代码回现 | 如何实现交易反欺诈?

一、背景概述

交易反欺诈是VoltDB适用场景之一,是典型的事件驱动的业务,核心是摄取高频的交易数据,并逐条对交易进行一系列复杂的反欺诈规则校验,最终生成评判交易可疑度的分值,发送给下游业务系统,触发交易拦截动作。
反欺诈规则中涉及大量的通过分析历史交易生成的指标项,在VoltDB中进行流式计算,可基于本地保存的丰富的上下文数据对事件进行分析决策,使实时计算靠近上下文数据,获得性能优势。

二、实例回现

下面我们通过一个刷卡的应用,展示VoltDB是如何实现一个简单的反欺诈用例的。为了让示例代码更加简洁,又能突出VoltDB的功能,这里使用一个地铁刷卡的场景替代金融交易(如信用卡刷卡),以避免引入过多专业的金融业务知识。同时一个繁忙地铁系统产生的交易吞吐量不可小觑,定义的反欺诈规则也更容易理解。
可以通过这个链接来访问详细的代码https://github.com/ssomagani/event-driven-transactions
在这个应用中,模拟如下几个场景:

  1. 多辆列车在地铁站点之间运行,生成列车进站事件。通过这个场景可以了解,如何将数据发布到VoltDB Topic中,以及如何消费Topic中的数据。
  2. 公交卡充值操作。通过这个场景,可以了解,如何使用一个包含自定义业务规则的procedure来处理Topic中的数据,同时使用Stream对象将数据导出到Topic中,并通过视图对Stream中的数据流进行统计,生成实时的统计报表。视图会逐条统计Stream中的流数据,将处理结果保存到视图中,是VoltDB实现流式计算的方式之一。
  3. 乘客刷卡乘车,生成高频交易数据。通过这个场景,可以了解,如何使用VoltDB数据库客户端api直接操作数据表(区别与将数据发送到Topic中),保存交易数据。如何通过VoltDB的java procedure定制反欺诈校验规则,并调用java procedure进行交易校验和反欺诈行为。
    让我们来具体了解一下,在VoltDB中运行这个用例的过程。

2.1准备工作

1. 启用VoltDB Topic功能
VoltDB提供一个统一的配置文件,主要的特性都可以在其中进行定义,如:持久化、高可用、安全性等等,这里主要介绍与案例相关的VoltDB Topic功能。如下配置开启了Topic服务,并在服务器上开启端口9999,用于接受客户端发来的消息。

  <Topics enabled="true">
        <properties>
            <property name="port">9999</property>
            <property name="group.initial.rebalance.delay.ms">0</property>
            <property name="retention.policy.threads">1</property>
        </properties>
        <profiles>
            <profile name="retain_compact">
                <retention policy="compact" limit="2048" />
        </profile>
        </profiles>
    </Topics>

2.根据特定配置文件启动VoltDB
3.创建Topic,Topic的用途后面的代码分析中提到

CREATE Topic TRAINTOPIC execute procedure train_events.insert;
CREATE TOPIC RECHARGE execute procedure RechargeCard;
CREATE TOPIC using stream CARD_ALERT_EXPORT properties(topic.format=avro);
create topic using stream FRAUD properties(topic.format=avro,consumer.keys=TRANS_ID);

4.创建数据表
在处理实时事件流时,可以充分利用底层的数据库引擎,充分利用本地关系型数据进行数据分析,得到反欺诈业务指标。在本例中将创建如下数据表和视图(省略具体DDL)
代码回现 | 如何实现交易反欺诈?
5.初始化数据
通过VoltDB的数据导入功能,从csv文件中初始化站点和列车

csvloader --file $PROJ_HOME/data/redline.csv --reportdir log stations
csvloader --file $PROJ_HOME/data/trains.csv --reportdir log trains

