1. 信贷评分系统概述
1.1 信贷业务全流程
信贷业务从用户申请到资金回收，是一条完整的生命周期链路。评分系统嵌入在多个关键节点，为自动化决策提供量化依据。以下为标准的信贷业务全流程（贷前→贷中→贷后）：
| 阶段 | 核心环节 | 评分卡介入点 | 典型耗时要求 |
|---|---|---|---|
| 贷前 | 用户注册 → 提交申请 → 反欺诈校验 → 准入规则 → 评分卡打分 → 定额定价 | 申请评分卡（A卡） | < 3 秒 |
| 贷中 | 放款确认 → 资金划拨 → 账户监控 → 额度调整 | 行为评分卡（B卡） | < 1 秒（实时） |
| 贷后 | 还款提醒 → 逾期催收 → 核销/法务 | 催收评分卡（C卡） | 批量 T+1 |
关键认知： 评分卡不是孤立模型，而是嵌入在业务编排引擎中的决策节点。高并发场景下，评分卡必须与规则引擎、反欺诈系统、额度引擎协同工作，形成完整的决策流水线。
1.2 评分卡在风控中的位置
评分卡是风控决策体系中的“量化核心”。它接收用户特征（如收入、负债、征信查询次数），输出一个违约概率（PD）或分数，供后续规则和策略使用。以下架构图展示了评分卡在风控系统中的位置：
架构要点： 评分卡位于特征工程之后、决策输出之前。它不直接处理原始数据，而是消费经过清洗和编码的特征。在高并发系统中，特征工程和评分卡之间通常使用内存缓存或共享内存（如 Redis）来降低重复计算开销。
1.3 高并发场景定义与挑战
在信贷领域，“高并发”并非单纯指 QPS（每秒查询数）高，而是指在短时间内（如秒杀、大促、流量高峰）系统需要处理大量评分请求，同时保持毫秒级响应和极高的稳定性。
典型高并发场景
- 流量洪峰： 电商大促、平台补贴活动期间，申请量瞬间暴涨 10~50 倍。
- 批量进件： 合作渠道（如手机厂商、支付平台）批量推送用户申请，瞬时并发数万。
- 实时决策： 用户在前端填写信息后，系统必须在 1~3 秒内返回审批结果，否则用户流失。
高并发带来的核心挑战
| 挑战维度 | 具体问题 | 影响后果 |
|---|---|---|
| 响应延迟 | 评分模型计算耗时增加，数据库连接池耗尽 | 用户等待超时，前端报错，转化率下降 |
| 资源竞争 | CPU、内存、IO 争抢严重，GC 频繁 | 系统吞吐量下降，服务雪崩 |
| 数据一致性 | 并发写入导致特征数据错乱或重复计算 | 评分结果异常，风控策略失效 |
| 系统稳定性 | 单点故障、依赖服务（如征信接口）超时 | 评分不可用，业务中断 |
| 成本控制 | 为应对峰值过度扩容，资源利用率低 | 运营成本飙升，ROI 下降 |
常见误区： 很多团队认为“高并发 = 加机器”。实际上，评分卡系统的高并发瓶颈往往不在计算层，而在特征获取、数据同步和模型加载等 IO 密集型环节。不加优化的水平扩容只会放大资源浪费。
高并发评分系统的架构目标
为了应对上述挑战，一个生产级的高并发评分系统需要同时满足以下四个目标：
- 低延迟： P99 响应时间 < 500ms，P999 < 1s。
- 高吞吐： 单机 QPS > 2000，集群支持弹性伸缩。
- 高可用： 系统可用性 ≥ 99.99%，故障自动切换。
- 可观测： 全链路监控、实时日志、指标告警。
以下架构图展示了高并发评分系统的核心组件与数据流：
课程预告： 本章后续将深入讲解评分卡模型构建、特征工程优化、高并发架构设计（缓存策略、线程池调优、熔断降级）以及生产环境压测与调优。掌握这些内容，你将具备从零搭建一套生产级高并发评分系统的能力。