用户背景

翼支付是中国电信的全资子公司，公司主要业务分为民生缴费、消费购物、金融理财，同时依托云计算、大数据、人工智能等技术手段，赋能线上及线下的商户。公司主要的业务板块分为数字生活、数字金融及金融科技服务。

业务需求

目前，翼支付的月活用户数为 5000万+，存量用户数 5 个亿+，线上的服务器大约 4000 台，每日的记录数为千亿条。随着公司的业务规模不断扩展，翼支付面临的业务挑战也在不断增多，主要表现在两个方面：

一方面，随着需求量的不断增多，采用定制化开发的方式使得应用的数量急剧增加，导致应用难以统一管理，各个业务线的应用向着烟囱式的方向发展，指标口径和计算不统一，重复的加工会造成能力的浪费；

另一方面，某些场景下的单 topic 数据量高达 220 万/秒，同时针对风控等场景，业务响应延迟要求 200 毫秒以内。

平台建设

针对业务需求和挑战，翼支付从2018年开始，结合行业的实践经验，积极探索建立实时加工体系。在2019年开始着手构建实时指标加工系统，引入SparkStreaming作为计算引擎。在 2020 年初出于对时效性的考虑，引入 StructuredStreaming 作为实时计算引擎。随着服务的应用不断增多，平台接收到依赖原子指标的组合的实时决策需求逐渐增多，因此在2020年9月份开始构建实时决策系统，将FlinkCEP引入系统中。2021年4 月份，为了解决一些复杂指标的加工需求，将 Flink SQL 引入到了指标加工链路中。经过产品的不断迭代，最终形成了一套企业化的智能决策系统——先鉴平台。

上图展示了先鉴平台的主要功能。首先是实时指标加工，目前支持多样化的数据源，主要包含常用的中间件比如 Kafka 及 Pulsar。同时为了降低用户的使用难度，提供了 23 种算法模板，也支持 SQL 的定制化加工方式。其次是实时决策，支持丰富的规则及规则组的嵌套组合，满足复杂决策的需求。此外平台还整合了实时、离线及第三方的标签，为用户提供统一的数据查询服务，同时为了生产的稳定性，平台提供了全面的监控功能和细粒度资源隔离、熔断、限流的策略，并且对 Source 及 Sink 的数据量和延迟都进行了相关的 Metrics 监控。

上图展示了先鉴平台的逻辑架构，主要分为 4 层。

• 最上层是应用调用方，主要包含智能风控、智能决策、智能营销系统；

• 第二层是实时决策模块，提供实时决策的功能，其中包含 Web 进行决策的配置及管理，同时提供开发中心进行决策任务的验证，通过决策核心进行实时的决策；

• 第三层是实时指标加工模块，通过用户配置不同的加工方式，录入到不同的执行引擎，同时整合数据服务，为用户提供结果查询；

• 最下面是数据层，数据源主要包含业务数据、用户的埋点数据以及集团加工的离线数据。最终根据用户的配置，将计算结果存储到相应的 DB。

《Apache Flink 案例集（2022版）》——5.数字化转型——翼支付Apache Flink 在翼支付的实践应用（下） https://developer.aliyun.com/article/1227822