3. 技术选型与依赖：Spring Cloud Gateway、Redis、Sentinel、Kafka、MySQL、Docker 选型理由

实时风控网关的核心挑战在于：高并发下毫秒级延迟、规则动态热更新、流量突增时系统自保、以及全链路可观测。本章逐一拆解六大核心组件的选型逻辑，并给出依赖版本与集成方式。

3.1 技术选型全景

下表从职责、选型理由、关键指标三个维度对比各组件在实时风控网关中的定位：

3.2 组件依赖与版本锁定

以下为经过生产验证的依赖版本组合，使用 Spring Boot 3.x + Spring Cloud 2023.x 体系：

<!-- pom.xml 核心依赖 -->
<!-- Spring Cloud Gateway -->
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-gateway</artifactId>
    <version>4.1.0</version>
</dependency>

<!-- Redis + Redisson -->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis-reactive</artifactId>
    <version>3.2.0</version>
</dependency>
<dependency>
    <groupId>org.redisson</groupId>
    <artifactId>redisson-spring-boot-starter</artifactId>
    <version>3.27.0</version>
</dependency>

<!-- Sentinel 网关限流 -->
<dependency>
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
    <version>2023.0.1.0</version>
</dependency>
<dependency>
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-alibaba-sentinel-gateway</artifactId>
    <version>2023.0.1.0</version>
</dependency>

<!-- Kafka -->
<dependency>
    <groupId>org.springframework.kafka</groupId>
    <artifactId>spring-kafka</artifactId>
    <version>3.1.0</version>
</dependency>

<!-- MySQL + MyBatis-Plus -->
<dependency>
    <groupId>com.mysql</groupId>
    <artifactId>mysql-connector-j</artifactId>
    <version>8.3.0</version>
</dependency>
<dependency>
    <groupId>com.baomidou</groupId>
    <artifactId>mybatis-plus-spring-boot3-starter</artifactId>
    <version>3.5.5</version>
</dependency>

3.3 组件协作架构

下图展示实时风控网关中各组件的协作关系与数据流：

3.4 各组件选型深度解析

3.4.1 Spring Cloud Gateway — 非阻塞网关基座

• Reactor 模型：基于 Netty + WebFlux，单线程可处理数千并发连接，避免传统 Servlet 容器线程阻塞。
• 过滤器链扩展：通过 GlobalFilter 和 GatewayFilter 嵌入风控逻辑，如请求头校验、参数签名、黑白名单拦截。
• 动态路由：支持从 Redis/MySQL 动态加载路由规则，无需重启网关即可生效。

3.4.2 Redis — 实时风控的“内存数据库”

• 滑动窗口限流：使用 ZSET + Lua 脚本实现毫秒级滑动窗口，精确控制每秒/每分钟请求量。
• 黑/白名单：SET 结构存储 IP、设备 ID、用户 ID，O(1) 时间复杂度查询。
• 规则缓存：将 MySQL 中的风控规则预热到 Redis，减少数据库穿透，缓存命中率 > 95%。

3.4.3 Sentinel — 流量控制与熔断降级

• 热点参数限流：针对特定用户、IP、API 路径设置独立 QPS 阈值，防止单点流量冲垮系统。
• 熔断降级：当后端服务响应时间 > 500ms 或错误率 > 20% 时，自动熔断并返回降级响应。
• 集群流控：通过 Token Server 模式实现网关集群的全局流量控制，避免单机限流偏差。

3.4.4 Kafka — 异步事件总线

• 高吞吐解耦：网关将风控决策事件（通过/拒绝/人工审核）写入 Kafka，风控引擎异步消费，网关延迟不受影响。
• 日志采集：所有请求的完整链路日志（请求头、参数、决策结果）发送到 Kafka，供离线数仓分析。
• 分区顺序：按用户 ID 哈希分区，保证同一用户的风控事件顺序消费。

3.4.5 MySQL — 规则与审计持久化

• 规则元数据：存储风控策略、限流规则、黑白名单配置，支持管理后台 CRUD 操作。
• 审计日志：记录每次风控决策的详细上下文，满足合规审计要求，保留周期 90 天。
• 读写分离：主库写入规则变更，从库供网关查询（配合 Redis 缓存，读压力极低）。

3.4.6 Docker — 环境一致性与弹性扩缩

• 镜像化交付：每个组件（Gateway、Redis、Kafka、MySQL）打包为独立 Docker 镜像，版本锁定避免环境差异。
• 快速扩缩：配合 K8s HPA，根据 CPU/内存/QPS 指标自动扩缩网关实例，应对流量洪峰。
• 资源隔离：每个容器限制 CPU 和内存，防止某个组件异常耗尽主机资源。

3.5 依赖冲突与避坑指南

3.6 本章小结