2.2 代码分析-列车运行

在这个场景中,客户端模拟8辆列车在17个站点之间运行,产生进站事件并发送到Topic。由于设定的列车进出站时间比较短(微秒为单位),所以会产生高频事件流。
在服务端,VoltDB完成:
1.消息接收
2.消费消息
3.将列车进站事件记录到数据库中
在客户端,通过java类TrainProducer生成多辆列车进站事件,并将事件发送到VoltDB Topic中。TrainProducer的执行命令如下:

java metro.pub.TrainProducer localhost:9999 TRAINTOPIC 8

TrainProducer类接收四个参数:

  1. .指定接收列车进站和离站事件的VoltDB服务器端口。这里假设在同一台机器上运行client代码和VoltDB,而前面在VoltDB配置文件中我们已经指定Topic的监听端口是9999。
  2. 指定VoltDB broker
  3. 指定数据发送的Topic名称。
  4. 指定要模拟的列车数量。

分析一下TrainProducer的主要方法,main方法生成10个线程,每50毫秒执行一次publish()方法,将列车进出站时间发送到Topic“TRAINTOPIC”中。

public static void main(String[] args) {
        ScheduledExecutorService EXECUTOR = Executors.newScheduledThreadPool(10);
        TrainProducer producer = new TrainProducer(args[0], args[1], Integer.parseInt(args[2]));
        System.out.println("Scheduling trains");
        EXECUTOR.scheduleAtFixedRate (
                () -> {
                    producer.publish(producer.getNewEvents());
                }, 1, 50, MILLISECONDS);
    }

跟踪代码找到producer的定义,它其实就是原生的KafkaProducer,所以可以看到VoltDB Topic完全兼容kafka api。而brokers即是main方法中的传参localhost:9999,因此上面producer.getNewEvents()方法生成的数据将被发送到VoltDB Topic中。

private Producer<String, TrainEvent> createProducer() {
        Properties props = new Properties();
        props.put("bootstrap.servers", brokers);
        props.put("acks", "all");
        props.put("retries", 0);
        props.put("batch.size", 16384);
        props.put("linger.ms", 1);
        props.put("buffer.memory", 33554432);
        props.put("key.serializer",
           "org.apache.kafka.common.serialization.StringSerializer");

        props.put("value.serializer",
           "metro.serde.TrainEventSer");
        Producer<String, TrainEvent> producer = new KafkaProducer
           <String, TrainEvent>(props);
        return producer;
    }

Publish方法所发送的消息由producer.getNewEvents()方法生成。有必要提前看一下Stations类,其中定义了17个火车站点,包括每个站点的到下一个站点的运行时间(Station.nextStnDuration)和本站点停车时间(Station.stnWaitDuration),时间以微秒为单位。所有列车将依次在这些站点中运行。

 static HashMap<Integer, Station> idToStationMap = new HashMap<>();
    static {
        idToStationMap.put(1, new Station(1, 1200000, 450000));
        idToStationMap.put(2, new Station(2, 1050000, 250000));
        idToStationMap.put(3, new Station(3, 850000, 300000));
        idToStationMap.put(4, new Station(4, 900000, 350000));
        idToStationMap.put(5, new Station(5, 500000, 260000));
        idToStationMap.put(6, new Station(6, 950000, 190000));
        idToStationMap.put(7, new Station(7, 450000, 130000));
        idToStationMap.put(8, new Station(8, 200000, 280000));
        idToStationMap.put(9, new Station(9, 200000, 110000));
        idToStationMap.put(10, new Station(10, 450000, 300000));
        idToStationMap.put(11, new Station(11, 550000, 200000));
        idToStationMap.put(12, new Station(12, 550000, 200000));
        idToStationMap.put(13, new Station(13, 800000, 150000));
        idToStationMap.put(14, new Station(14, 950000, 100000));
        idToStationMap.put(15, new Station(15, 1000000, 130000));
        idToStationMap.put(16, new Station(16, 1200000, 220000));
        idToStationMap.put(17, new Station(17, 1500000, 500000));
}
   public static class Station {
        public final int stationId;
        public final int nextStnDuration;
        public final int stnWaitDuration;
        public Station(int stationId, int nextStnDuration, int stnWaitDuration) {
            this.stationId = stationId;
            this.nextStnDuration = nextStnDuration;
            this.stnWaitDuration = stnWaitDuration;
        }
    }

