面试系统设计:交易风控与 Kafka

Hello,我是小兔大白糖。 这篇整理面试口述与高频追问要点,方便对照站内同主题通识文。
面试场景:交易/支付风控部门,要求设计一套可靠、高吞吐的流式风控数据系统 核心挑战:多源异构数据聚合、消息不丢失不重复、状态一致性、毫秒级延迟决策
一、业务场景与问题定义
1.1 场景描述
在一个加密货币交易所或电商交易平台的风控部门,需要对每一笔交易进行全链路实时风控判断:
一笔完整的交易包含多个业务阶段,每个阶段由不同微服务产生事件:
| 业务阶段 | 产生服务 | 关键数据 |
|---|---|---|
| 1. 用户下单 | Order Service | user_id, order_id, symbol, side, quantity, price, timestamp |
| 2. 风控预检 | Risk Pre-check Service | device_fingerprint, ip_geo, velocity_check_result |
| 3. 用户支付 | Payment Service | payment_method, amount, currency, bank/card_info_hash |
| 4. 资金冻结 | Wallet Service | freeze_tx_id, frozen_balance, margin_ratio |
| 5. 订单撮合/执行 | Matching/Trade Service | fill_price, fill_qty, counterparty_info |
| 6. 资金清算 | Settlement Service | settlement_tx_id, fee, net_amount |
风控侧的要求:
- 必须在下单前完成实时预检(< 50ms)
- 必须在支付后、撮合前完成综合风控判断(< 100ms)
- 必须在清算后完成事后审计与异常检测(秒级即可)
- 需要聚合一笔订单的所有阶段数据,形成完整视图后才能做综合判断
1.2 核心挑战
- 多源异构数据聚合:6 个阶段由 6 个不同服务产生,数据格式、产生时间、频率都不同
- 消息可靠性:Kafka 消息不能丢、不能重复、顺序不能乱
- 状态一致性:风控判断依赖"订单当前处于哪个阶段",需要维护跨阶段的状态机
- 延迟要求:关键路径(预检)必须 < 50ms,综合判断 < 100ms
- 吞吐量:交易所场景下,每秒 10万+ 笔订单,Kafka 峰值 50万+ msg/s
二、总体架构设计
2.1 架构全景图
2.2 各层职责
| 层级 | 组件 | 职责 |
|---|---|---|
| 数据采集层 | Order/Payment/Trade Service | 产生领域事件,写入对应 Kafka Topic |
| 消息总线层 | Kafka Cluster | 分区、副本、持久化,保证消息不丢 |
| 流处理层 | Flink / Kafka Streams | 多流 Join、窗口聚合、状态管理 |
| 状态存储层 | RocksDB (本地) + Redis (共享) | 维护订单全生命周期状态、特征缓存 |
| 决策引擎层 | Risk Engine | 规则匹配、ML 推理、综合打分 |
| 决策输出层 | Decision API / Webhook | 同步返回拦截/放行,异步下发处置指令 |
| 审计分析层 | ClickHouse + Grafana | 事后分析、模型训练、报表 |
三、Kafka Topic 与分区策略设计
3.1 Topic 划分原则
原则一:按业务领域拆分 Topic,避免单 Topic 过大
原则二:关键路径 Topic 独立分区,保证顺序和延迟
原则三:风控信号 Topic 单独拆分,与业务事件解耦
3.2 具体 Topic 设计
| Topic | 分区数 | Key | 说明 |
|---|---|---|---|
trade.order.created | 12 | order_id | 订单相关事件,按 order_id 分区保证单订单顺序 |
trade.payment.result | 12 | order_id | 支付结果,必须与订单同 Key |
trade.wallet.freeze | 12 | order_id | 资金冻结 |
trade.matching.fill | 24 | symbol | 按交易对分区,撮合是高并发场景 |
trade.settlement.done | 12 | order_id | 清算完成 |
risk.signal.device | 6 | user_id | 设备指纹,按用户聚合 |
risk.signal.behavior | 6 | user_id | 行为特征,如登录异常、IP 变动 |
risk.decision.result | 12 | order_id | 风控决策结果输出 |
3.3 分区 Key 的选择理由
Key = order_id 的核心原因:
1. 保证单订单全链路事件的顺序性
Kafka 保证:同一个 Partition 内,消息按 Key 顺序写入和消费
如果 order.created 和 payment.result 使用相同的 order_id 作为 Key,
它们会落入同一个 Partition,消费者一定能按顺序看到这两个事件
2. 保证多流 Join 的局部性
Flink / Kafka Streams 在处理 keyed stream 时,会将相同 Key 的数据
路由到同一个 Task/Partition,本地状态访问效率最高
例外场景:
- matching.fill 按 symbol 分区,因为撮合是高频、低延迟场景,
同一个交易对的大量成交需要并行处理,不需要按 order_id 顺序四、关键路径设计:实时风控预检(< 50ms)
4.1 预检流程
4.2 为什么预检不走 Kafka?
