#618復盤系列# | 交易風控系統架構演變

「摘要」系統優化改造主要思路：

1、去關係型資料庫

2、風控引擎業務模型升級優化

3、其他，針對系統存在的其他具體痛點，實施具體改造……

背景介紹

金融系統網路，從業務層到交易層，需要若干系統間協同處理，相互支持，相互依賴，共同完成一筆看似簡單的業務處理。風控在這其中是被若干系統同步調用的葉子節點，並發量高而且要同步實時完成邏輯複雜的風險判斷，給出風險決策。

老交易風控完全依賴關係型資料庫，響應速度慢，抗高並發能力差；內部系統間數據耦合嚴重，不易擴展改造；

不斷增加的業務量，持續增長的規則數，越來越慢的響應速度……亟待系統升級改造，一年前我們開始了系統優化之路……

具體優化措施

一、數據層

內部系統流水數據解耦和

風控系統用到的數據大體分3類：實時業務流水數據；離線風險特徵數據；配置類數據。其中實時業務流水數據是無邊界且數據量極大的數據，也是我們優化的重點，這類數據從使用者的角度，主要分：

• 實時決策系統（從現在往前n段時間即可）
• 風控運行系統，供案件分析，人工審核用（需要歷史全量數據）
• 分析師風險分析用（雖然不需要歷史全量數據，但是比實時系統需要更長的有效數據）
• 其他非實時系統。

老系統數據架構

如上圖所示，線上實時庫數據與各類內部系統存在耦合關係：

• Sars系統每天凌晨抽數抽到實時系統性能下降；
• Mysql從庫當大數據用了，定時炸彈隨時引爆；
• 實時決策強依賴Mysql，性能差待優化。

所以首先要做的就是：各內部系統數據解耦合。

解耦整體思路：對實時系統接入的所有流水數據做完數據清洗、預處理後，MQ非同步方式發出來，其他內部系統來訂閱，根據自己系統的特點選擇不同的存儲方案。

優化後數據架構

數據解耦後，就可以放心大膽的進行實時系統的優化改造。目前改造的效果：新接入場景所有數據基本不需要再寫入關係型資料庫。

風控實時系統：去關係型資料庫，全面緩存化

• 流水數據

流水數據聚合統計指標是對mysql影響最大的，也是我們去關係型數據，全面緩存化最有難度的改造。

目前系統用到的方案有兩種，二者相互補充，基本做到大場景所有聚合類統計全部緩存化。

方案一：清洗流水數據，緩存明細，解析聚合SQL轉化為代碼邏輯結合緩存數據實現聚合統計。

方案二：接入流式實時數據計算系統。

方案對比：

• 離線風險數據

這類數據的使用特點：查詢相對簡單，沒有複雜聚合統計。整體思路：最底層(無需業務層感知)實現關係型資料庫與緩存的數據同步。

寫庫優化

Mysql目前架構是通過cds實現的主從讀寫分離，老業務接入的數據還是要寫MySQL, 單點主庫在高並發情況下出現寫庫瓶頸。

優化方案：

• MQ非同步降級（大部分聚合統計都已經切緩存，入庫延遲對整體系統業務影響不大）。
• 業務層合併、批量入庫，減少IO。

優化後，618大促峰值，比去年雙11量大的情況下，非同步寫庫無任何積壓，無任何入庫延遲！

二、引擎Drools版本升級、JVM調優

引擎採用支持熱部署的Drools，隨著規則及業務量的增加，引擎java fullGc頻繁，yongGc耗時過長，嘗試調整各類參數都無法解決問題。

如下優化項完成後，java虛擬機各類GC表現正常，TP999優化效果非常明顯：

• Drools升級到最新7.0版本，session採用無狀態替代原有有狀態session。
• Jvm升級到1.8，採用java8默認垃圾收集機制。

三、交易風控3.0– 風控引擎業務模型升級優化

交易風控模型2.0到3.0演進

引入規則包的概念

通過規則包前置條件，可以將規則劃分到更小的規則包，使每條規則能夠更精確的處理自己應該處理的業務請求，提高系統性能。

引入指標模板的概念（通過Rhythm模板引擎實現）

解決問題

• 多規則間，指標重複配置，復用性差。
• 相同指標重複收集，浪費系統資源，影響系統效率。
• 分析師可直接通過界面靈活配置規則。研發負責開發指標模板即可，一勞永逸，節約研發成本。

其他改造方案

1、網關代碼重構：通過模板模式、工廠模式，將不同場景間的定製處理解耦和；拆分場景也便於系統性能監控。

2、自降級方案：系統一旦出現問題，系統可以自降級，及時給上游返回結果，流水數據會存下來，後面非同步再跑引擎。

……

優化改造效果

1、從系統性能角度

在規則數量翻2倍，業務請求量翻3倍的情況下，全場景系統響應TP99降低到原來的1/5，性能提升顯著。過去兩個大促，全部順利經受住考驗……

2、從研發人力角度

隨著交易風控3.0及洞察系統的上線及穩定運行，之前專門設立的都需要1個研發人力支持的：規則開發介面人、線上值班介面人，都已經取消。

後續

目前系統還有優化空間，優化改造之路，我們將持續不斷走下去……

想了解更多乾貨請關注微信公眾號：京東金融技術說（JDJRTechTalk）