1. 课程导论：信用评分特征服务概述、注册与发现核心价值、课程目标与学习路径
1.1 信用评分特征服务概述
在信用评分系统中，特征服务（Feature Service） 是负责计算、存储和提供评分模型所需输入变量的核心中间层。它从原始数据（如交易流水、用户行为、外部征信）中提取、转换并生成特征，供评分引擎实时或批量调用。
传统信用评分架构中，特征逻辑通常硬编码在评分应用中，导致扩展困难、重复开发、版本混乱。现代微服务架构将特征管理独立为专门的 特征服务，实现特征的计算、缓存、分发与治理。
特征服务核心职责：
- 特征计算： 执行聚合、统计、时序、衍生等计算逻辑
- 特征存储： 缓存高频特征，支持近线/离线批量写入
- 特征分发： 通过 RPC 或 HTTP 接口向评分引擎提供实时特征
- 特征治理： 版本管理、血缘追踪、质量监控
1.2 注册与发现核心价值
在微服务化的信用评分系统中，特征服务实例可能动态扩缩、迁移或故障重启。如果没有 服务注册与发现（Service Registry & Discovery） 机制，评分引擎将面临以下问题：
| 问题 | 传统硬编码方式 | 注册与发现方式 |
|---|---|---|
| 实例地址变更 | 手动修改配置，重启应用 | 自动感知新地址，零停机 |
| 负载均衡 | 固定 IP 轮询，无法感知负载 | 注册中心配合客户端负载均衡 |
| 健康检查 | 依赖外部监控，被动发现 | 注册中心主动探活，自动摘除 |
| 多环境管理 | 不同环境不同配置文件 | 命名空间/标签隔离，统一管理 |
引入注册与发现机制后，特征服务可以获得以下核心价值：
- 动态弹性： 实例增减无需人工干预，评分引擎自动发现可用节点
- 高可用： 故障实例自动摘除，请求路由到健康节点
- 流量治理： 支持灰度发布、权重路由、区域优先等高级策略
- 运维简化： 统一的服务元数据管理，降低运维复杂度
1.3 课程目标与学习路径
本课程旨在帮助学员掌握在信用评分场景下，如何设计、实现和运维基于微服务的特征服务注册与发现体系。课程覆盖从理论到实战的全链路知识。
适用人群： 信用评分系统架构师、微服务开发工程师、SRE 运维工程师、风控平台技术负责人。
课程核心目标
- 理解特征服务模型： 掌握信用评分特征的生命周期、分类与计算模式
- 掌握注册与发现原理： 深入理解主流注册中心（如 Consul、Nacos、Eureka）的工作机制
- 实战落地能力： 能够独立搭建特征服务注册与发现体系，并集成到评分系统中
- 生产级运维： 掌握健康检查、负载均衡、灰度发布、故障转移等高级运维策略
学习路径与章节规划
| 阶段 | 章节范围 | 核心内容 |
|---|---|---|
| 基础篇 | 第 1-5 章 | 特征服务概念、注册与发现原理、主流注册中心对比 |
| 设计篇 | 第 6-12 章 | 特征服务 API 设计、注册中心选型、高可用架构设计 |
| 实现篇 | 第 13-22 章 | 代码实战：Spring Cloud + Consul/Nacos 集成、客户端负载均衡、健康检查实现 |
| 运维篇 | 第 23-28 章 | 灰度发布、流量治理、监控告警、故障演练 |
| 总结篇 | 第 29-30 章 | 最佳实践总结、常见问题排查、课程回顾 |
前置要求： 学员需具备 Java/Spring Boot 基础开发经验，了解基本的微服务概念（如服务拆分、REST API、容器化部署）。本课程不从头讲解编程语言基础。
通过本课程的学习，你将能够独立设计并落地一套生产级的信用评分特征服务注册与发现体系，显著提升评分系统的弹性、可观测性和运维效率。