2. 延迟瓶颈分析：风控链路中的常见延迟瓶颈点

风控决策链路从请求到达、特征加工、模型推理到规则命中，每一步都可能成为延迟瓶颈。本章将延迟来源归纳为四大类：网络、IO、计算、锁竞争，并逐一分析其产生机理与典型场景。

2.1 四大瓶颈全景图

下图展示了风控请求在典型微服务架构中可能经历的延迟环节，每个数字标记对应一类瓶颈的典型出现位置。

2.2 网络延迟

网络延迟是风控链路中最常见、也最容易被忽视的瓶颈。一次跨机房调用可能增加 1~5ms，而风控链路往往包含多次串行网络请求。

2.3 IO 延迟

IO 延迟分为磁盘 IO 和网络 IO 两类。风控系统中，IO 瓶颈通常出现在数据库查询、缓存访问、日志写入和文件加载等环节。

• 磁盘 IO：HDD 随机读写 5~10ms，SSD 随机读写 0.1~0.5ms。风控规则引擎加载规则文件、模型加载参数文件时，若文件过大或频繁加载，会触发磁盘 IO 瓶颈。
• 网络 IO：Redis 缓存访问通常 0.1~1ms，但若缓存未命中回查数据库，延迟可能飙升到 5~20ms。批量特征查询时，网络 IO 可能成为吞吐瓶颈。
• 日志 IO：同步日志写入在高并发下会阻塞业务线程。一次 log.info() 可能增加 0.5~2ms 延迟。

2.4 计算延迟

计算延迟主要来自特征加工和模型推理两个阶段。随着机器学习模型在风控中的普及，计算延迟占比越来越高。

计算瓶颈的另一个来源是序列化/反序列化。Protobuf 比 JSON 快 3~5 倍，但若在链路中反复序列化，仍可能累积 1~3ms 延迟。

2.5 锁竞争

锁竞争是风控系统中隐蔽性最强的延迟瓶颈。它不会直接报错，但会导致线程阻塞、CPU 上下文切换增加，进而拉高 P99 延迟。

锁竞争的主要类型及优化思路：

• 偏向锁 → 轻量级锁 → 重量级锁升级：Java 中锁升级过程本身就有性能开销。如果锁竞争激烈，直接使用 ReentrantLock 或 LongAdder 避免升级。
• 热点数据锁：全局计数器、排行榜等高频写入数据，使用 LongAdder 或分段锁替代 AtomicLong。
• 连接池锁：数据库/Redis 连接池在高并发下成为锁热点。使用异步客户端（如 Lettuce）或连接池预分配减少竞争。
• 分布式锁：Redis RedLock、ZooKeeper 锁在网络抖动时可能阻塞数十毫秒。尽量使用乐观锁或本地锁替代。

2.6 瓶颈识别优先级

在实际优化中，建议按以下优先级排查瓶颈：

1. 网络延迟：最容易通过架构调整（同机房部署、连接复用）获得 10 倍以上收益。
2. IO 延迟：缓存命中率、批量操作、异步写入是主要优化手段。
3. 计算延迟：模型量化、规则预编译、表达式缓存。
4. 锁竞争：通常影响 P99 而非平均延迟，排查难度最高，但优化后效果显著。