携程在线风控系统自 2011 年上线以来，随着携程业务的不断扩大，共经历了 3 次重大改版。日流量从百万级增加到现在的 10 亿级，平均每笔支付请求需要执行的风险判断从 50 条规则增加到现在的400+规则、5 个实时模型和3个准实时模型。经历 3 次大版本后，平均耗时从 600ms 逐步降低到了 150ms，降低了 80%。
本场 Chat 将分享携程在线风控系统的现有架构，及演进的过程中碰到的问题和对应的解决方案。
实录提要：
- 携程的风控系统在逻辑上是如何切分的，和美团的因子=>规则=>场景类似吗？
- 那规则的产出是 yes 或者 no，还是具体的风险分值？
- 离线规则引擎的数据存储方式是什么？因子数据存储hive，还是HBase？
- 机器学习模块和规则引擎模块是怎么做融合的？
- 规则变更有质量保证流程吗，如何保障手抖搞错？
- 有没有考虑规则对业务进行灰度？
阅读全文: http://gitbook.cn/gitchat/activity/59a7cc375898e17885e0aadd
您还可以下载 CSDN 旗下精品原创内容社区 GitChat App ，阅读更多 GitChat 专享技术内容哦。
