1. 课程导论与金融场景挑战

金融交易与行情推送系统对延迟的敏感度远超通用互联网应用。在订单撮合、行情快照、风控校验等核心链路中，API 响应时间每增加 1 微秒，都可能带来显著的滑点损失或套利机会错失。本章首先剖析金融场景的延迟硬约束，再揭示流量洪峰与雪崩效应的系统性风险，为后续限流熔断架构设计建立清晰的业务背景。

1.1 金融场景延迟硬约束

不同金融业务对 API 延迟的容忍度差异极大，但核心交易链路普遍要求微秒级（μs）响应。下表列出典型场景的延迟目标与容忍上限：

1.2 流量洪峰：从正常到过载的突变

金融 API 的流量特征具有突发性、脉冲性和自相关性。常见洪峰触发场景包括：

• 宏观事件驱动： 央行利率决议、非农数据发布、地缘政治突发事件，瞬间引发全市场订单量激增 10～100 倍。
• 算法交易共振： 多家量化机构同时执行相似策略，形成正反馈循环，流量在数秒内达到峰值。
• 行情波动放大： 价格剧烈跳动触发止损/止盈链式反应，行情推送与订单提交相互放大。

下图展示典型金融 API 在洪峰期间的流量形态：

1.3 雪崩效应：单点故障的级联放大

雪崩效应是金融系统最危险的故障模式之一。其典型传播路径如下：

1. 上游过载： 行情网关因洪峰导致 CPU 打满，响应延迟从 50 μs 飙升至 10 ms。
2. 下游等待： 交易引擎等待行情数据，线程池被占满，新请求排队。
3. 连接堆积： 客户端 TCP 连接因超时未关闭，网关连接数达到上限。
4. 资源耗尽： 内存、文件句柄、数据库连接池依次枯竭。
5. 全链路崩溃： 单个组件的故障通过同步调用链扩散至整个交易系统。

下图展示雪崩效应的级联结构：

1.4 限流熔断的金融级要求

通用互联网的限流方案（如 Nginx 限流、Redis 计数器）在金融场景中面临严峻挑战：