预检要求 < 50ms,Kafka 的延迟在毫秒到几十毫秒级,且消费者是异步的,
无法满足同步 API 的延迟要求。
所以预检路径是:同步 HTTP/gRPC 调用 → 直接查询 Redis 特征缓存 → 规则引擎判断
Kafka 在这里的角色是:
1. 异步产生 risk.signal 事件,供流处理层更新特征
2. 异步产生 audit log,供事后分析
3. 复杂规则(如跨订单聚合、时间窗口判断)由 Flink CEP 异步处理,
结果写入 Redis,影响下一笔订单的预检五、综合风控判断:多流聚合与状态管理
5.1 场景定义
一笔订单从创建到清算,风控需要在支付完成后、撮合前做一次综合判断:
综合判断需要的数据:
- 订单基本信息(品种、方向、数量、价格)
- 用户历史特征(7日交易量、亏损比例、提现频率)
- 支付信息(支付方式、金额、是否跨境)
- 设备与环境(设备指纹、IP 地理位置、是否虚拟机)
- 行为模式(下单频率、撤单率、是否跟单)
- 对手方信息(是否高风险地址、是否涉及洗钱地址)
5.2 多流 Join 设计(Flink)
5.3 Flink Join 策略详解
// 1. Interval Join:订单流与支付流按 order_id 关联
// 允许支付事件在订单创建后 0~5 分钟内到达
orderStream
.keyBy(OrderEvent::getOrderId)
.intervalJoin(paymentStream.keyBy(PaymentEvent::getOrderId))
.between(Time.seconds(0), Time.minutes(5))
.process(new OrderPaymentJoinFunction())
.keyBy(JoinedEvent::getUserId)
.connect(deviceSignalStream.keyBy(DeviceSignal::getUserId))
.process(new EnrichWithDeviceFunction());
// 2. Async I/O:异步查询外部特征存储(Redis / Feature Store)
// 避免阻塞流处理线程
DataStream<OrderRiskView> enrichedStream = AsyncDataStream
.unorderedWait(
joinedStream,
new AsyncFeatureLookupFunction(redisPool),
100, TimeUnit.MILLISECONDS,
100 // 并发请求数
);
// 3. 风控规则判断
enrichedStream
.map(new RiskRuleEvaluator(ruleEngine))
.addSink(new KafkaSink<>("risk.decision.result"));5.4 状态一致性保障
Flink 的 Checkpoint 机制:
1. 每 10 秒触发一次 Checkpoint,将算子状态(包括窗口状态、Join 状态)
持久化到分布式存储(HDFS / S3)
2. Exactly-Once 语义:
- Kafka Source:记录消费的 Offset,与状态一起 Checkpoint
- Kafka Sink:两阶段提交(2PC),先预写事务,Checkpoint 成功后提交事务
3. 状态 TTL:
- Join 状态保留 10 分钟(超过 10 分钟未收到支付,订单自动取消)
- 用户行为窗口保留 7 天(滑动窗口)六、消息可靠性:不丢失、不重复、顺序性
6.1 消息不丢失(Producer → Kafka → Consumer)
Producer 端:Outbox 模式
核心问题:业务数据库操作和 Kafka 发送不是原子性的。
如果 DB 提交成功但 Kafka 发送失败(或反之),数据就会不一致。
解决方案:Outbox 模式
1. 业务操作和消息写入在同一个本地事务中:
BEGIN;
INSERT INTO orders (...) VALUES (...);
INSERT INTO outbox (topic, key, payload, headers) VALUES (...);
COMMIT;
2. 单独的 Relay 进程(CDC 或轮询)读取 outbox 表,发送到 Kafka
3. 发送成功后标记 outbox 记录为已处理(或删除)
优势:
- 利用 DB 事务的原子性,保证"业务发生 → 消息必产生"
- 即使 Kafka 暂时不可用,消息也会保存在 outbox 中,不会丢失
- Relay 进程可以重试,直到发送成功Kafka 端:副本与 ISR 策略
# Kafka 配置
default.replication.factor=3 # 每个分区 3 个副本
min.insync.replicas=2 # 写入至少同步 2 个副本才算成功
acks=all # Producer 等待所有 ISR 确认
unclean.leader.election.enable=false # 不允许非同步副本成为 Leader
retention.ms=604800000 # 消息保留 7 天为什么 unclean.leader.election=false?