所以getNewEvents主要的逻辑是首先随机设定列车从任意站点出发,然后调用next()根据系统当前时间和站点的Station.nextStnDuration、Station.stnWaitDuration来判断每辆列车目前运行到哪个站点,如果next返回的LastKnownLocation对象有变化,则判断列车已进入下一站,将列车进站事件trainEvent放到records中,用于发送给Topic。(注:列车调度不是本样例的重点,因此next方法不会考虑列车的冲突问题,它假设站点之间由足够多的轨道,可以供多个列车并行)。

public List<TrainEvent> getNewEvents() {
        ArrayList<TrainEvent> records = new ArrayList<>();
        for(TrainEvent trainEvent : idToTrainMap.values()) {
            LastKnownLocation prevLoc = trainEvent.location;
            LastKnownLocation curLoc = next(prevLoc, LocalDateTime.now());
            if(!prevLoc.equals(curLoc)) {
                trainEvent = new TrainEvent(trainEvent.trainId, curLoc);
                idToTrainMap.put(trainEvent.trainId, trainEvent);
                records.add(trainEvent);
            }
        }
        return records;
    }

Topic TRAINTOPIC定义如下,train_events.insert是VoltDB为表创建的默认存储过程,命名规则为[tablename].insert。Topic与存储过程连用,表示存储过程train_events.insert消费该Topic TRAINTOPIC中的trainEvent数据,并写入train_events表中。

CREATE Topic TRAINTOPIC execute procedure train_events.insert;

2.23 代码分析-公交卡充值

在这个场景中,客户端将完成充值消息发送。
在服务端,VoltDB完成:

  1. 消息接收
  2. 消费消息
  3. 使用自定义逻辑处理消息 将充值数据更新到数据库中
  4. 生成充值消息,并将数据写入stream对象中
  5. 基于stream对象创建视图,来生成实时的充值统计报表
  6. 将stream中的充值消息发布到Topic中,供后续(VoltDB之外的)数据处理逻辑进行消费。例如被spark消费,由于进行后续的批处理逻辑。

在客户端通过执行java类CardsProducer,首先初始化公交卡记录,并将记录写入数据库表中。然后随机生成卡片充值事件,发送事件到Topic RECHARGE中。CardsProducer的执行命令如下:

java metro.pub.CardsProducer --mode=recharge --servers=localhost:9999 --Topic=RECHARGE

CardsProducer类接收三个参数:

  1. 执行模式,用于指定是初始化公交卡记录还是生成充值事件。
  2. 指定VoltDB broker
  3. 指定数据发送的Topic名称
    分析一下CardsProducer的主要方法,main方法生成10个线程,每5毫秒执行一次publish()方法,将列车进出站时间发送到Topic“RECHARGE”中。
    public static void main(String[] args) throws IOException {
        CONFIG.parse("CardsProducer", args);
        if(CONFIG.mode.equals("new")) {
            genCards(CONFIG);
            return;
        }
        ScheduledExecutorService EXECUTOR = Executors.newScheduledThreadPool(10);
        CardsProducer producer = new CardsProducer(CONFIG.servers, CONFIG.Topic);
        System.out.println("Recharging Cards");
        EXECUTOR.scheduleAtFixedRate (
                () -> {
                    producer.publish(producer.getRechargeActivityRecords(1));
                }, 1, 5, MILLISECONDS);
    }

