大数据风控项目 Drools规则引擎

对一个复杂支付系统提供统一、全面、高效的风险控制服务

特定：
	1、数据全
	2、响应快

系统架构：
	实时风控：  规则前处理、统一规则引擎、规则后处理
	非实时风控： 数据收集入库、流式计算引擎、批量计算引擎
	统一存储服务：数据存储
	BFF:非核心模块,一些基础配置信息,比如设置日交易额最大为500

系统环境需要安装的组件；
	mysql + hbase + redis 
	kafka + flink
	maven私服Nexus（用来给Drools读取规则）

用到的技术：
	实时风控模块：SpringBoot + Netty + Drools规则引擎
    非实时风控模块：Flink

5种典型规则

1、简单型规则：直接读取请求报文进行规则判断
	规则示例：AQ001：对于交易渠道为XXX的所有交易，如果交易手机号和银行签约的手机号一致，则不做任何规则限制

2、数据画像型规则：需要在请求报文基础上添加一些风控因子进行补充判断
	规则示例：LG001:外部导入一批黑名单数据，黑名单用户禁止登录

3、累计型数据规则：需要对用户以往的交易进行进行累计计算的规则
	规则示例：LJ001:设定用户的日交易额为500，超过日交易额的用户，禁止当日所有的交易

4、批量计算型规则：需要对用户以往的交易行为进行批量统计的规则
	规则示例：LJ002:同一个手机号，三日内支付次数超过10次，支付总金额不超过100元，禁止支付12小时

5、复杂事件型规则：需要对用户以往行为组合甄别的规则
   规则示例：LG002:同一个用户，在一天内，连续登录失败5次，则锁定账号，3天内禁止登录
   

简单来看，规则引擎就是将一段字符串当作一段逻辑运行

使用规则引擎，能够将数据的准备和处理过程分离解耦
	简单的规则引擎：Aviator表达式引擎

官网
中文网

1.pom引入四个依赖
2.resources下写test.drl规则文件
3.java类调用规则文件启动规则引擎