一、项目背景及目标

随着公司业务的不断发展和监管政策的逐步完善，各部门对于风险控制场景不断提出新的需求，针对信用风险、市场风险、流动性风险、操作风险等累计已开发大量风险因子和风控规则，对投前、投中、投后、主动测算、底层穿透等不同的业务场景提供了风险控制功能。随着开发经验的积累，风险控制模块已经形成了一套较为系统的功能，不断地在原业务系统中扩展风控模块的功能，不仅会影响原业务系统的使用体验，而且不便于风控功能的扩展。不同业务系统对风险控制也有不同的业务需求，因此提出搭建统一风控指标中台的方案，即能够整合多个业务系统的风险因子和风控规则，避免重复开发的问题，也能够统一数据源，实现不同业务系统数据的统一口径计算。

风险指标中台采用列式存储、内存计算的先进技术，以独立部署的风控中心对不同场景提供标准化的风控指标计算引擎服务。实现提高计算性能、灵活配置、追溯指标测算过程的平台化能力，为后续不断复杂的风控场景打下平台基础。

图1 苏银理财风险指标中台系统功能架构图

二、创新点

（1）系统架构采用灵活、分层的架构设计，方便后续功能扩展；

（2）系统采用列式数据存储，提供高性能的数据库操作；

（3）系统采用流式数据服务，对消息数据进行保护，采用断点续传的方式防止数据丢失。

三、项目技术方案

风险指标中台系统采用前后端分离的系统架构设计，前端主要采用Vue技术实现数据驱动的思想，通过Nginx反向代理将前端服务请求发送给后端的微服务集群。微服务群通过Eureka注册中心进行服务管理，并调用限额管理金融指标服务API接口，完成实时风控指标计算的数据库操作。数据监控采用Prometheus Kafka监控，并通过Grafana工具进行监控可视化；日志分析管理采用ElasticSearch数据库对实时风控计算输出的日志进行解析，并提供查询页面进行日志追踪，便于日间风控指标分析溯源。

内存数据库集群采用KeepAlived实现多节点主备方案配置，业务数据在多台数据库服务器进行复制备份，若主服务器内存数据库脱机，实现按优先级切换到下一台数据库服务器，保证数据服务的正常运行。限额管理微服务群采用F5负载均衡器实现轮询调用指标实时计算接口，增加访问吞吐量，降低服务器压力。

图2 苏银理财风险指标中台系统技术架构

四、项目过程管理

2022.05.30-2022.06.12 需求设计；

2022.06.13-2022.09.30 项目实施；

2022.10.01-2022.10.30 性能测试、优化；

2022.10.31-2022.12.01 上线环境准备、系统上线；

2022.12.02-2023.03.01 试运行、项目验收。

五、运营情况

风险指标中台系统于2022年12月上线试运行，与原业务系统风险模块并行运行三个月。通过风险指标对比验证，指标迁移成功率100%，运行期间系统集群具有良好的稳定性，实现了日间数据的准实时同步，提升了风险指标实时计算的整体性能，单一组合全部已迁移指标能够在1s时间内全部完成计算，为指令系统的实时风控提供了高并发、高可用、高性能的指标实时计算引擎保障。

图3 苏银理财风险指标中台计算性能截图

前端提供了风险管理系统、后台管理系统、数据中台系统、以及日志追踪查询页面。风险管理系统提供了风险因子、风险指标等的配置管理功能，实现风险指标的灵活配置；后台管理系统提供了离线数据处理的任务配置功能，实现批量数据移植、数据预处理等指标计算元数据管理；数据中台系统实现了对后台管理系统配置的任务定时调度管理、批量任务组管理等功能；日志追踪查询页面基于日间风险指标实时计算参数结果进行记录，并提供了指标溯源的资产明细。

七、项目成效

风险指标中台一期项目于2023年3月份完成项目验收工作，并将原系统的风险指标功能模块迁移到风险指标中台实施。通过风险指标中台指标计算引擎为原来的指令系统提供风险指标数据服务，提高了实时风控指标的计算速度，整体提供了毫秒级别的实时风控功能，极大地提升了系统用户体验；同时风险指标中台通过截面数据处理的方式，将日间事中指标计算使用到的数据加载到内存中，并对指标计算逻辑进行了数据预处理，将终指标计算的逻辑进行了简化，提高了内存表的数据查询效率，也降低了数据运维人员的查询复杂度，减少相关人力投入。

风险指标中台同时提供了日志追溯查询功能，以参数维度的数据颗粒度对日间实时风控计算的指标参数进行数据留痕，可以减少数据运维人员查询数据的需求度，为前端运维提供了功能保障。

八、经验总结

风险指标中台项目以微服务的形式为指令系统提供实时风险指标计算功能，采用列式存储，通过分布式集群部署的方式提供高性能、稳定的风险指标计算引擎服务。

风险指标中台的核心功能是Kafka实时数据同步引擎和风险指标计算引擎单元。Kafka消息引擎采用流式读取Oracle归档日志的方式实时获取业务系统的数据变更，并将数据变更信息推送到Kafka消息队列进行消费，实现端到端的实时数据同步。在此功能上，首先应该保证数据库连接的稳定性，避免连接异常导致读取不到数据的情况；其次应该尽可能地缩短端到端数据同步的耗时，实时风控必须保证的是数据的准确性，准确的数据是一切系统功能的前提。

风险指标计算引擎以Ignite列式数据库作为内存计算单元，通过风险指标库的精确匹配，执行风险指标SQL或指标Java类，并以风险参数的颗粒度进行数据留痕，为事后追溯指标计算过程提供依据。作为风险指标计算的直接处理单元，指标引擎对调用接口参数的处理是该功能单元的关键部分，每个指标及每个风险因子对接口参数的处理需要满足不同资产投资交易的业务需求，因此对指标具体取值计算的细节内容尤为重要。

整个项目实施过程中，性能压测是上线前必不可少的关键阶段。通过中期压测报告分析，可以对项目性能进行预期评估，若不能达到预期效果，应及时进行优化改进，避免过多资源的浪费，同时还能够对项目投产进行上线预演，降低投产操作的风险。性能压测的设计需要考虑多方面因素的影响，如系统环境、工具性能、项目代码等，也要考虑性能测试过程中的每一个细节因素，如数据端到端同步耗时，需要详细设计考虑数据在每个同步流程节点的时间，为后续缩短耗时优化提供数据分析支持。