和前面TrainProducer一样,CardsProducer中的 producer也是KafkaProducer,不多介绍。getRechargeActivityRecords方法用来生成一条随机的充值事件,包括卡号、充值金额和充值站点。每5毫秒执行一次。

  public List<CardEvent> getRechargeActivityRecords(int count) {
        final ArrayList<CardEvent> records = new ArrayList<>();
        int amt = (ThreadLocalRandom.current().nextInt(18)+2)*1000;
        int stationId = ThreadLocalRandom.current().nextInt(1, 18);
        ThreadLocalRandom.current().ints(count, 0, CONFIG.cardcount).forEach((cardId)
                -> {
                    records.add(new CardEvent(cardId, amt, stationId));
                    }
        );
        return records;
    }

这个场景中,Client端的代码非常简单,到此为止。更多的逻辑在服务端定义,请看以下。
Topic用于接收充值事件,它的定义如下:

CREATE TOPIC RECHARGE execute procedure RechargeCard;

其中RechargeCard用于消费Topic中的数据,而RechargeCard是一个java procedure,它通过java+sql的方式,自定义了业务逻辑。java procedure是VoltDB在处理流数据时经常用到的对象,它是一个运行在VoltDB服务端的java类,而非client端代码。它需要提前编译成jar包(如下procs.jar),并加载到VoltDB java 运行时环境中。之后使用如下DDL定义。定义了RechargeCard后,在上面的CREATE TOPIC中才能被引用。

sqlcmd --query="load classes $PROJ_HOME/dist/procs.jar"
CREATE PROCEDURE PARTITION ON TABLE cards COLUMN card_id PARAMETER 0 FROM CLASS metro.cards.RechargeCard;

让我们看一下RechargeCard中的逻辑,重点关注如何将java业务逻辑与SQL进行结合。其中定义run()方法和四个sql语句。RechargeCard从Topic RECHARGE中消费数据,进行反序列化之后,逐条将数据(即充值事件)作为传参交给run()方法,run()是procedure的入口方法。
voltQueueSQL是VoltDB的server 端api,用来执行sql并返回结果。Sql getCard和getStationName首先根据从Topic中获取的数据进行充值事件合法性校验,如果数据库中没有对应的充值站点或公交卡记录,则执行sql exportNotif写入一条错误信息。否则,update VoltDB数据库中对应公交卡,增加余额,并执行sql exportNotif写入一条成功信息。

public class RechargeCard extends VoltProcedure {
    public final SQLStmt updateBalance = new SQLStmt("UPDATE cards SET balance = balance + ? WHERE card_id = ? AND card_type = 0");
    public final SQLStmt getCard = new SQLStmt("SELECT * from cards WHERE card_id = ?");
    public final SQLStmt exportNotif = new SQLStmt("INSERT INTO CARD_ALERT_EXPORT values (?, NOW, ?, ?, ?, ?, ?, ?)");
    public final SQLStmt getStationName = new SQLStmt("SELECT name FROM stations WHERE station_id = ?"); 
    public long run(int cardId, int amt, int stationId) {
        voltQueueSQL(getStationName, stationId);
        voltQueueSQL(getCard, cardId);
        String station = "UNKNOWN";

        final VoltTable[] results = voltExecuteSQL();
        if(results.length == 0) 
            exportError(cardId, station);

        VoltTable stationResult = results[0];
        if(stationResult.advanceRow()) 
            station = stationResult.getString(0);

        VoltTable card = results[1];
        if(card.advanceRow()) {
            voltQueueSQL(updateBalance, amt, cardId);

            String name = card.getString(5);
            String phone = card.getString(6);
            String email = card.getString(7);
            int notify = (int) card.getLong(8);

            voltQueueSQL(updateBalance, amt, cardId);
            voltQueueSQL(exportNotif, cardId, station, name, phone, email, notify, "Card recharged successfully");

            voltExecuteSQL(true);
        } else {
            exportError(cardId, station);
        }
        return 0;
}
    private void exportError(int cardId, String station) {
        exportError(cardId, station, "", "", "", 0, "Could not locate details of card for recharge");
    }

    private void exportError(int cardId, String station, String name, String phone, String email, int notify, String msg) {
        voltQueueSQL(exportNotif, cardId, station, name, phone, email, notify, msg);
        voltExecuteSQL(true);
    }
}

exportNotif的定义如下,其中CARD_ALERT_EXPORT是VoltDB的stream数据库对象,一种数据管道,insert进去的数据逐一流过。

public final SQLStmt exportNotif = new SQLStmt("INSERT INTO CARD_ALERT_EXPORT values (?, NOW, ?, ?, ?, ?, ?, ?)");

