全球分布式云聯(lián)盟力求打造分布式云計算旗艦級技術(shù)盛會，本次大會共設(shè)有分布式云報告會、邊緣計算論壇、Serverless云原生論壇、分布式數(shù)據(jù)庫論壇、分布式存儲論壇，跨境SD-WAN咨詢會等六大論壇，圍繞分布式云、分布式算力、Serverless、云原生、HTAP、IPFS等技術(shù)與實踐展開。聯(lián)合阿里云、騰訊云、百度云、金山云等全棧技術(shù)引領(lǐng)者與全球分布式云聯(lián)盟攜手打造這場技術(shù)饕餮盛宴。

在4月7日下午舉辦的云原生論壇上，北京人人云圖信息技術(shù)有限公司聯(lián)合創(chuàng)始人兼CTO 趙丹發(fā)表了題為《云原生現(xiàn)實場景-人人云圖實時決策分析平臺實踐經(jīng)驗分享》的主題演講。

趙丹圍繞云原生在實時決策場景應用展開介紹，通過人人云圖云原生實時決策分析平臺為實例，直接面向真實業(yè)務(wù)場景，向聽眾展現(xiàn)了以技術(shù)應用整體解決方案進行全面展現(xiàn)云原生技術(shù)的落地實踐。

“決策”是一個管理體系的概念，但在云原生化應用中實現(xiàn)具備高效實時決策是有挑戰(zhàn)的，為讓實時決策可以在場景化落地，在規(guī)劃思路上可以抽象成為OODA模型(又叫博伊德環(huán))，這個模型是一位美國空軍上?？偨Y(jié)出來的，即“觀察-調(diào)整-決策-行動”。首先需要的是觀察，根據(jù)周圍的環(huán)境做決定，決定之后做出動作，進一步觀察動作對環(huán)境的影響，再去決定做下一步的動作，持續(xù)的決策模型就是這樣過程。

在打造決策引擎過程中，首先要有數(shù)據(jù)，根據(jù)數(shù)據(jù)做分析形成模型。決策模型里面數(shù)據(jù)的作用就是觀察到的信號，數(shù)據(jù)經(jīng)過模型處理之后，就能產(chǎn)生出決策的預期結(jié)果，模型一旦證實它確實符合需要時，就可以將該模型部署上線，直接把數(shù)據(jù)接入，實時地產(chǎn)生決策結(jié)果。此外，實時決策模型還會不斷地迭代改進，在變化的環(huán)境中業(yè)務(wù)也是隨之變化。

構(gòu)建這樣的決策模型時，核心要解決的問題有兩個：一個是建模，另一個是模型部署上線。趙丹表示，現(xiàn)有的機器學習領(lǐng)域中，一些比較經(jīng)典的模型所解決的問題和實際業(yè)務(wù)相去甚遠。她舉例說，如說要做一個驗證用戶身份業(yè)務(wù)的需求，相關(guān)的模型有人臉識別模型、指紋識別模型、行為動作分析模型，但實際業(yè)務(wù)需要組合這些模型之后用一定的邏輯關(guān)系連接起來，才能形成所需的業(yè)務(wù)過程。

當前每一個單獨的模型都有對應的供應商來提供，關(guān)聯(lián)起所需要的模型，傳統(tǒng)的方法是找一個總承包商，分別把這幾個不同的模型做集成，然后開發(fā)上線，導致的結(jié)果就是流程過長過重。如果把用業(yè)務(wù)邏輯串聯(lián)起來的工作能交由用戶的業(yè)務(wù)人員自己去完成，整個流程就可以更加敏捷。如果有一個引擎可以讓用戶去配置模型的邏輯關(guān)系；提供具有便捷明晰的用戶應用界面，讓業(yè)務(wù)人員能夠直接使用，決策效率會大大提升。

因此，把策略抽象出來，讓業(yè)務(wù)人員直接使用，體現(xiàn)出了決策引擎的價值——快速敏捷地響應企業(yè)運營過程中的各種變化，不需要用一個很重的流程去修改軟件，并反復進行發(fā)布。

