1. 风控评分系统概述
在金融科技与高并发交易场景下，风控评分系统是业务安全的第一道防线。它通过实时计算用户或交易的风险评分，在毫秒级时间内做出“通过、拒绝、人工审核”等决策。本章从业务价值、核心场景与关键指标三个维度，建立对高并发风控评分系统的全局认知。
1.1 风控评分在高并发场景下的重要性
传统风控依赖离线批处理与人工规则，无法应对每秒数千笔的实时请求。高并发风控评分系统必须具备以下能力：
- 实时决策：在用户点击“提交”的瞬间完成风险量化，避免业务阻塞。
- 弹性扩展：应对秒杀、大促等流量尖峰，系统不降级、不超时。
- 精准拦截：在高并发下仍保持低误杀率与高捕获率，平衡体验与安全。
核心矛盾：每增加一条风控规则或特征，SQL 查询复杂度上升，响应时间可能从 5ms 飙升至 200ms。高并发场景下，性能优化直接决定系统可用性。
1.2 常见业务场景
风控评分系统覆盖金融、电商、支付等多个领域，以下三种场景对 SQL 性能要求最为苛刻：
| 场景 | 典型请求量 | 核心风险 | SQL 挑战 |
|---|---|---|---|
| 信贷审批 | 5000+ TPS | 多头借贷、欺诈申请 | 跨多表关联、历史借贷聚合查询 |
| 反欺诈 | 10000+ TPS | 设备指纹异常、团伙欺诈 | 实时图关系查询、高频特征计算 |
| 实时交易 | 20000+ TPS | 盗刷、套现、洗钱 | 窗口聚合、高频写入与读取混合 |
实战视角：信贷审批场景中，一次评分查询可能涉及用户基本信息、征信报告、历史借贷记录、设备指纹等 10+ 张表。如何将 200ms 的查询优化到 20ms 以内，是本课程的核心课题。
1.3 评分系统的核心指标
衡量一个高并发风控评分系统的优劣，必须关注以下三个核心指标：
- 响应时间（RT）：从请求到达系统到返回评分结果的耗时。通常要求 P99 < 100ms，P999 < 300ms。
- 吞吐量（TPS）：系统每秒能处理的评分请求数。单节点目标通常为 3000~8000 TPS。
- 准确率（Precision & Recall）：评分模型对风险用户的识别能力。高并发下需保证特征计算不丢精度。
三者之间存在制约关系：提升准确率往往需要更多特征与更复杂的 SQL，导致 RT 上升、TPS 下降。风控架构师的核心工作就是在三者之间找到最优平衡点。
1.4 风控评分系统的性能瓶颈分析
在高并发场景下，风控评分系统的性能瓶颈通常集中在以下三个环节：
| 瓶颈环节 | 典型表现 | 根因分析 |
|---|---|---|
| 特征计算 SQL | 单次查询耗时 > 200ms | 多表 JOIN 无索引、聚合函数扫描全表、子查询嵌套过深 |
| 规则引擎匹配 | CPU 使用率 100%，请求排队 | 规则数量过多、正则表达式滥用、内存缓存失效 |
| 数据写入冲突 | TPS 骤降，死锁频发 | 高频更新同一行记录、事务隔离级别过高、锁粒度不合理 |
常见误区：很多团队在遇到性能瓶颈时，第一反应是增加机器或升级硬件。但在风控评分场景中，80% 的性能问题源于 SQL 写法不当与索引缺失。本课程将重点展示如何通过 SQL 优化，在不增加成本的前提下将系统吞吐量提升 5~10 倍。
1.5 课程学习路径
本课程共 30 章，从基础概念到高级实战，层层递进。以下是第 1 章的知识地图：
学习建议：本章是后续所有实战案例的理论基础。建议读者在理解核心指标与瓶颈分析后，带着“如何优化 SQL 来降低响应时间、提升吞吐量”的问题进入第 2 章的学习。