3. 实时风控网关架构设计：整体架构图、请求处理流程、关键组件

实时风控网关是 Champion Challenger 体系的核心流量入口与决策分发层。它需要在高并发、低延迟的约束下，完成流量接入、特征计算、模型推理与策略路由。本章从整体架构、请求处理流程与关键组件三个维度展开设计。

3.1 整体架构图

实时风控网关采用分层解耦设计，自上而下分为接入层、计算层、决策层与存储层。各层职责清晰，通过异步消息与 RPC 调用协同工作。

3.2 请求处理流程

一次完整的实时风控请求处理流程包含 8 个步骤，从流量接入到结果返回，全链路耗时需控制在 50ms 以内。

3.3 关键组件

3.3.1 决策引擎

决策引擎是风控网关的“大脑”，负责将规则与模型结果融合为最终决策。它包含三个核心模块：规则引擎、模型调度器与决策合成器。

• 规则引擎：支持热加载的规则集（Drools / 自研 DSL），用于黑白名单、阈值判断、频次控制等确定性逻辑。
• 模型调度器：管理 Champion 与 Challenger 模型的版本、部署节点与推理请求分发。支持模型灰度发布与回滚。
• 决策合成器：根据 A/B 分流策略（随机分流 / 按用户 ID 哈希 / 按流量比例）选择最终输出，并记录决策日志。

3.3.2 特征中心

特征中心负责为决策引擎提供实时、准确的特征数据。它采用“实时计算 + 离线缓存”的混合架构，确保特征获取的高性能与高可用。

• 实时特征计算：基于 Flink / Spark Streaming 对实时事件流进行窗口聚合（如 1 分钟内交易次数）。
• 离线特征缓存：将用户画像、设备指纹等低频变化特征预加载到 Redis，设置 TTL 自动过期。
• 特征版本管理：每个特征都有版本号，支持特征回溯与 A/B 测试。

3.3.3 模型服务

模型服务是 Champion Challenger 实践的核心载体。它需要同时部署 Champion（当前最优）与 Challenger（待验证）两个模型，并支持无缝切换。