可以在CARD_ALERT_EXPORT上添加数据处理逻辑,实现流计算效果。这个场景中,简单的在Stream上创建了一个视图,用于生成实时统计报表。视图的定义如下:

CREATE VIEW card_export_stats(card_id, station_name, rechargeCount) AS 
    SELECT card_id, station_name, count(*) from CARD_ALERT_EXPORT 
    GROUP BY card_id, station_name;

最后,我们定义Stream中的数据最终流向另外的Topic,该Topic可以让VoltDB之外的大数据产品进行消费,完成下游数据处理逻辑。

CREATE TOPIC using stream CARD_ALERT_EXPORT properties(Topic.format=avro);

2.4 代码分析-乘客刷卡乘车

这个场景中,客户端随机生成大量乘客刷卡进站记录,并发送给数据库处理。
服务端完成如下操作:
1.首先进行一系列校验,如验证卡信息,卡余额,是否盗刷等反欺诈操作。
2.将所有刷卡行为都记录到数据表中。并将余额不足和复合欺诈逻辑的刷卡事件分别发布到不同的Topic中,供其他下游系统订阅。
在客户端通过执行java类RidersProducer,与前面两个场景不同,RidersProducer类直接连接VoltDB数据库将数据写入数据表中,而不是将数据发送到VoltDB Topic中。用来展示VoltDB的多种使用方式。
connectToOneServerWithRetry使用VoltDB client api连接指定ip的VoltDB数据库。

  void connectToOneServerWithRetry(String server, Client client) {
        int sleep = 1000;
        while (true) {
            try {
                client.createConnection(server);
                break;
            }
            catch (Exception e) {
                System.err.printf("Connection failed - retrying in %d second(s).\n", sleep / 1000);
                try { Thread.sleep(sleep); } catch (Exception interruted) {}
                if (sleep < 8000) sleep += sleep;
            }
        }
        System.out.printf("Connected to VoltDB node at: %s.\n", server);
    }

RidersProducer类创建100个线程,runBenchmark方法中每200毫秒这些线程执行一次getEntryActivityRecords。getEntryActivityRecords随机生成一条乘客进站乘车记录,记录内容包括卡号、当前时间、进站站点id等

private static final ScheduledExecutorService EXECUTOR =     Executors.newScheduledThreadPool(100);
public void runBenchmark() throws Exception {
        int microsPerTrans = 1000000/RidersProducer.config.rate;
        EXECUTOR.scheduleAtFixedRate (
                () -> {
                    List<Object[]> entryRecords = getEntryActivityRecords(config.cardcount);//生成随机的进站记录
                    call(config.cardEntry, entryRecords);//将数据发送到VoltDB数据库
                }, 10000, microsPerTrans, MICROSECONDS);
    }
    public static List<Object[]> getEntryActivityRecords(int count) {
        final ArrayList<Object[]> records = new ArrayList<>();
        long curTime = System.currentTimeMillis();
        ThreadLocalRandom.current().ints(1, 0, count).forEach((cardId)
                -> {
                    records.add(new Object[] {cardId, curTime, Stations.getRandomStation().stationId, ENTER.value, 0});
                    }
        );
        return records;
    }

接着调用call方法,将数据records发送到数据库进行处理。Call方法定义如下,callProcedure是VoltDB的client端api,用于将数据发送给指定名称的procedure进行处理,可以通过同步和异步IO两种方式进行调用,异步调用时需要指定回调函数对数据库调用的返回结果进行处理,即本例中的自定义了BenchmarkCallback。

   protected static void call(String proc, Object[] args) {
        try {
            client.callProcedure(new BenchmarkCallback(proc, args), procName, args);
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

