人人云图赵丹：云原生现实场景-实时决策分析平台实践经验分享

备受关注的Distributed Cloud|2021全球分布式云大会·北京站于4月7日隆重召开，分布式云是2021年全球十大重要战略科技趋势，利用分布式架构技术创新，连接边缘节点、私有云和公有云的IT资源组成分布式混合云。

全球分布式云联盟力求打造分布式云计算旗舰级技术盛会，本次大会共设有分布式云报告会、边缘计算论坛、Serverless云原生论坛、分布式数据库论坛、分布式存储论坛，跨境SD-WAN咨询会等六大论坛，围绕分布式云、分布式算力、Serverless、云原生、HTAP、IPFS等技术与实践展开。联合阿里云、腾讯云、百度云、金山云等全栈技术引领者与全球分布式云联盟携手打造这场技术饕餮盛宴。

在4月7日下午举办的云原生论坛上，北京人人云图信息技术有限公司联合创始人兼CTO 赵丹发表了题为《云原生现实场景-人人云图实时决策分析平台实践经验分享》的主题演讲。

赵丹围绕云原生在实时决策场景应用展开介绍，通过人人云图云原生实时决策分析平台为实例，直接面向真实业务场景，向听众展现了以技术应用整体解决方案进行全面展现云原生技术的落地实践。

“决策”是一个管理体系的概念，但在云原生化应用中实现具备高效实时决策是有挑战的，为让实时决策可以在场景化落地，在规划思路上可以抽象成为OODA模型(又叫博伊德环)，这个模型是一位美国空军上校总结出来的，即“观察-调整-决策-行动”。首先需要的是观察，根据周围的环境做决定，决定之后做出动作，进一步观察动作对环境的影响，再去决定做下一步的动作，持续的决策模型就是这样过程。

在打造决策引擎过程中，首先要有数据，根据数据做分析形成模型。决策模型里面数据的作用就是观察到的信号，数据经过模型处理之后，就能产生出决策的预期结果，模型一旦证实它确实符合需要时，就可以将该模型部署上线，直接把数据接入，实时地产生决策结果。此外，实时决策模型还会不断地迭代改进，在变化的环境中业务也是随之变化。

构建这样的决策模型时，核心要解决的问题有两个：一个是建模，另一个是模型部署上线。赵丹表示，现有的机器学习领域中，一些比较经典的模型所解决的问题和实际业务相去甚远。她举例说，如说要做一个验证用户身份业务的需求，相关的模型有人脸识别模型、指纹识别模型、行为动作分析模型，但实际业务需要组合这些模型之后用一定的逻辑关系连接起来，才能形成所需的业务过程。

当前每一个单独的模型都有对应的供应商来提供，关联起所需要的模型，传统的方法是找一个总承包商，分别把这几个不同的模型做集成，然后开发上线，导致的结果就是流程过长过重。如果把用业务逻辑串联起来的工作能交由用户的业务人员自己去完成，整个流程就可以更加敏捷。如果有一个引擎可以让用户去配置模型的逻辑关系；提供具有便捷明晰的用户应用界面，让业务人员能够直接使用，决策效率会大大提升。

因此，把策略抽象出来，让业务人员直接使用，体现出了决策引擎的价值——快速敏捷地响应企业运营过程中的各种变化，不需要用一个很重的流程去修改软件，并反复进行发布。

决策引擎的发展分为四个阶段，第一阶段是将简单的规则抽象出来，以简单判断逻辑+简单动作输出。第二阶段，随着规则越运作越多，就需要控制流的支持，此时规则不复杂，对于数据的处理还是相对简单的。第三阶段，进行数据的聚合计算，简化数据管线、关联分析。最后阶段，把所有的进展抽象出来，形成流式决策引擎，有完整的管线自定义、完整控制流自定义、多输出的自定义。

目前，ILog、Sparkling Logic、Visual Rule等产品基本上处于第一、第二阶段，现在如果想得到第三、第四阶段的结果，各家互联网巨头就会在引擎上面做开发，写流式的数据，部署上线。这个过程本身的门槛是比较高的，一般企业客户不具备这个开发能力，如果有引擎直接配置的话可以让很多不具备开发能力的客户使用到，赋能他们做实时的决策。

赵丹对人人云图实时决策平台的组成架构进行了展开介绍，从底层是流式数据引擎、云原生的架构到可以支持策略热升级、策略实时动态升级，支持主流的AI模型，同时具备隐私保护、数据脱敏等能力进行了讲解。

在产品层规则策略的可视化编辑、数据集管理、行为分析、冠军挑战者，可以把策略灰度发布，实际执行结果包括面向业务的风控组件，以及决策表、评测积分卡一些常用的产品组件。

为了更好的说明落地应用场景，赵丹针对金融、交通、政企等几个领域的场景进行进行举例。如：在金融领域，如用户分级、征信、助贷、反欺诈，针对骗贷违约的情况，可以从行为特征里实时地识别出风险，这需要高性能的流式平台才能做到；在交通领域，可以实时识别出爬虫、黄牛购票，进而避免损失；在政企方面，如海关核查的安全检测。通过这些举例，说明这些场景都是实时决策的典型场景，由于目前实时决策门槛比较高，应用范围还不是很广，今后实时的场景越来越多，这样的产品越来越多起来，会不断地降低实时决策的门槛，用户群也会越来越大。

赵丹表示，实时决策从技术特性角度，特别契合云原生的架构的应用场景，在底层通过容器化，形成包括有数据接口模块、容器管理模块、运维数据模块、作业功能模块、快速解析模块、CEP中间件等的核心组件层，从而构建实时化分析引擎，并实现容器化规模化部署。依据实时数据流动态变化的特性，在底层通过云原生技术让引擎能够实时的更新。

讲解过程中列举了一个银行使用决策引擎的案例，案例主要以计算贷款的风险系数做风险评估为场景。上图是评估流程，包含用户节点、判断节点和评分策略节点，这些节点功能都是业务人员直接可以配置的，以可视化操作界面方式提供用户，操作门槛很低，业务员易懂，用户自行简单配置，就可以利用风险评估流程计算出风险得分，并在后续可触发一系列动作确定授信额度。这个是一个单节点的配置，里面有整个数据流的配置。整个配置流是图形化界面，业务员可以自行使用，大大降低了用户使用门槛。

实时决策引擎有比较广泛的使用前景，实时数据流量大，规则多且复杂，复杂的规则就需要评测和调试，同时需要动态的修改策略，经常变化的场景都适用。人人云图的决策引擎已经应用到包括政务部门、监管部门、航空、银行、互金等行业，未来还将进入保险、证券、工业IOT等场景，通过此次分析，人人云图期待能与更多伙伴形成合作，推进更领域云原生应用的发展！