2. 风控网关架构概览：网关在风控系统中的位置、核心模块
实时风控网关是风控系统的“交通枢纽”，所有业务请求在进入核心决策引擎之前，都必须经过网关的预处理、协议转换与流量调度。本章从系统架构视角，明确网关的定位，并拆解其三大核心模块：接入层、决策层与存储层。
2.1 网关在风控系统中的位置
在典型的风控技术栈中，网关位于业务应用与风控决策引擎之间，承担南北向流量的统一入口职责。它不直接产生风控分数，而是负责将异构的业务请求标准化，并分发至下游决策单元。
关键定位：网关是风控系统的“前置过滤器”与“协议适配器”，所有非结构化数据在此完成结构化转换。
2.2 核心模块详解
网关内部按职责划分为三个层次，各层独立部署、水平扩展，通过内部 RPC 或消息队列通信。
2.2.1 接入层（Ingress Layer）
接入层是网关的最前端，负责处理所有外部请求的网络接入与协议适配。主要职责包括：
- 协议转换：将 HTTP/HTTPS、gRPC、Dubbo 等异构协议统一转为内部 Protobuf 或 JSON 格式。
- 身份认证：校验 API Key、Token 或数字签名，拦截非法请求。
- 流量整形：基于令牌桶或漏桶算法进行限流，防止突发流量击穿下游。
- 请求日志：全量记录请求元数据（时间戳、来源 IP、接口名、参数摘要），用于审计与回溯。
实践建议：接入层应保持无状态，便于横向扩缩容。限流阈值建议从业务 QPS 峰值的 1.5 倍开始配置，逐步压测调整。
2.2.2 决策层（Decision Layer）
决策层是网关的“大脑”，负责将标准化后的请求数据路由至对应的风控策略集。核心组件包括：
- 特征提取器：从请求参数、设备指纹、用户画像中提取风控特征字段。
- 策略路由：根据业务类型（登录、支付、注册）将请求分发至不同的策略管道。
- 规则引擎：执行预定义的 if-then 规则（如“同一 IP 1 分钟内请求超过 10 次则拒绝”）。
- 模型调用代理：封装对机器学习模型（如 XGBoost、神经网络）的远程调用，并处理超时与降级。
| 组件 | 职责 | 典型实现 |
|---|---|---|
| 特征提取器 | 从原始请求中解析出风控特征 | Groovy 脚本 / 配置化 DSL |
| 策略路由 | 按业务场景分发至不同策略集 | 责任链模式 / 路由表 |
| 规则引擎 | 执行确定性规则逻辑 | Drools / EasyRules |
| 模型调用代理 | 调用远程模型服务并处理异常 | gRPC + 熔断器（Hystrix） |
2.2.3 存储层（Storage Layer）
存储层为网关提供数据持久化与状态缓存能力，支撑实时特征计算与历史回溯。按数据用途分为三类：
- 缓存存储：使用 Redis 集群存储计数器、滑动窗口、用户画像快照，要求毫秒级读写。
- 事件存储：使用 Kafka 或 Pulsar 将原始请求与决策结果持久化为事件流，供离线分析消费。
- 配置存储：使用 MySQL 或 etcd 存储网关路由规则、限流阈值、黑白名单等动态配置。
注意：存储层是网关性能瓶颈的高发区。Redis 操作应避免大 Key 与慢查询；Kafka 分区数应根据业务流量提前规划，避免后期 rebalance 导致数据倾斜。
2.3 三层架构的协作关系
三个层次并非简单串联，而是形成“接入 → 决策 → 存储”的主链路，同时存储层为接入层和决策层提供反向数据支撑：
- 请求进入：接入层完成协议解析与限流后，将标准化请求体传入决策层。
- 特征计算：决策层从存储层读取实时计数器（如“用户过去 5 分钟请求次数”），结合请求参数生成特征向量。
- 策略执行：规则引擎与模型代理基于特征向量输出决策结果，结果写回存储层的事件流。
- 响应返回：决策层将结果返回给接入层，由接入层封装为业务方期望的协议格式并回写响应。
架构要点：三层之间通过明确的接口契约（IDL）解耦，任何一层的内部重构不影响其他层。存储层的缓存超时时间应短于决策层的超时时间，避免缓存穿透。
2.4 本章小结
实时风控网关通过接入层统一流量入口、决策层集中处理风控逻辑、存储层提供高性能数据支撑，构建了一个可水平扩展、低延迟的预处理系统。理解这三层的职责边界与协作模式，是后续搭建特征看板的数据采集与指标设计的基础。