4. 哨兵架构设计：哨兵系统的分层架构

高频行情坏账率哨兵系统需要处理海量实时行情数据，并在毫秒级内完成计算与告警。为满足高吞吐、低延迟、可扩展的要求，系统采用经典的四层分层架构：采集层、计算层、告警层、存储层。每一层职责清晰，层间通过轻量级消息队列或API解耦，便于独立扩展与维护。

4.1 四层架构总览

下图展示了哨兵系统的完整分层结构，以及数据在各层之间的流转路径：

4.2 采集层：行情入口与第一道防线

采集层是哨兵系统的数据入口，负责从交易所、行情源或消息中间件接收原始高频行情数据。该层必须处理协议多样性、数据乱序、重复数据等现实问题。

4.3 计算层：坏账率实时计算引擎

计算层是哨兵系统的核心大脑，接收采集层输出的标准化行情流，执行坏账率相关的实时计算逻辑。该层采用事件驱动 + 微批处理混合模式，兼顾延迟与计算精度。

• 滑动窗口聚合：按时间窗口（如1秒、5秒、1分钟）统计成交笔数、失败笔数、坏账金额。
• 坏账率公式：坏账率 = (失败成交笔数 + 异常撤销笔数) / 总成交笔数 × 100%
• 异常检测模型：基于统计阈值（3σ）或轻量级机器学习模型（Isolation Forest）识别突发异常。
• 状态管理：使用 RocksDB 或 Redis 维护窗口状态，支持故障恢复。

// 坏账率计算核心伪代码（Flink DataStream API）
DataStream<MarketTrade> trades = env.addSource(kafkaSource);

trades
  .keyBy(trade -> trade.getSymbol())
  .window(SlidingProcessingTimeWindows.of(Time.seconds(5), Time.seconds(1)))
  .aggregate(new BadRateAggregate())
  .filter(rate -> rate.getValue() > BAD_RATE_THRESHOLD)
  .map(rate -> new AlertEvent(rate.getSymbol(), rate.getValue(), System.currentTimeMillis()))
  .addSink(alertSink);

4.4 告警层：分级通知与智能抑制

告警层接收计算层输出的异常事件，根据预设规则进行分级、聚合、抑制，并路由到不同的通知渠道。避免告警风暴是告警层设计的首要目标。

告警层核心功能包括：

• 告警分级：P0（坏账率 > 5% 且持续10秒）→ 立即电话通知；P1（坏账率 > 3%）→ 短信+即时消息；P2（坏账率 > 1%）→ 邮件日报。
• 告警抑制：同一标的在5分钟内不重复发送同级别告警，避免轰炸。
• 告警恢复：当坏账率回落至阈值以下并持续30秒，自动发送恢复通知。

4.5 存储层：多模态数据持久化

存储层负责保存原始行情、计算结果、告警事件和元数据，为事后分析、模型训练和审计提供数据基础。不同数据类型使用不同的存储引擎，以优化读写性能。

4.6 层间通信与数据一致性

四层架构通过Apache Kafka作为核心消息总线解耦。每层只与Kafka交互，不直接调用其他层的API。这种设计带来以下优势：

• 流量削峰：行情突发时，Kafka作为缓冲区吸收瞬时流量。
• 故障隔离：某一层宕机不影响其他层正常运行。
• 水平扩展：每层可独立增加消费者或生产者实例。

# 层间Topic命名规范
采集层输出: raw.market.tick.{exchange}.{symbol}
计算层输出: computed.badrate.{symbol}.{window}
告警层输出: alert.event.{level}
存储层消费: storage.raw.tick, storage.badrate, storage.alert