如果 Leader 宕机,Kafka 会从 ISR(In-Sync Replicas)中选举新 Leader。
如果 ISR 为空,unclean.leader.election=true 会允许从非同步副本中选举,
这可能导致消息丢失(非同步副本可能缺少最新的消息)。
对于交易风控场景,绝对不能容忍消息丢失,所以必须设为 false。
代价是:如果所有 ISR 都挂了,该分区会暂时不可用(宁愿不可用,也不丢数据)。Consumer 端:手动提交 + 幂等处理
// Kafka Consumer 配置
props.put(ConsumerConfig.ENABLE_AUTO_COMMIT_CONFIG, "false");
props.put(ConsumerConfig.MAX_POLL_RECORDS_CONFIG, "500");
props.put(ConsumerConfig.ISOLATION_LEVEL_CONFIG, "read_committed");
// 消费逻辑
while (true) {
ConsumerRecords<String, String> records = consumer.poll(Duration.ofMillis(100));
for (ConsumerRecord<String, String> record : records) {
try {
// 1. 业务处理
process(record);
// 2. 将 Offset 和状态一起存入外部存储(如 Redis)
storeOffsetAndState(record.offset(), processedState);
} catch (Exception e) {
// 3. 失败不提交 Offset,进入重试队列
sendToRetryTopic(record);
}
}
// 4. 批量同步提交(可选,看一致性要求)
consumer.commitSync();
}6.2 消息不重复:幂等设计
重复消息的来源:
1. Producer 重试:发送超时后重试,实际第一次已成功
2. Consumer 重启:Offset 未提交,重启后重新消费
3. 网络抖动:Kafka 确认丢失,Producer 重发
解决方案:业务层幂等方案一:数据库唯一约束(最简单)
-- 风控判断结果表
CREATE TABLE risk_decisions (
order_id VARCHAR(64) PRIMARY KEY,
decision VARCHAR(20), -- PASS / REVIEW / BLOCK
score DECIMAL(5,2),
created_at TIMESTAMP
);
-- 如果重复消费,INSERT 会报主键冲突,捕获异常即可方案二:Redis + Lua 原子脚本(高性能)
-- 检查并标记 order_id 是否已处理
local key = KEYS[1]
local order_id = ARGV[1]
local ttl = ARGV[2]
if redis.call("SISMEMBER", key, order_id) == 1 then
return 0 -- 已处理,幂等跳过
end
redis.call("SADD", key, order_id)
redis.call("EXPIRE", key, ttl)
return 1 -- 首次处理// Java 调用
Long result = jedis.eval(luaScript,
Collections.singletonList("risk:processed"),
Arrays.asList(orderId, "86400") // 24小时过期
);
if (result == 0) {
log.info("Duplicate message skipped: {}", orderId);
return;
}方案三:状态机幂等(复杂场景)
一笔订单有状态机:CREATED → PAID → FROZEN → MATCHED → SETTLED
如果重复收到 PAID 事件:
- 当前状态是 CREATED → 正常处理
- 当前状态已经是 PAID → 幂等跳过
- 当前状态是 MATCHED → 日志告警(乱序,但不需要处理)
好处:不仅防重复,还防乱序6.3 消息顺序性保障
Kafka 只能保证 Partition 内有序,不保证 Topic 全局有序。
我们的策略:
1. 同一笔订单的所有事件,使用相同的 order_id 作为 Key
2. 保证这些事件发送到同一个 Partition
3. 消费者单线程消费该 Partition(或 Kafka Streams/Flink 的 Keyed Stream)
Mermaid 图解:极端情况:
如果某个 order_id 产生的事件量特别大(如高频交易策略),
单 Partition 可能成为瓶颈。
解决方案:
- 监控 Partition 消费延迟(consumer lag)
- 如果某个 Key 热点严重,可以进一步拆分(如 order_id + 时间窗口)
- 或者将"顺序要求"和"吞吐量要求"分离:
关键状态变更必须顺序,但审计日志可以并行七、性能优化:吞吐量与响应速度
7.1 吞吐量提升(Kafka Consumer)
| 优化手段 | 配置/方法 | 效果 |
|---|---|---|
| 批量消费 | max.poll.records=500 | 单次拉取更多消息 |
| 多分区并行 | Partition 数 = Consumer 实例数 | 理想 1:1 配比 |