決策引擎的發(fā)展分為四個階段，第一階段是將簡單的規(guī)則抽象出來，以簡單判斷邏輯+簡單動作輸出。第二階段，隨著規(guī)則越運作越多，就需要控制流的支持，此時規(guī)則不復雜，對于數(shù)據(jù)的處理還是相對簡單的。第三階段，進行數(shù)據(jù)的聚合計算，簡化數(shù)據(jù)管線、關(guān)聯(lián)分析。最后階段，把所有的進展抽象出來，形成流式?jīng)Q策引擎，有完整的管線自定義、完整控制流自定義、多輸出的自定義。

目前，ILog、Sparkling Logic、Visual Rule等產(chǎn)品基本上處于第一、第二階段，現(xiàn)在如果想得到第三、第四階段的結(jié)果，各家互聯(lián)網(wǎng)巨頭就會在引擎上面做開發(fā)，寫流式的數(shù)據(jù)，部署上線。這個過程本身的門檻是比較高的，一般企業(yè)客戶不具備這個開發(fā)能力，如果有引擎直接配置的話可以讓很多不具備開發(fā)能力的客戶使用到，賦能他們做實時的決策。

趙丹對人人云圖實時決策平臺的組成架構(gòu)進行了展開介紹，從底層是流式數(shù)據(jù)引擎、云原生的架構(gòu)到可以支持策略熱升級、策略實時動態(tài)升級，支持主流的AI模型，同時具備隱私保護、數(shù)據(jù)脫敏等能力進行了講解。

在產(chǎn)品層規(guī)則策略的可視化編輯、數(shù)據(jù)集管理、行為分析、冠軍挑戰(zhàn)者，可以把策略灰度發(fā)布，實際執(zhí)行結(jié)果包括面向業(yè)務(wù)的風控組件，以及決策表、評測積分卡一些常用的產(chǎn)品組件。

為了更好的說明落地應用場景，趙丹針對金融、交通、政企等幾個領(lǐng)域的場景進行進行舉例。如：在金融領(lǐng)域，如用戶分級、征信、助貸、反欺詐，針對騙貸違約的情況，可以從行為特征里實時地識別出風險，這需要高性能的流式平臺才能做到；在交通領(lǐng)域，可以實時識別出爬蟲、黃牛購票，進而避免損失；在政企方面，如海關(guān)核查的安全檢測。通過這些舉例，說明這些場景都是實時決策的典型場景，由于目前實時決策門檻比較高，應用范圍還不是很廣，今后實時的場景越來越多，這樣的產(chǎn)品越來越多起來，會不斷地降低實時決策的門檻，用戶群也會越來越大。

趙丹表示，實時決策從技術(shù)特性角度，特別契合云原生的架構(gòu)的應用場景，在底層通過容器化，形成包括有數(shù)據(jù)接口模塊、容器管理模塊、運維數(shù)據(jù)模塊、作業(yè)功能模塊、快速解析模塊、CEP中間件等的核心組件層，從而構(gòu)建實時化分析引擎，并實現(xiàn)容器化規(guī)?；渴稹Ｒ罁?jù)實時數(shù)據(jù)流動態(tài)變化的特性，在底層通過云原生技術(shù)讓引擎能夠?qū)崟r的更新。

講解過程中列舉了一個銀行使用決策引擎的案例，案例主要以計算貸款的風險系數(shù)做風險評估為場景。上圖是評估流程，包含用戶節(jié)點、判斷節(jié)點和評分策略節(jié)點，這些節(jié)點功能都是業(yè)務(wù)人員直接可以配置的，以可視化操作界面方式提供用戶，操作門檻很低，業(yè)務(wù)員易懂，用戶自行簡單配置，就可以利用風險評估流程計算出風險得分，并在后續(xù)可觸發(fā)一系列動作確定授信額度。這個是一個單節(jié)點的配置，里面有整個數(shù)據(jù)流的配置。整個配置流是圖形化界面，業(yè)務(wù)員可以自行使用，大大降低了用戶使用門檻。

實時決策引擎有比較廣泛的使用前景，實時數(shù)據(jù)流量大，規(guī)則多且復雜，復雜的規(guī)則就需要評測和調(diào)試，同時需要動態(tài)的修改策略，經(jīng)常變化的場景都適用。人人云圖的決策引擎已經(jīng)應用到包括政務(wù)部門、監(jiān)管部門、航空、銀行、互金等行業(yè)，未來還將進入保險、證券、工業(yè)IOT等場景，通過此次分析，人人云圖期待能與更多伙伴形成合作，推進更領(lǐng)域云原生應用的發(fā)展！