4. 回放技术概述：流量回放的定义、分类与目的
在风控与特征服务领域，流量回放是指将生产环境录制的真实请求流量，在测试或预发环境中重新发送，以验证系统行为、数据一致性或性能表现的技术手段。它是连接“生产”与“测试”的关键桥梁，也是特征服务上线前最可靠的验证方式之一。
核心认知：流量回放不是简单的“重发请求”，而是对请求上下文、特征依赖、时间窗口、状态快照的完整还原。缺少任意一环，回放结果都可能失真。
4.1 什么是流量回放
流量回放的核心流程包含三个步骤：录制 → 存储 → 回放。录制端在生产网关或SDK侧捕获请求报文与响应；存储层将流量持久化到文件或消息队列；回放端读取流量并按时间顺序或并发模式向目标系统发送。
以下是一个典型的流量录制与回放链路示意：
4.2 回放的分类
根据回放时机与数据源的不同，流量回放主要分为离线回放与实时回放两大类。两者在应用场景、技术要求和数据新鲜度上存在显著差异。
| 对比维度 | 离线回放 | 实时回放 |
|---|---|---|
| 数据来源 | 历史日志、已归档流量文件 | 生产实时流量（秒级延迟） |
| 回放时机 | 非生产时段，按需触发 | 7×24 持续回放，与生产同步 |
| 速度控制 | 可调速（慢放/快放/压测模式） | 通常保持原速或略低于原速 |
| 依赖环境 | 测试/预发环境，可离线 | 预发环境，需与生产网络隔离 |
| 主要用途 | 回归测试、性能压测、数据一致性校验 | 灰度验证、实时监控、故障演练 |
| 数据量级 | 全量或抽样（TB 级） | 按比例采样（通常 1%–10%） |
| 特征依赖 | 需还原历史特征快照 | 可复用当前特征缓存 |
选型建议：特征服务上线前，建议先做离线回放验证特征逻辑正确性，再开启实时回放做灰度流量验证。两者互补，不可替代。
下图展示了两种回放模式在数据流与时间维度上的差异：
4.3 回放的目的
在特征服务与风控网关的上下文中，流量回放的核心目的可归纳为以下五个方面：
- 回归验证：代码变更后，通过回放历史流量验证特征逻辑、风控规则是否与预期一致，避免引入回归缺陷。
- 性能压测：使用生产流量模拟真实负载，评估特征服务与风控网关的吞吐量、延迟、资源消耗等性能指标。
- 数据一致性校验：对比回放结果与生产结果，发现特征值计算差异、规则命中偏差等数据问题。
- 灰度验证：在实时回放模式下，将小比例生产流量引入新版本服务，观察行为是否符合预期，降低上线风险。
- 故障演练：通过回放异常流量（如超时、限流、降级场景），验证系统的容错与降级能力。
常见误区：回放结果与生产结果完全一致并不代表系统无问题。特征依赖的时间窗口、外部数据源状态、缓存命中率等因素都可能导致回放结果偏差。回放的核心价值在于“发现差异”，而非“追求一致”。
下表总结了不同目的下回放模式的选择与关注重点：
| 目的 | 推荐回放模式 | 关注指标 | 典型场景 |
|---|---|---|---|
| 回归验证 | 离线回放 | 特征值差异率、规则命中差异 | 特征代码重构、规则引擎升级 |
| 性能压测 | 离线回放（快放模式） | QPS、P99延迟、CPU/内存 | 大促前容量评估、服务扩容验证 |
| 数据一致性 | 离线回放 + 实时回放 | 字段级差异、时间窗口偏差 | 特征存储迁移、数据源切换 |
| 灰度验证 | 实时回放 | 错误率、超时率、业务指标 | 新版本上线、AB实验 |
| 故障演练 | 离线回放（注入异常） | 降级成功率、熔断恢复时间 | 依赖服务故障、网络抖动 |