3. 系统总体架构设计：分层架构与事件驱动模型

反欺诈实时评分系统要求毫秒级响应、高并发接入与复杂规则计算，单一单体架构无法满足。本章采用分层架构结合事件驱动模型，将系统拆解为接入层、计算层、存储层、决策层四个核心层次，各层职责清晰、解耦独立，通过异步消息与同步API协同工作。

3.1 四层架构总览

分层架构的核心原则是上层依赖下层，下层不感知上层。接入层负责协议适配与流量清洗；计算层执行特征提取与模型推理；存储层提供实时与离线数据支撑；决策层聚合多维度评分结果，输出最终处置指令。

3.2 数据流与事件驱动模型

系统采用事件驱动架构作为数据流转的骨架。每个评分请求被封装为一个标准事件，经过接入层发布到事件总线，计算层、决策层分别订阅所需事件类型，实现解耦与并行处理。

3.2.1 核心事件类型

3.2.2 事件驱动流程

1. 请求接入：客户端发起评分请求，接入层完成鉴权与限流后，生成 ScoreRequest 事件发布到 Kafka。
2. 特征计算：计算层消费 ScoreRequest，从存储层拉取实时特征（如近30分钟交易频次），执行规则引擎与模型推理，产出 FeatureComputed 事件。
3. 决策聚合：决策层消费 FeatureComputed，结合策略编排（如黑名单拦截、模型阈值判定），生成 DecisionMade 事件。
4. 结果回写：接入层消费 DecisionMade，将评分结果返回客户端，同时异步写入存储层用于离线分析。

3.3 架构图绘制

以下架构图展示四层分层结构、核心组件以及事件驱动的数据流向。图中使用深色节点表示各层关键服务，箭头表示事件流与数据流方向。

3.4 分层架构关键设计原则

• 无状态接入：接入层不保存任何业务状态，所有节点对等，支持水平扩展与灰度发布。
• 计算与存储分离：计算层只负责逻辑处理，不直接持久化数据；存储层提供统一的数据服务接口。
• 决策闭环：决策层拥有最终评分权，计算层产出的特征与分数仅作为决策输入，不直接对外输出。
• 异步为主、同步为辅：核心评分链路采用异步事件驱动，仅对需要实时返回的场景（如支付拦截）保留同步API。

3.5 分层架构的扩展性分析

以下表格对比各层在不同业务场景下的扩展策略，帮助理解分层架构的弹性能力。

3.6 架构图补充：数据流时序

为更清晰展示事件驱动下的数据流转时序，以下补充一张数据流时序图，聚焦一次完整评分请求的生命周期。