风控规则引擎构建及挑战 | 是咕咕鸡

背景

规则引擎可以接受数据输入，并根据业务规则解释数据，做出业务决策。这些业务决策可以是自动的，也可以是人工干预的。

规则引擎通常包含如下几个部分：

规则库 ：规则库包含了所有可用的规则。这些规则可以是预先定义好的，也可以是动态生成的。

规则执行引擎 ：负责规则的执行。读取规则库中所有可用规则，根据规则的条件执行规则。

特点如下：

将业务决策从代码中剥离出来 ：运营人员可以更灵活有效的管理和修改业务规则，而无需修改业务代码，节省对抗时间

提高决策质量 ：规则引擎按照业务规则自动做出决策，无需依赖人为干预

稳定性 ：减少发版，减少测试，减少人为错误

业务需求 ：应该根据企业的业务需求来选择规则引擎。如果企业需要快速执行大量规则，则应选择性能较高的规则引擎。

技术平台 ：选择与企业现有技术平台相兼容的规则引擎。如果企业使用的是 Java 技术平台，则应选择支持 Java 的规则引擎。

可维护性 ：选择易于维护的规则引擎，在需要时能够快速修改和更新规则。

市场占有率 ：选择市场占有率较高的规则引擎，在需要时能够获得较好的技术支持和培训。

技术支持 ：选择提供较好技术支持的规则引擎，以便在使用过程中能够得到及时的帮助。

当然，如果人力足够，可以考虑自己实现规则引擎亦可，自实现版本的规则引擎肯定灵活性更高，但是在性能和稳定性上需要较长时间的验证和考验。

从以往的调优经验来看，可以从以下几点来优化规则引擎：

并行执行规则 ：一次决策流中可能包含 N 个规则节点，每个规则节点包含 M 个规则，充分利用多核 CPU 优势，发挥最大威力，但同时需要考虑多线程数据安全问题

预加载指标 ：规则执行都是在内存中的，但是所需要的指标值往往都是需要调用外部系统得到的，一是网络开销，二是指标计算开销。可以在执行规则集之前，全部预加载一次指标再缓存，这样执行时直接从内存取值就会快很多。但是需要注意成本问题（如付费指标，存储成本，架构复杂度等），废调用问题（前置规则已拒绝）等等

规则加载预编译 ：规则首次加载往往比较耗时，此时最好能


      warm up

规则执行优化 ：运营配置规则时可能不会考虑规则执行顺序问题，但是程序在执行的时候可以智能编排一下，通过加入


      与或


      顺序

往期精彩
● 性能优化必备——火焰图
● 我是怎么入行做风控的
● Flink 在风控场景实时特征落地实战

欢迎关注公众号：咕咕鸡技术专栏
个人技术博客： https://jifuwei.github.io/