| 异步处理 | 消费线程只负责入队,业务线程异步处理 | 解耦消费与处理 |
| 零拷贝 | Kafka 本身的 sendfile 机制 | 减少数据拷贝 |
| 压缩 | compression.type=lz4 | 降低网络带宽 |
| 批提交 Offset | 每 N 条或每 M 秒提交一次 | 减少 Offset Commit 开销 |
7.2 响应速度优化(风控判断)
| 优化手段 | 实现方式 | 效果 |
|---|---|---|
| 本地缓存 | Caffeine / Guava Cache | 热点特征内存命中,微秒级 |
| 预计算特征 | Flink 实时聚合写入 Redis | 查询时无需计算 |
| 规则预编译 | Drools / EasyRules 规则编译为决策树 | 避免运行时解释 |
| 异步特征补全 | 核心规则同步判断,复杂特征异步加载 | 保证关键路径延迟 |
| 模型量化 | XGBoost/LightGBM 模型转换为 PMML/ONNX | 降低推理延迟 |
| 决策结果缓存 | 相同输入缓存决策结果 | 避免重复计算 |
7.3 典型性能数字
目标场景:10万 QPS 订单,每笔订单 5 个阶段事件,Kafka 峰值 50万 msg/s
优化后预期:
- 风控预检:p99 < 30ms(同步 Redis + 规则引擎)
- 综合判断:p99 < 80ms(Flink 多流 Join + 特征补全)
- Kafka 消费延迟:p99 < 1s(Flink 处理)
- 端到端延迟(下单 → 风控决策):p99 < 200ms
- 可用性:99.99%(全年停机 < 1小时)八、异常场景与应对策略
8.1 Kafka 消息积压(Consumer Lag 过高)
现象:业务高峰期间,消费者处理速度跟不上生产速度,Lag 持续增长
应对策略:
1. 水平扩容消费者
- Kafka Consumer Group 支持动态扩容
- 新增 Consumer 实例,自动重新分配 Partition
- 注意:Partition 数要 >= Consumer 实例数,否则扩容无效
2. 降级处理
- 非关键路径(如审计日志)可以采样处理(如只处理 10%)
- 关键路径(如风控判断)保持全量,但简化规则
3. 背压(Backpressure)
- Flink 天然支持背压:下游慢时,自动减缓上游消费速度
- 避免 OOM 或消息丢失
4. 临时存储
- 如果 Kafka 本身也成为瓶颈(磁盘 I/O),可以引入 Kafka MirrorMaker
或多集群架构,将流量分散8.2 消费者故障与重启
现象:Consumer 实例宕机或重启,Partition 重新分配
应对策略:
1. 优雅关闭
- 捕获 SIGTERM,先完成当前批次处理,再提交 Offset,最后退出
- Kubernetes 中配置 preStop Hook
2. Rebalance 优化
- 使用 Kafka 的 Cooperative Rebalance(增量重平衡),
避免每次扩容/缩容都触发全局重新分配
- 设置 session.timeout.ms=45s, heartbeat.interval.ms=15s
3. 状态恢复
- Flink 从最近的 Checkpoint 恢复状态,保证 Exactly-Once
- 如果状态存储在 RocksDB,重启后自动加载8.3 乱序消息与延迟到达
现象:由于网络抖动或 Producer 重试,支付事件比订单创建事件先到
应对策略:
1. Flink Event Time + Watermark
- 使用事件时间(Event Time)而非处理时间(Processing Time)
- 设置 Watermark 允许最大乱序时间(如 30 秒)
- 在 Watermark 内的乱序数据会被缓冲并正确排序
2. 状态机校验
- 如果 PAID 事件先到,但状态机中没有 CREATED,
将 PAID 放入"待处理缓冲区"
- 等待 CREATED 到达后,再按顺序处理
- 如果超过最大等待时间(如 5 分钟),触发告警并人工处理九、面试 Q&A
Q1: "如何保证 Kafka 消息绝对不丢失?从 Producer 到 Consumer 全链路说说。"
A: 保证消息不丢失需要从三个层面入手:
Producer 层:
- 使用 Outbox 模式,业务操作和消息写入在同一个 DB 事务中
- Producer 设置 acks=all,等待所有 ISR 确认
- 设置 retries=3 和 enable.idempotence=true,防止发送失败和重复
Kafka 层:
- replication.factor=3,min.insync.replicas=2
- unclean.leader.election=false,防止非同步副本成为 Leader 导致数据丢失
- 合理设置 retention,避免消息过期被删除
Consumer 层:
- 关闭自动提交,手动管理 Offset
- 采用"先处理业务,再提交 Offset"的顺序
- 或者将 Offset 和状态一起存入外部存储(如 Redis),实现原子性
- 处理失败时进入死信队列(DLQ),而不是无限重试导致阻塞
极端情况:
如果整个 Kafka 集群不可用(如机房级故障),Outbox 表中的消息仍然保存在 DB 中,
等集群恢复后可以继续发送。这是最后一道防线。
Q2: "如果一笔订单的支付事件比订单创建事件先到,怎么处理?"
