1. 课程导论：信用评分特征服务的业务价值、高可用架构的重要性、课程目标与受众

1.1 信用评分特征服务的业务价值

在信贷审批、风险定价、额度管理、贷后监控等核心业务场景中，信用评分模型依赖大量实时特征（Feature）进行计算。特征服务（Feature Service）作为模型推理的前置数据层，负责从多个数据源聚合、计算、缓存并输出标准化特征向量。其业务价值体现在三个关键维度：

1.2 高可用架构的重要性

信用评分特征服务处于业务关键路径（Critical Path），其可用性直接影响信贷决策的连续性与准确性。一旦特征服务出现中断或降级，将导致：

• 审批阻塞： 实时申请无法完成评分，业务吞吐量骤降。
• 决策降级： 使用默认特征或空值填充，模型输出偏差增大，坏账风险上升。
• 数据不一致： 部分节点故障导致特征版本混乱，模型推理结果不可复现。

高可用架构需要覆盖以下四个层面：

1. 数据源层： 多活数据源、熔断与降级策略。
2. 计算层： 无状态特征计算节点、弹性扩缩容。
3. 缓存层： 分布式缓存集群、本地缓存兜底。
4. 路由与治理层： 健康检查、流量调度、灰度发布。

1.3 课程目标与受众

本课程旨在帮助技术管理者与一线工程师系统性地掌握信用评分特征服务的高可用架构设计方法，从理论到实践形成完整知识体系。

目标拆解

• 架构设计能力： 掌握分层架构、多活部署、流量调度、缓存策略等核心设计模式。
• 故障应对能力： 理解熔断、降级、限流、重试等容错机制的原理与工程落地。
• 运维保障能力： 学会构建监控、告警、容量规划、混沌工程等 SRE 体系。
• 业务理解能力： 深入理解信用评分业务对特征服务的 SLA 要求与风险容忍度。

目标受众

1.4 课程内容概览

本课程共分为 8 个模块，从基础概念到高阶实战，层层递进：

1. 特征服务基础： 特征定义、生命周期、计算模式。
2. 高可用架构原则： 冗余、隔离、限流、降级、一致性。
3. 数据源高可用： 多活数据源、数据同步、熔断策略。
4. 计算层高可用： 无状态设计、弹性伸缩、特征版本管理。
5. 缓存层高可用： 多级缓存、一致性哈希、缓存击穿防护。
6. 路由与治理： 服务发现、健康检查、灰度发布、流量镜像。
7. 监控与混沌工程： 黄金指标、告警规则、故障注入演练。
8. 案例实战： 从零搭建亿级特征服务平台。