2. 流式决策核心概念：事件驱动、有状态计算、Exactly-Once语义、背压机制在风控场景中的含义

在构建低延迟额度策略时，传统的“请求-响应”批处理模式无法满足毫秒级决策要求。流式决策引擎将风控链路拆解为一系列连续、异步的数据处理阶段，其核心架构依赖四个关键概念：事件驱动、有状态计算、Exactly-Once 语义和背压机制。理解这些概念在风控场景中的具体含义，是设计稳定、准确、高吞吐决策链路的前提。

2.1 事件驱动：风控决策的“心跳”

事件驱动是流式决策的基石。在风控场景中，每一笔用户操作（如申请提额、交易支付、修改信息）都被封装为一个不可变的事件。系统不再主动轮询数据库，而是由事件触发整个决策链路的执行。

• 事件源：用户行为、外部数据源（如征信报告更新）、定时策略（如每日额度重置）。
• 事件流：事件在 Kafka、Pulsar 等消息队列中按序流动，每个事件携带唯一的 ID 和时间戳。
• 事件处理：风控规则引擎、模型推理服务、额度计算器作为消费者，对事件进行实时处理。

2.2 有状态计算：记住“你是谁”

风控决策不是孤立地看待单笔事件，而是需要结合用户的历史行为、累计额度、近期风险评分等上下文信息。有状态计算允许流处理算子维护内部状态，在事件到达时查询和更新这些状态。

2.3 Exactly-Once 语义：拒绝重复与丢失

在金融风控中，重复决策可能导致额度重复发放、重复扣款；丢失事件则可能放过一笔欺诈交易。Exactly-Once 语义保证每条事件在流处理过程中只被处理一次，且结果精确反映到外部系统。

• 端到端 Exactly-Once：从事件源（Kafka）到风控引擎，再到结果输出（数据库/消息队列），整个链路都需要保证。
• 实现机制：分布式快照（Checkpoint）+ 幂等写入 + 事务性输出。
• 风控代价：Exactly-Once 会引入一定的延迟（通常增加 5-20ms），需要在低延迟和精确性之间做权衡。

2.4 背压机制：流量洪峰下的“安全阀”

风控系统在促销活动、流量高峰时可能面临事件激增。如果下游处理速度跟不上上游发送速度，会导致内存溢出、任务失败。背压机制是一种动态反馈调节策略，让慢速消费者通知上游减速，从而维持系统稳定。

• 背压传播路径：下游算子 → 上游算子 → 数据源（Kafka 消费者暂停拉取）。
• 实现方式：
  • 信用度算法 (Credit-based)：下游根据自身缓冲容量向上游申请信用额度，上游按额度发送数据。
  • 水位线反馈：当算子处理队列超过阈值时，主动阻塞上游发送。
• 风控场景应用：在额度策略链路中，模型推理服务（如深度学习模型）通常是瓶颈。背压机制确保模型服务不会因请求过载而崩溃，同时自动调节上游规则引擎的发送速率。

2.5 概念对比与总结