Call方法将数据发送给procedure,procedure名称由如下代码指定。一起看看procedure中的具体逻辑。

 @Option(desc = "Proc for card entry swipes")
        String cardEntry = "ValidateEntry";

Procedure ValidateEntry的部分定义,首先定义了6个SQL。

 //查询公交卡是否存在
    public final SQLStmt checkCard = new SQLStmt(
        "SELECT enabled, card_type, balance, expires, name, phone, email, notify FROM cards WHERE card_id = ?;");
    //卡充值
    public final SQLStmt chargeCard = new SQLStmt(
        "UPDATE cards SET balance = ? WHERE card_id = ?;");
    //查询指定站点的入站费用
    public final SQLStmt checkStationFare = new SQLStmt(
        "SELECT fare, name FROM stations WHERE station_id = ?;");
    //记录进站事件
    public final SQLStmt insertActivity = new SQLStmt(
        "INSERT INTO card_events (card_id, date_time, station_id, activity_code, amount, accept) VALUES (?,?,?,?,?,?);");
    //再次用到card_alert_export 这个stream对象,用于发送公交卡欠费消息
    public final SQLStmt exportActivity = new SQLStmt(
        "INSERT INTO card_alert_export (card_id, export_time, station_name, name, phone, email, notify, alert_message) VALUES (?,?,?,?,?,?,?,?);");
    //将刷卡欺诈行为写入stream对象fraud中
    public final SQLStmt publishFraud = new SQLStmt(
            "INSERT INTO fraud (trans_id, card_id, date_time, station, activity_type, amt) values (?, ?, ?, ?, ?, ?)"
            );

值得说明的,上面最后一个sql中用到的fraud是另外一个stream对象,用于插入刷卡欺诈事件,通过DDL定义其中的刷卡欺诈行为最终会发布到VoltDB Topic中,用于下游处理产品消费。

CREATE STREAM FRAUD partition on column CARD_ID (
  TRANS_ID varchar not null,
  CARD_ID integer not null,
  DATE_TIME timestamp not null,
  STATION integer not null,
  ACTIVITY_TYPE TINYINT not null,
  AMT integer not null
);
create Topic using stream FRAUD properties(Topic.format=avro,consumer.keys=TRANS_ID);

前面已经提到run方法是procedure的入口方法,VoltDB运行procedure时,自动调用该方法。前面客户端传进的records记录,被逐一传递到run方法到参数中进行处理。run方法定义如下

public VoltTable run(int cardId, long tsl, int stationId, byte activity_code, int amt) throws VoltAbortException {
        //查询公交卡是否存在
        voltQueueSQL(checkCard, EXPECT_ZERO_OR_ONE_ROW, cardId);
        //查询指定站点的交通费用
        voltQueueSQL(checkStationFare, EXPECT_ONE_ROW, stationId);
        VoltTable[] checks = voltExecuteSQL();
        VoltTable cardInfo = checks[0];
        VoltTable stationInfo = checks[1];
        byte accepted = 0;

        //如果公交卡记录等于0,说明卡不存在
        if (cardInfo.getRowCount() == 0) {

            //记录刷卡行为到数据库表中,将accept字段置为拒绝“REJECTED”
            voltQueueSQL(insertActivity, cardId, tsl, stationId, ACTIVITY_ENTER, amt, ACTIVITY_REJECTED);
voltExecuteSQL(true);
//返回“被拒绝”消息给客户端。
            return buildResult(accepted,"Card Invalid");
        }

