的代码片段与沙盘配置文件，你可以跟随教程在本地或云环境逐步构建自己的实时评分系统。