📚 课程目录第3章切片数据模型设计

3. 切片数据模型设计：用户画像宽表、行为事件表、切片维度设计、时效性要求

实时风控人群切片的核心在于将海量、无序的实时行为数据，转化为有序、可检索、可聚合的“切片”数据模型。一个设计不良的模型会导致查询延迟高、维度扩展难、数据口径不一致。本节将深入剖析切片数据模型的三大核心组件：用户画像宽表、行为事件表以及切片维度设计，并明确时效性要求。

3.1 用户画像宽表：切片的“静态基底”

用户画像宽表是人群切片的静态属性集合，它提供了对用户进行“圈选”和“过滤”的基础维度。该表通常以用户ID为主键，一行代表一个用户，列数可达数百列。

字段类别	示例字段	数据来源	更新频率
基础属性	user_id, gender, age, registration_date, city	注册信息、CRM	T+1 / 低频
信用属性	credit_score, overdue_days, loan_count	风控决策引擎	T+1 / 事件驱动
消费属性	total_spend, avg_order_value, last_purchase_date	交易系统	T+1
设备属性	device_model, os_version, is_rooted, ip_country	SDK / 设备指纹	事件驱动
标签属性	is_fraud_risk, user_level, churn_probability	模型预测 / 规则引擎	T+1 / 实时

设计要点：宽表设计应遵循“宽而不乱”原则。将频繁用于切片过滤的字段（如城市、用户等级）放在前列，并建立索引。避免将JSON或复杂结构体直接存入宽表，应提前展开为扁平列，以提升查询性能。

3.2 行为事件表：切片的“动态血液”

行为事件表记录了用户在特定时间点发生的具体动作，是实时切片的核心数据源。与宽表不同，事件表是流水型数据，每行代表一次行为。

-- 行为事件表核心结构示例 (ClickHouse)
CREATE TABLE risk_event_log (
    event_time      DateTime,
    user_id         String,
    event_type      String,        -- 'login', 'payment', 'password_change'
    event_value     Float64,       -- 交易金额等
    ip_address      String,
    device_id       String,
    geo_location    String,
    session_id      String,
    extra_context   String         -- JSON格式的扩展信息
) ENGINE = MergeTree()
PARTITION BY toYYYYMMDD(event_time)
ORDER BY (event_time, user_id);

  关键设计决策：事件表必须包含事件时间戳和用户ID。切片引擎通过这两个字段将动态事件与静态宽表关联。对于高频事件（如埋点点击），建议在写入时进行预聚合，或使用专门的时序数据库存储。

3.3 切片维度设计：从“宽表+事件”到“切片”

切片维度是连接用户画像宽表和行为事件表的桥梁，它定义了“如何从原始数据中切出一块人群”。一个切片维度通常由一个或多个宽表字段与一个或多个事件聚合条件组合而成。

下图展示了切片维度的三层架构设计：

3.4 时效性要求：实时与准实时的权衡

不同切片场景对数据新鲜度的要求差异巨大。设计数据模型时，必须明确每个维度的时效性等级，并据此选择存储引擎和计算策略。

时效性等级	延迟要求	适用场景	推荐技术栈
超实时	< 100ms	支付拦截、登录保护、高频交易风控	Redis / 内存网格 + 事件驱动
实时	< 1s	实时营销、在线推荐、会话级风控	Flink / Kafka Streams + 状态后端
准实时	< 1min	批量名单更新、用户分层、报表聚合	ClickHouse / Druid + 微批处理
近线	< 1h	用户画像宽表更新、离线模型特征	Spark Streaming / Hive + T+1

常见陷阱：不要将所有切片维度都设计为“超实时”。超实时意味着更高的成本和更复杂的架构。对于用户画像宽表中的静态属性（如性别、注册日期），使用T+1更新即可。只有那些直接影响风控决策的动态指标（如“最近5分钟交易失败次数”）才需要超实时处理。

3.5 数据模型设计总结

一个健壮的切片数据模型，需要将静态宽表、动态事件和灵活的维度定义有机结合，并严格遵循时效性分级。下表总结了三个核心组件的设计要点：

组件	核心作用	存储选型	更新策略	索引设计
用户画像宽表	提供静态过滤维度	ClickHouse / HBase	T+1 批量更新	高频过滤字段建索引
行为事件表	提供动态聚合数据	Kafka / Pulsar + 实时数仓	实时写入	按时间分区 + 用户ID
切片维度	定义人群圈选逻辑	规则引擎 / 配置中心	事件驱动 / 定时刷新	维度ID + 版本号

在实际项目中，建议先梳理业务方最常用的10个切片维度，优先完成这些维度的数据模型设计，再逐步扩展。避免一开始就追求大而全的宽表，导致存储和计算成本失控。