1. 课程导论：商户批次风险迁移的背景、痛点与Flink实时诊断的价值

1.1 业务背景：为什么“批次风险迁移”成为风控焦点

在支付与金融交易链路中，商户通常以“批次”为单位进行资金结算、交易对账和风险拨备。当商户的经营状态、交易特征或外部环境发生显著变化时，其风险等级会从一个稳定区间迁移到另一个区间——这个过程称为“批次风险迁移”。

典型的迁移场景包括：

• 商户经营突变：日交易量从 1 万笔骤升至 100 万笔，或从高客单价转向低客单价高频交易。
• 结算周期调整：T+1 结算变更为 T+7 结算，资金滞留时间延长，垫资风险上升。
• 行业政策冲击：监管新规导致某类商户的拒付率、投诉率在短时间内集中爆发。
• 团伙欺诈渗透：同一批商户被黑产团伙批量注册，交易模式呈现高度同质化异常。

1.2 核心痛点：离线批处理在风险迁移诊断中的四大缺陷

1.3 Flink 实时诊断的价值：从“事后追责”到“事中干预”

Apache Flink 作为业界领先的流式计算引擎，为批次风险迁移诊断提供了三大核心能力：

1. 真正的事件时间语义：基于事件发生时间（而非到达时间）进行窗口聚合，准确还原批次风险迁移的时间序列。
2. 精确一次的状态一致性：通过 Checkpoint 和状态后端，保证在故障恢复后风险指标不重复、不丢失。
3. 毫秒级延迟的连续计算：每条交易记录到达后立即触发风险因子更新，无需等待批处理调度。

1.4 课程核心内容与学习路径

本课程共 30 章，覆盖从理论到工程落地的完整闭环。以下是课程的核心模块划分：

1.5 本章小结

• 批次风险迁移是商户风险状态在时间轴上的连续跃迁，传统离线批处理无法满足实时防控需求。
• 四大痛点：时效性差、连续性缺失、关联性不足、扩展性瓶颈。
• Flink 实时诊断通过事件时间语义、状态一致性和毫秒级计算，将风险识别延迟从小时级降至秒级。
• 本课程从基础到实战，覆盖架构设计、算法实现、工程运维全链路，帮助学员构建可落地的实时风险迁移诊断系统。