A: 这是典型的乱序问题,我们的处理策略分三层:
第一层:Kafka 分区顺序
- 同一笔订单的事件使用 order_id 作为 Key,保证进入同一个 Partition
- Kafka 保证 Partition 内有序,所以如果是同一个 Producer 发送,不会乱序
- 乱序通常发生在:多 Producer、网络重试、消费者重启后重新消费
第二层:Flink Watermark + 状态机
- 使用 Event Time 而非 Processing Time
- 设置允许的最大乱序时间(如 30 秒),Watermark 会缓冲乱序数据
- 在状态机层面:如果收到 PAID 但状态不是 CREATED,放入"待处理缓冲"
等待 CREATED 到达后触发处理
第三层:超时兜底
- 如果 CREATED 事件始终未到达(如上游服务 Bug),
缓冲区的 PAID 事件在 5 分钟后触发告警,并人工处理或自动拒绝
实际经验:
在 某业务 的用户行为分析系统中,我们也遇到过类似问题(如页面点击事件比页面浏览事件先到)。
我们使用了 Flink 的 allowedLateness 机制,允许 1 分钟内的乱序数据更新窗口结果,
超过 1 分钟的数据进入侧输出流(Side Output)单独处理。
Q3: "Kafka Partition 数量怎么定?如果后期需要扩容怎么办?"
A: Partition 数量的确定需要考虑三个因素:
1. 吞吐量需求
- 单 Partition 的写入上限约 10MB/s 或 1万 msg/s(取决于消息大小和硬件)
- 如果需要 50万 msg/s,至少需要 50 个 Partition
2. 消费者并行度
- 一个 Consumer Group 中,一个 Partition 只能分配给一个 Consumer
- 如果计划部署 20 个 Consumer 实例,Partition 数至少 20
3. Key 分布均匀性
- 如果 Key 是 user_id,需要评估是否有热点用户(如机构账户交易量巨大)
- 热点 Key 会导致某些 Partition 负载过高,需要监控和再分区
扩容策略:
- Kafka 支持在线增加 Partition,但已有数据不会重新分配
- 新增 Partition 后,只有新消息会按新分区数路由
- 如果要重新分配已有数据,需要停机或使用 Kafka 的 reassign-partitions 工具
最佳实践:
- 初期预估峰值 2-3 倍设置 Partition 数(如预期 12 个,初期设 36 个)
- 使用 Kafka Streams 或 Flink,它们对 Partition 变化有较好的适应性
- 监控 Consumer Lag,当 Lag 持续增长且扩容 Consumer 无效时,说明需要加 Partition
Q4: "你们用 Flink 做流处理,如果 Flink Job 挂了,中间状态怎么保证?"
