1. 风控特征服务概述
1.1 特征服务的定义
特征服务（Feature Service）是风控系统中负责实时计算、缓存、分发标准化风险特征的中间层平台。它将原始数据（如用户基本信息、设备指纹、交易流水、外部三方数据）转化为风控模型可直接使用的数值型或类别型特征变量，并通过高可用接口对外提供毫秒级特征查询能力。
核心定位：特征服务是连接“原始数据”与“决策引擎”的桥梁，解决特征重复开发、口径不一致、计算性能瓶颈等工程痛点。
1.2 特征服务在风控系统中的核心地位
在典型的风控系统架构中，特征服务处于数据接入层与决策引擎层之间，承担以下关键职责：
| 层级 | 组件 | 职责说明 |
|---|---|---|
| 数据接入层 | 实时/离线数据管道 | 采集用户行为、交易、设备、外部数据 |
| 特征服务层 | 特征计算引擎 + 特征缓存 + 特征仓库 | 特征加工、聚合、衍生、存储、分发 |
| 决策引擎层 | 规则引擎 + 模型引擎 | 基于特征执行规则判断与模型推理 |
| 决策输出层 | 决策结果处理 | 输出通过/拒绝/人工审核等决策 |
特征服务的核心地位体现在三个维度：
- 时效性：风控决策通常要求在 100ms~500ms 内完成，特征服务必须提供亚百毫秒级的特征计算与查询能力。
- 一致性：离线训练与在线推理使用同一套特征逻辑，避免训练/推理特征偏差（Training-Serving Skew）。
- 复用性：一次开发的特征可被多个策略、模型、业务线共享，降低重复开发成本。
1.3 特征服务与决策引擎的关系
特征服务与决策引擎是风控系统中“数据加工”与“决策执行”的两个核心环节，二者通过标准化的特征接口协同工作：
关键关系：特征服务负责“算特征”，决策引擎负责“用特征”。特征服务输出的是特征向量，决策引擎输入特征向量后执行规则判断或模型打分。
1.3.1 交互流程
- 请求触发：用户行为（如登录、交易、申请）触发风控请求，决策引擎接收请求上下文。
- 特征获取：决策引擎向特征服务发起特征查询请求，携带实体 ID（如用户 ID、设备 ID、订单 ID）。
- 特征计算：特征服务实时计算或从缓存中获取所需特征，返回特征键值对集合。
- 决策执行：决策引擎将特征注入规则/模型，执行策略流，输出决策结果。
1.3.2 接口规范示例
特征服务与决策引擎之间通常通过 RPC 或 HTTP 协议交互，以下是一个典型的特征查询接口定义：
// 特征查询请求
{
"request_id": "20250321123456789",
"entity_type": "user",
"entity_id": "U12345678",
"feature_codes": ["user_login_cnt_7d", "user_device_cnt", "user_amt_30d_max"],
"scene_code": "login_risk",
"timestamp": 1742553600000
}
// 特征查询响应
{
"request_id": "20250321123456789",
"code": 0,
"message": "success",
"features": {
"user_login_cnt_7d": 12,
"user_device_cnt": 2,
"user_amt_30d_max": 15800.50
},
"cost_ms": 23
}1.3.3 关系对比
| 维度 | 特征服务 | 决策引擎 |
|---|---|---|
| 核心职责 | 特征加工、缓存、分发 | 规则执行、模型推理、策略编排 |
| 输入 | 原始数据（日志、DB、三方） | 特征向量 + 请求上下文 |
| 输出 | 标准化特征键值对 | 决策结果（通过/拒绝/审核） |
| 性能要求 | P99 < 50ms | P99 < 200ms（含特征获取） |
| 变更频率 | 特征新增/下线频繁 | 策略调整频繁 |
| 依赖关系 | 被决策引擎依赖 | 依赖特征服务 |
工程避坑：特征服务与决策引擎之间必须设计超时熔断机制。当特征服务响应超时（如超过 100ms），决策引擎应具备降级策略（如使用默认特征值或缓存特征），避免因特征服务故障导致整个风控链路阻塞。
1.4 特征服务的核心能力矩阵
一个成熟的特征服务通常需要具备以下能力：
- 实时特征计算：支持滑动窗口计数、求和、均值、最大/最小值等聚合算子，延迟控制在毫秒级。
- 离线特征同步：将 Hive/Spark 等离线平台计算的特征同步到在线存储，保证训练与推理特征一致。
- 特征缓存：对高频查询的特征进行本地或分布式缓存，减少重复计算开销。
- 特征版本管理：支持特征的新增、下线、灰度发布，避免线上特征变更影响存量策略。
- 特征血缘追踪：记录每个特征的数据来源、计算逻辑、依赖关系，便于问题排查与审计。
- 高可用与容灾：多机房部署、自动故障转移、降级策略，保证 99.99% 的可用性。