        // 如果卡存在,则取出卡信息。
        cardInfo.advanceRow();
        //卡状态,0不可用,1可用
        int enabled = (int)cardInfo.getLong(0);
        int cardType = (int)cardInfo.getLong(1);
        //卡余额
        int balance = (int)cardInfo.getLong(2);
        TimestampType expires = cardInfo.getTimestampAsTimestamp(3);
        String owner = cardInfo.getString(4);
        String phone = cardInfo.getString(5);
        String email = cardInfo.getString(6);
        int notify = (int)cardInfo.getLong(7);

        // 查询指定站点的进站费用
        stationInfo.advanceRow();
        //指定站点的进站费用
        int fare = (int)stationInfo.getLong(0);
        String stationName = stationInfo.getString(1);
        // 刷卡时间
        TimestampType ts = new TimestampType(tsl);

        // 如果卡状态为不可用
        if (enabled == 0) {
                //向客户端返回“此卡不可用”
                return buildResult(accepted,"Card Disabled");
        }

        // 如果卡类型为“非月卡”
        if (cardType == 0) { // 如果卡内余额充足
                if (balance > fare) {
                    //isFrand为反欺诈策略,后面介绍
                    if (isFraud(cardId, ts, stationId)) {
                        // 如果认定为欺诈,记录刷卡记录,记录类型为“欺诈刷卡”
                        voltQueueSQL(insertActivity, cardId, ts, stationId, ACTIVITY_ENTER, fare, ACTIVITY_FRAUD);
                        //并且把欺诈事件写入stream,并最终被发布到VoltDB Topic中。见前面STREAM FRAUD到ddl定义
                        voltQueueSQL(publishFraud, generateId(cardId, tsl), cardId, ts, stationId, ACTIVITY_ENTER, amt);
                        voltExecuteSQL(true);
                        //向客户端返回“欺诈交易”消息
                        return buildResult(0, "Fraudulent transaction");
                    } else {
                        // 如果不是欺诈行为,则减少卡内余额,完成正常消费
                        voltQueueSQL(chargeCard, balance - fare, cardId);
                        //记录正常的刷卡事件
                        voltQueueSQL(insertActivity, cardId, ts, stationId, ACTIVITY_ENTER, fare, ACTIVITY_ACCEPTED);
                        voltExecuteSQL(true);
                        //向客户端返回卡内余额
                        return buildResult(1, "Remaining Balance: " + intToCurrency(balance - fare));
                    }
                } else {
                        // 如果卡内余额不足,记录刷卡失败事件。
                        voltQueueSQL(insertActivity, cardId, ts, stationId, ACTIVITY_ENTER, 0, ACTIVITY_REJECTED);
                        if (notify != 0) {  
                            //再次用到card_alert_export 这个stream对象,用于发送公交卡欠费消息
                            voltQueueSQL(exportActivity, cardId, getTransactionTime().getTime(), stationName, owner, phone, email, notify, "Insufficient Balance");
                        }
                        voltExecuteSQL(true);
                        //向客户端返回“余额不足“消息
                        return buildResult(0,"Card has insufficient balance: "+intToCurrency(balance));
                }
        }
    }

以上代码中有一个isFraud方法,用于判定是否为欺诈性刷卡。这里定义了一些简单反欺诈规则

  1. 如果一秒钟内相同的卡片有1次以上的刷卡记录,认定为欺诈。因为不可能存在时间间隔如此短的刷卡行为,可能是由于有多张伪造卡片在同时刷卡。
  2. 同一张卡在过去一小时内,在5个或5个以上站点刷卡进站。假设这同样被认为是由于有多张伪造卡片在同时刷卡。
  3. 同一张卡在过去一小时内,有过10次以上刷卡进站记录。进出站次数太多,暂停使用一段时间。

    isFraud方法根据当前刷卡记录中的数据,结合数据库中的历史记录实现以上反欺诈规则。历史刷卡记录被保存在card_events表中,另外基于这张表创建了视图,统计每张卡在一秒钟内是否有过刷卡记录。

