01
风险监控概述
什么是实时风险监控 · 业务场景与价值 · 核心挑战（延迟、准确性、可扩展性）
概念价值
02
系统架构设计
分层架构（采集层、计算层、存储层、告警层）· 技术选型原则 · 高可用设计
架构高可用
03
数据采集层
日志采集（Filebeat/Flume）· 消息队列（Kafka）选型与配置 · 数据格式标准化
采集Kafka
04
流式计算引擎
Apache Flink核心概念（DataStream、Window、Time）· Flink部署模式
Flink流计算
05
Flink编程模型
Source、Transformation、Sink算子详解 · 自定义函数（UDF）
算子UDF
06
事件时间与水位线
Event Time vs Processing Time · Watermark机制 · 如何处理乱序数据
时间语义乱序
07
窗口计算
滚动窗口、滑动窗口、会话窗口 · 窗口函数（ReduceFunction、ProcessWindowFunction）
窗口聚合
08
状态管理与容错
Flink状态后端（Memory、FS、RocksDB）· Checkpoint与Savepoint机制
状态容错
09
风险规则引擎
规则定义（DSL设计）· 规则匹配模式（单事件、序列、聚合）· 规则热加载
规则DSL
10
复杂事件处理（CEP）
Flink CEP库 · Pattern API · 事件序列匹配与超时处理
CEP模式
11
实时特征计算
滑动窗口统计（均值、方差、比率）· 时间衰减模型 · 特征存储（Redis）
特征Redis
12
风险评分模型
评分卡设计 · 规则权重与阈值 · 模型在线部署（PMML/ONNX）
评分模型
13
告警与通知
告警分级（P0-P3）· 通知渠道（短信、邮件、钉钉/企微）· 告警抑制与聚合
告警通知
14
数据存储层
时序数据库（InfluxDB/Prometheus）· 关系型数据库（MySQL/PostgreSQL）· 搜索引擎（Elasticsearch）
存储ES
15
实时数据可视化
Grafana仪表盘设计 · 关键指标（QPS、延迟、命中率）· 异常趋势图
可视化Grafana
16
监控与可观测性
系统自身监控（JMX、Prometheus）· 链路追踪（Jaeger）· 日志聚合（ELK）
可观测Prometheus
17
性能优化
算子链与资源调优 · 反压检测与处理 · 数据倾斜解决方案
优化反压
18
数据一致性
精确一次语义（Exactly-Once）· 幂等性设计 · 端到端一致性保障
一致性Exactly-Once
19
安全与权限
数据脱敏 · 访问控制（RBAC）· 审计日志
安全RBAC
20
多租户架构
租户隔离策略 · 资源配额管理 · 计费与限流
多租户隔离
21
灰度发布与回滚
规则灰度验证 · A/B测试框架 · 快速回滚机制
灰度回滚
22
测试与质量保障
单元测试（JUnit）· 集成测试（Testcontainers）· 混沌工程（Chaos Monkey）
测试混沌
23
CI/CD流水线
代码仓库管理 · 自动化构建（Maven/Gradle）· 部署策略（蓝绿部署/金丝雀发布）
CI/CD部署
24
运维与告警
集群监控（Grafana+Prometheus）· 日志告警（ElastAlert）· 故障自愈
运维自愈
25
案例分析
金融风控（反欺诈、交易监控）· 内容安全（垃圾信息过滤）· 运维安全（异常登录检测）
案例金融
26
系统扩展性
水平扩展策略 · 分区与分片 · 读写分离
扩展分片
27
数据湖与批流一体
Lambda架构 vs Kappa架构 · Flink与Hudi/Iceberg集成
数据湖批流
28
机器学习集成
在线学习（Flink ML）· 模型特征工程 · 实时模型推理
ML推理
29
合规与审计
GDPR合规 · 数据保留策略 · 审计报告生成
合规审计
30
未来趋势
Serverless流计算 · 边缘计算风险监控 · AI驱动的自适应规则
趋势Serverless