2. 风控网关架构设计：分层架构设计、请求处理流程、与业务系统的交互方式、高可用设计要点

风控网关作为实时风控系统的流量入口与决策中枢，其架构设计直接决定了系统的吞吐能力、响应延迟与稳定性。本节从分层架构、请求处理流程、业务交互模式及高可用保障四个维度展开，帮助学员建立完整的网关设计认知。

2.1 分层架构设计

风控网关采用经典的四层架构，自底向上依次为：接入层、路由层、决策层与输出层。每层职责清晰，便于独立扩展与灰度发布。

层级	核心职责	关键组件	典型技术选型
接入层	协议适配、流量整形、安全校验	HTTP/HSF/Dubbo 网关、限流器、IP黑白名单	Nginx + Lua、Spring Cloud Gateway
路由层	请求分发、参数校验、上下文构建	路由表、参数解析器、特征预提取	自研路由引擎、Apollo 配置中心
决策层	规则引擎、模型推理、策略组合	LightGBM 模型服务、规则集、评分卡	ONNX Runtime、自研规则引擎
输出层	结果封装、异步回调、日志审计	结果组装器、MQ 生产者、ES 写入器	Kafka、Elasticsearch、Redis

2.2 请求处理流程

一次完整的风控请求从进入网关到返回结果，经历以下 8 个核心步骤：

1. 协议解析与安全校验：接入层解析 HTTP/HSF 协议头，校验签名、时间戳与 IP 白名单。
2. 流量控制：根据调用方 AppKey 与接口维度执行令牌桶限流，超出阈值直接返回降级结果。
3. 参数校验与补全：路由层校验必填字段，补全设备指纹、IP 归属地等上下文信息。
4. 特征预提取：从请求参数与缓存中提取高频特征（如用户历史行为统计、设备风险等级）。
5. 规则前置过滤：执行白名单、黑名单、频控等快速规则，命中则直接返回，不进入模型。
6. 模型推理：将特征向量送入 LightGBM 模型服务，获取风险概率与决策分数。
7. 策略组合：将模型分数与规则结果按策略矩阵加权，生成最终决策（通过/人工/拒绝）。
8. 结果输出与异步日志：输出层封装响应，同步返回调用方；异步写入全量日志到 ES 与 Kafka。

2.3 与业务系统的交互方式

风控网关与业务系统之间采用 同步 + 异步 双通道交互模式，兼顾实时性与最终一致性。

交互模式	适用场景	协议/组件	超时控制
同步 RPC	登录、支付、下单等核心交易场景	HSF / Dubbo / HTTP	50ms ~ 200ms
异步 MQ	事后风控、异步审核、数据补传	RocketMQ / Kafka	无严格超时
缓存查询	黑白名单、设备指纹、用户画像	Redis / Tair	5ms ~ 10ms
回调通知	人工审核结果、模型重判结果	HTTP Callback / MQ	按业务约定

2.4 高可用设计要点

风控网关作为关键链路节点，需从以下五个维度保障高可用：

• 无状态化与水平扩展：接入层与路由层所有节点无状态，通过负载均衡器（SLB/Nginx）均匀分发流量，支持秒级扩容。
• 多级缓存降级：模型特征缓存（本地 Caffeine + 分布式 Redis）减少重复计算；当模型服务不可用时，自动降级为规则引擎兜底。
• 熔断与限流：基于 Sentinel 或自研熔断器，对下游依赖（模型服务、数据库）实施熔断保护；网关入口按 AppKey + API 维度限流。
• 同城双活与异地容灾：核心网关集群部署在两个可用区，流量按权重分配；当单可用区故障时，DNS 切换至备用集群，RTO < 30s。
• 全链路监控与告警：每个处理步骤埋点上报延迟、QPS、错误率；配置多维告警规则（P99 超 200ms、错误率突增 5 倍等）。