1. 课程导论：实时评分系统的定义、应用场景与学习路径
1.1 什么是实时评分系统
实时评分系统是一类能够在毫秒至秒级延迟内，对用户行为、内容质量或交互结果进行量化打分，并将结果即时反馈给前端展示的技术架构。其核心特征在于“边发生、边计算、边呈现”，区别于传统批处理评分模式。
| 维度 | 实时评分系统 | 传统批处理评分 |
|---|---|---|
| 延迟要求 | P99 < 500ms | 分钟级 ~ 天级 |
| 数据源 | 流式事件（点击、点赞、弹幕） | 离线日志、数据库快照 |
| 计算引擎 | Flink / Spark Streaming / 内存计算 | MapReduce / Hive / SQL |
| 结果一致性 | 最终一致性，允许短暂抖动 | 强一致性 |
| 典型场景 | 直播热度、电商动态评分 | 月报统计、历史排名 |
关键指标： 实时评分系统的核心 SLA 通常包含三项——端到端延迟（事件产生到前端展示）、吞吐量（每秒处理事件数）、准确率（与离线基准值的偏差 < 1%）。
1.2 核心应用场景
实时评分已渗透到互联网产品的多个领域，以下三个场景最具代表性：
- 直播互动评分： 基于观众点赞、送礼、停留时长、弹幕密度等指标，实时计算主播“热度值”或“互动指数”，用于推荐排序和榜单更新。
- 电商动态评分： 根据用户浏览、加购、下单、评价等行为，实时更新商品“综合评分”或“店铺信誉分”，影响搜索排名与流量分配。
- 游戏竞技评分： 在 MOBA、FPS 等游戏中，根据击杀、助攻、经济、承伤等数据，实时计算玩家“表现分”或“段位分”，支持动态匹配与结算。
行业趋势： 2024 年头部直播平台已将评分更新频率从 5 秒提升至 1 秒，电商大促期间评分系统的峰值 QPS 可达 200 万以上。
1.3 实时评分系统架构总览
下图展示了实时评分系统的四层核心架构，涵盖从数据采集到前端展示的完整链路：
架构要点： 每一层都具备水平扩展能力；计算层与缓存层之间的数据流采用“写回 + 推拉结合”模式，确保高并发下延迟可控。
1.4 课程目标与学习路径
本课程旨在帮助学员掌握从零构建生产级实时评分系统的完整能力，具体目标如下：
| 模块 | 核心能力 | 产出物 |
|---|---|---|
| 基础篇（第1-5章） | 理解实时评分系统架构、数据模型与评分算法 | 评分系统架构设计文档 |
| 计算篇（第6-12章） | 掌握 Flink 流处理、窗口聚合、状态管理与容错 | 可运行的实时计算作业 |
| 存储篇（第13-18章） | 设计 Redis 缓存策略、时序数据库选型与数据持久化 | 缓存与存储方案 |
| API篇（第19-24章） | 设计 RESTful / WebSocket API，实现高并发接口 | API 文档与 SDK |
| 实战篇（第25-30章） | 全链路压测、监控告警、灰度发布与运维 | 生产级部署方案 |
学习建议： 建议每周投入 6-8 小时，按“理论 → 动手实验 → 复盘总结”的节奏推进。每章末尾的“动手实验”环节务必独立完成。
1.5 课程知识图谱
下图展示了本课程 30 章内容之间的依赖关系与学习主线，帮助学员建立全局视野：
避坑提示： 不建议跳过基础篇直接进入计算篇或 API 篇。实时评分系统的数据模型与评分算法是后续所有模块的根基，跳过会导致后续实验无法理解状态设计与窗口语义。