Kafka+Flink 实现准实时异常检测系统
1.背景介绍
异常检测可以定义为“基于行动者（人或机器）的行为是否正常作出决策”，这项技术可以应用于非常多的
行
业中，比如金融场景中做交易检测、贷款检测；工业场景中做生产线预警；安防场景做入侵检测等等。
根据业务要求的不同，流计算在其中扮演着不同的角色：既可以做在线的欺诈检测，也可以做决策后近实时
的
结果分析、全局预警与规则调整等。
本文先介绍一种准实时的异常检测系统。
所谓准实时，即要求延迟在100ms以内。
比如一家银行要做一个实时的交易检测，判断每笔交易是否是正
常
交易：如果用户的用户名和密码被盗取，系统能够在盗取者发起交易的瞬间检测到风险来决定是否冻结这
笔
交
易。
这
种场景对实时性的要求非常高，否则会阻碍用户正常交易，所以叫做准实时系统。
由于行动者可能会根据系统的结果进行调整，所以规则也会更新，流计算和离
