4. 特征采集链路解析：从请求接入到特征提取的完整链路

特征采集链路是风控网关的“数据动脉”，决定了特征时效性与系统吞吐量。本章逐层拆解从请求接入到特征提取的完整路径，给出各环节延迟预算分配方案，并定位常见瓶颈点。

4.1 完整链路阶段划分

一次风控请求的特征采集可划分为以下 6 个阶段：

4.2 各环节延迟预算分配详解

4.2.1 网络接入（≤ 2 ms）

• 连接复用： 必须启用 HTTP/2 多路复用或连接池，避免每次请求重建 TCP/TLS。
• TLS 优化： 使用 Session Resumption 与 False Start，将握手开销降至 1 次 RTT 以内。
• 反序列化： 优先使用 Protobuf / FlatBuffers 替代 JSON，减少内存拷贝。

4.2.2 协议解析（≤ 1 ms）

• 零拷贝解析： 直接操作 ByteBuffer 偏移量，避免 String 转换。
• 预编译校验： 使用正则预编译 + 白名单模式，拒绝非法请求体。

4.2.3 上下文构建（≤ 3 ms）

• 会话关联： 通过 Token / Cookie 快速定位 Session，避免全表扫描。
• 设备指纹还原： 本地缓存已解析的指纹向量，减少重复计算。

4.2.4 特征路由（≤ 2 ms）

• 特征标识匹配： 使用 Trie 树或哈希索引，O(1) 定位特征定义。
• 数据源寻址： 本地维护数据源路由表，避免每次查询配置中心。

4.2.5 数据源读取（≤ 5 ms）

• 本地缓存优先： 热数据（如 IP 归属地、设备库）使用 Caffeine / Guava Cache。
• Redis 管道： 批量读取多个特征源时使用 Pipeline 减少网络往返。
• RPC 超时： 设置 3 ms 快速失败，避免阻塞主链路。

4.2.6 特征计算（≤ 3 ms）

• 表达式预编译： 将 Groovy / MVEL 脚本预编译为字节码，避免运行时解释。
• 聚合运算： 滑动窗口类特征使用增量计算，避免全量重算。

4.3 常见瓶颈点与诊断方法

4.4 链路优化策略总结

1. 预计算与缓存： 将静态特征（如 IP 段、设备型号）提前加载到本地内存，避免运行时远程读取。
2. 异步化非关键路径： 日志记录、审计追踪等操作使用 Disruptor 无锁队列异步写入，不阻塞主链路。
3. 熔断与降级： 当数据源延迟超过阈值时，自动降级为默认值或空特征，保证网关可用性。
4. 全链路压测： 使用 JMH 或 Gatling 模拟真实流量，验证各环节延迟是否在预算内。