CREATE VIEW CARD_HISTORY_SECOND as select card_id, TRUNCATE(SECOND, date_time) scnd from card_events group by card_id, scnd;
isFraud方法的定义
    public final SQLStmt cardHistoryAtStations = new SQLStmt(
        "SELECT activity_code, COUNT(DISTINCT station_id) AS stations " +
        "FROM card_events " +
        "WHERE card_id = ? AND date_time >= DATEADD(HOUR, -1, ?) " +
        "GROUP BY activity_code;"
    );

    public final SQLStmt cardEntries = new SQLStmt(
    "SELECT activity_code " +
    "FROM card_events " +
    "WHERE card_id = ? AND station_id = ? AND date_time >= DATEADD(HOUR, -1, ?) " +
    "ORDER BY date_time;"
    );

    public final SQLStmt instantaneousCardActivity = new SQLStmt(
            "SELECT count(*) as activity_count "
            + "FROM CARD_HISTORY_SECOND "
            + "WHERE card_id = ? "
            + "AND scnd = TRUNCATE(SECOND, ?) "
            + "GROUP BY scnd;"
            );

 public boolean isFraud(int cardId, TimestampType ts, int stationId) {
        voltQueueSQL(instantaneousCardActivity, cardId, ts);
        voltQueueSQL(cardHistoryAtStations, cardId, ts);
        voltQueueSQL(cardEntries, cardId, stationId, ts);
        final VoltTable[] results = voltExecuteSQL();
        final VoltTable cardInstantaneousActivity = results[0];
        final VoltTable cardHistoryAtStationisTable = results[1];
        final VoltTable cardEntriesTable = results[2];
        //一秒钟之内已经有一次刷卡记录的话,返回true
        while (cardInstantaneousActivity.advanceRow()) {
            if(cardInstantaneousActivity.getLong("activity_count") > 0) {
                return true;
            }
        }

        while (cardHistoryAtStationisTable.advanceRow()) {
            final byte activity_code = (byte) cardHistoryAtStationisTable.getLong("activity_code");
            final long stations = cardHistoryAtStationisTable.getLong("stations");

            if (activity_code == ACTIVITY_ENTER) {
                // 过去1小时之内在五个站点刷卡进站,返回true
                if (stations >= 5) {
                    return true;
                }
            }
        }

        byte prevActivity = ACTIVITY_INVALID;
        int entranceCount = 0;
        while (cardEntriesTable.advanceRow()) {
            final byte activity_code = (byte) cardHistoryAtStationisTable.getLong("activity_code");

            if (prevActivity == ACTIVITY_INVALID || prevActivity == activity_code) {
                if (activity_code == ACTIVITY_ENTER) {
                    prevActivity = activity_code;
                    entranceCount++;
                } else {
                    prevActivity = ACTIVITY_INVALID;
                }
            }
        }

        // 如果在过去1小时内有10次连续的刷卡记录,返回true。
        if (entranceCount >= 10) {
            return true;
        }

        return false;
    }

您看好VoltDB吗? 马上行动吧!
欢迎私信,与更多小伙伴一起探讨。

关于VoltDB
VoltDB支持强ACID和实时智能决策的应用程序,以实现互联世界。没有其它数据库产品可以像VoltDB这样,可以同时需要低延时、大规模、高并发数和准确性相结合的应用程序加油。
VoltDB由2014年图灵奖获得者Mike Stonebraker博士创建,他对关系数据库进行了重新设计,以应对当今不断增长的实时操作和机器学习挑战。Stonebraker博士对数据库技术研究已有40多年,在快速数据,流数据和内存数据库方面带来了众多创新理念。
在VoltDB的研发过程中,他意识到了利用内存事务数据库技术挖掘流数据的全部潜力,不但可以满足处理数据的延迟和并发需求,还能提供实时分析和决策。VoltDB是业界可信赖的名称,在诺基亚、金融时报、三菱电机、HPE、巴克莱、华为等领先组织合作有实际场景落地案例。

上一篇:在vue中解决 图片便利的问题


下一篇:名片管理系统