A: Flink 的容错核心机制是 Checkpoint 和 Savepoint。
Checkpoint(自动):
- 每 10 秒(可配置)触发一次,将所有算子状态异步快照到分布式存储(HDFS/S3)
- 使用 Chandy-Lamport 分布式快照算法,保证一致性且不影响处理延迟
- 如果 Job 失败,自动从最近一次成功的 Checkpoint 恢复
Savepoint(手动):
- 由用户手动触发,用于代码升级或迁移
- 与 Checkpoint 格式相同,但生命周期由用户管理
Exactly-Once 语义:
- Source(Kafka):Checkpoint 时记录消费的 Offset
- Sink(Kafka):使用 Two-Phase Commit,先预写事务,Checkpoint 成功后提交
- 如果 Checkpoint 失败,事务回滚,Offset 不提交,下次从旧 Offset 重读
状态存储选择:
- Heap State Backend:快,但受 JVM 内存限制,适用于小状态
- RocksDB State Backend:支持大状态(TB 级),增量 Checkpoint,适合我们的场景
我们在交易风控场景中,状态主要包括:
- 订单 Join 状态(等待支付事件到达)
- 用户行为窗口(7 日滑动窗口聚合)
- 这些状态大小可控(订单状态 TTL 10 分钟,行为窗口按用户分片),
使用 RocksDB 本地存储 + 增量 Checkpoint 完全没问题。
Q5: "风控规则引擎如果要求 < 50ms 响应,但规则很复杂(几百条规则),怎么优化?"
A: 这是我们实际遇到的挑战,优化策略分三层:
第一层:规则预编译与剪枝
- 将规则表达式预编译为决策树或 Rete 网络
- 利用规则的互斥性剪枝:如果规则 A 的某个条件不满足,依赖该条件的规则 B/C/D 直接跳过
- 实际效果:几百条规则中,平均每次只需要评估 20-30 条
第二层:特征预计算与缓存
- 用户历史特征(如 7 日交易量)由 Flink 实时计算,写入 Redis
- 风控查询时直接读取,不做实时聚合
- 热点特征(如黑名单)使用 Caffeine 本地缓存,避免网络往返
第三层:规则分层执行
- P0 规则(如黑名单、金额上限):同步执行,< 10ms
- P1 规则(如行为模式分析):异步执行,结果在 100ms 内返回
- P2 规则(如关联图谱分析):事后执行,不阻塞交易流程
兜底策略:
- 如果规则引擎超时(如 Redis 抖动),走默认策略(如降级为 REVIEW 人工审核)
- 绝不会因为风控系统慢而阻塞交易,这是交易所的风控底线
Q6: "如果 Kafka 集群挂了,交易还能继续吗?风控怎么兜底?"
A: 这是极端故障场景,需要分层兜底:
第一层:Kafka 本身高可用
- 3 副本 + min.insync.replicas=2,单节点故障不影响服务
- 跨可用区部署(3 个 AZ,每个 AZ 至少 1 个 Broker)
- 监控 + 自动故障转移
第二层:降级模式(Kafka 集群级故障)
- 风控预检(同步路径):依赖 Redis,不依赖 Kafka,继续可用
- 综合判断(异步路径):暂停复杂规则,仅执行本地缓存中的基础规则
- 审计日志:先写入本地文件或备用队列(如 RabbitMQ),Kafka 恢复后回放
第三层:熔断与限流
- 如果风控系统整体降级,触发全局限流(如每秒只允许 1000 笔交易)
- 新订单进入 REVIEW 状态,人工审核后放行
- 历史经验:交易所的风控系统宁可误判(拦截正常交易),也不能漏判(放行风险交易)
底线原则:
交易系统的可用性和数据一致性优先于实时风控的完整性。
如果风控系统故障,交易可以继续(基于缓存规则),但风险会升高,
需要通过限流和人工审核来补偿。
十、关键概念速查表
| 概念 | 一句话解释 | 面试关键词 |
|---|---|---|
| Outbox 模式 | DB 事务内同时写业务表和消息表,Relay 异步发送到 Kafka | 最终一致性、原子性、消息不丢 |
| Exactly-Once | 消息既不丢失也不重复 | Kafka 事务、Flink 两阶段提交 |
| Watermark | Flink 允许乱序数据的最大延迟阈值 | Event Time、乱序处理、窗口触发 |
| ISR | Kafka 同步副本集合 | acks=all、unclean.leader.election |
| Backpressure | 下游慢时自动减缓上游 | Flink 背压、反压、流控 |
| CEP | 复杂事件处理(Complex Event Processing) | 模式匹配、规则引擎、实时风控 |
| Rete 算法 | 规则引擎的高效模式匹配算法 | 规则剪枝、预编译、内存网络 |
| Two-Phase Commit | 分布式事务的两阶段提交 | Kafka 事务、Exactly-Once Sink |
面试提示:这套设计题的考察重点不是你的方案是否"完美",而是你的系统性思维——能否从数据采集、消息可靠性、流处理、状态管理、决策输出全链路考虑问题,并在约束条件下做出合理权衡。记住:先讲清楚数据流,再讲可靠性保障,最后讲性能优化。