3. 样本数据模型：样本字段定义、元数据结构与特征向量表示
在风控网关的低延迟校验场景中，样本数据模型是连接原始请求与风控决策引擎的核心桥梁。一个设计良好的样本模型，既要保证字段的语义完备性，又要满足毫秒级序列化/反序列化的性能要求。本章从字段定义、元数据结构、特征向量表示三个层次展开，构建一套适用于高吞吐、低延迟环境的样本数据规范。
3.1 样本字段定义
样本字段是风控校验的最小数据单元，每个字段对应一个业务属性或技术属性。字段定义需明确其名称、类型、长度、来源及校验语义。下表列出风控网关中最常用的核心字段分类与定义：
| 字段分类 | 字段名称 | 数据类型 | 最大长度 | 说明 |
|---|---|---|---|---|
| 请求标识 | request_id | string | 64 | 全局唯一请求ID，用于链路追踪 |
| 用户标识 | user_id | string | 32 | 用户唯一ID，支持手机号/UID/OpenID |
| 设备指纹 | device_fp | string | 128 | 设备指纹哈希值，由SDK采集生成 |
| IP地址 | client_ip | uint32 | 4 | IPv4整数表示，避免字符串解析开销 |
| 请求时间 | timestamp | int64 | 8 | Unix毫秒时间戳，用于时间窗口计算 |
| 业务类型 | biz_type | uint8 | 1 | 枚举值：0=登录，1=支付，2=注册，3=其他 |
| 金额 | amount | int64 | 8 | 交易金额，单位分，支持负值退款 |
| 风险标签 | risk_tag | bitmask | 8 | 位掩码，每位代表一种风险标记 |
client_ip 使用 uint32 存储，可避免每次校验时的字符串拆分与正则匹配，单字段解析耗时从微秒级降至纳秒级。
3.2 元数据结构
元数据（Metadata）描述样本数据的结构、版本、编码方式及校验规则。在风控网关中，元数据通常以固定长度的头部（Header）形式附加在样本数据之前，用于快速解析和版本兼容。元数据结构设计遵循“头部固定、体部自描述”的原则。
以下是一个典型的元数据头部结构定义（C语言风格）：
// 风控样本元数据头部（固定32字节）
typedef struct {
uint8_t version; // 样本格式版本号，当前为0x01
uint8_t encoding; // 编码方式：0x00=原始，0x01=压缩，0x02=加密
uint16_t field_count; // 字段数量
uint32_t body_length; // 样本体部总长度（字节）
uint64_t sample_id; // 样本全局唯一ID
uint64_t timestamp; // 样本生成时间戳（毫秒）
uint32_t checksum; // 体部CRC32校验和
uint8_t reserved[4]; // 保留字节，对齐到32字节
} sample_metadata_t;
元数据字段说明：
- version：版本号用于兼容不同迭代周期的样本格式，网关根据版本号选择对应的解析器。
- encoding：标识体部是否经过压缩或加密，低延迟场景下通常使用原始编码（0x00）以节省解压开销。
- field_count：字段数量直接影响后续特征向量的维度映射，解析器据此分配内存。
- checksum：CRC32校验确保样本在传输或缓存过程中未被篡改，校验耗时约50ns/字节。
body_length 一次性读取完整体部，避免多次IO调用。这种“头部固定+体部连续”的设计是低延迟系统的常见模式。
3.3 特征向量表示
特征向量是样本数据经过特征工程处理后，输入给风控模型（如LR、XGBoost、DNN）的数值化表示。在低延迟风控网关中，特征向量通常采用稀疏浮点数组或定长稠密向量两种形式。选择依据是特征维度的稳定性和模型类型。
下表对比两种特征向量表示方式的适用场景：
| 表示方式 | 存储结构 | 维度 | 序列化大小 | 适用模型 | 延迟特征 |
|---|---|---|---|---|---|
| 稀疏浮点数组 | index:value 对列表 | 高维（万级） | 可变，通常 < 2KB | LR、FM | 解析快，内存占用低 |
| 定长稠密向量 | 连续 float32 数组 | 固定（128/256/512） | 固定（维度×4字节） | DNN、Transformer | 内存连续，SIMD加速 |
以下是一个稀疏特征向量的序列化示例（使用 Protocol Buffers 风格描述）：
message SparseFeatureVector {
repeated uint32 feature_index = 1; // 特征索引，有序排列
repeated float feature_value = 2; // 对应特征值
uint32 dimension = 3; // 总特征维度
}
// 示例：3个非零特征
// feature_index: [12, 45, 78]
// feature_value: [0.85, -1.23, 0.67]
// dimension: 10000
对于定长稠密向量，推荐使用内存对齐的连续数组，并利用 SIMD 指令进行批量计算：
// 定长128维稠密向量，内存对齐到64字节（缓存行）
alignas(64) float dense_vector[128];
// 使用SSE/AVX进行向量点积计算（示例伪代码）
float dot_product = _mm256_dp_ps(dense_vector, model_weights, 0xFF);
3.4 样本数据模型整体架构
将字段定义、元数据结构、特征向量表示整合为一个完整的样本数据模型，其层次关系如下图所示：
整个样本数据模型从原始请求出发，经过元数据封装、字段体部序列化，最终转换为特征向量供模型推理。每一层都遵循“固定开销 + 可变内容”的设计哲学，确保解析器可以在 O(1) 时间内定位到任意字段或特征。
3.5 样本校验流程中的模型应用
在风控网关的样本校验流程中，数据模型贯穿始终。以下流程图展示了从请求接收到特征向量输出的完整链路：