如何设计一套通用的支付核心系统?

支付永远是一个公司的核心领域,因为这是一个有交易属性公司的命脉。那么,支付系统到底长什么样,又是怎么运行交互的呢?

抛开带有支付牌照的金融公司的支付架构,下述链路和系统组成基本上符合绝大多数支付场景。其实整体可以看成是交易核心+支付核心 两个大系统。

交易系统关联了业务场景和底层支付,而支付系统完成了调用支付工具到对账清算等一系列相关操作。下面我们就来一起看下各个系统的核心组成和交互。

1. 支付系统总览

核心系统交互

业务图谱

2. 核心系统解析

交易核心

交易核心把公司的业务系统和底层支付关联起来,让业务系统专注于业务,不比关心底层支付。

交易核心

基础交易类型抽象

多表聚合 & 订单关联

支付核心

支付核心主要负责将多种支付类型进行抽象,变成充值提现退款转账四种支付形态。同时,还要负责集成多种支付工具,对支付指令进行编排等等。

支付核心总览

支付行为编排

其目的,是实现插件式开发、支付规则可配置的 灵活开发方式。

异常处理

异常处理包括了 重复支付、部分支付、金额不一致、其他异常等异常场景。

渠道网关

资金核算

3. 服务治理

平台统一上下文

通过确定系统边界、业务建模拆分之后,整个支付平台被拆分几十个服务,而如何保障在服务间流转业务信息不被丢失,是我们需要考虑的问题。

平台统一上下文的要素信息(唯一业务标识码),在整个支付平台链路中全程传递,被用来解决这个问题。

数据一致性治理

大型的支付公司,内部都有非常严格和完备的数据一致性方案,比如采用业务侵入性非常大的分布式事务等,以牺牲开发效率来提升数据的稳定,是非常有必要的。而业务公司,如果不采用分布式事务又有哪些应对策略呢?

CAS校验

幂等 & 异常补偿

对账

准实时对账

DB拆分

异步化

支付是整个交易链路的核心环节,那么,怎么兼顾支付系统的稳定性和执行效率呢?是异步化。

消息异步化

外部支付调用异步化

在外部支付中,经常需要服务方与第三方支付交互,获取预支付凭证,如上图所示。

这种同步调用的情况下,由于需要跨外部网络,响应的 RT 会非常长,可能会出现跨秒的情况。由于是同步调用,会阻塞整个支付链路。一旦 RT 很长且 QPS 比较大的情况下,服务会整体 hold 住,甚至会出现拒绝服务的情况。

因此,可以拆分获取凭证的操作,通过独立网关渠道前置服务,将获取的方式异步化,从前置网关获取内部凭证,然后由前置网关去异步调用第三方。

异步并行化

资金核算异步化

热点账户账务单独处理

记账事务切分

4. 生产实践

性能压测

构建压测模型,模拟现实真实场景;压测数据进影子库,正常业务无侵入;单机性能和集权链路都不能忽视;识别系统稳定性和容量配比。。。

稳定性治理

核心链路分离

服务依赖降级

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1148714.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

ResNet18物体识别5分钟入门:没GPU不要慌,云端解决

ResNet18物体识别5分钟入门:没GPU不要慌,云端解决 引言 想象一下,你正在准备一场重要的产品演示会议,需要在1小时内向团队展示AI物体识别的效果。但你的电脑没有GPU,本地环境一片空白,甚至连Python都没装…

Qwen2.5-7B-Instruct性能优化秘诀|vLLM加速与Chainlit前端调用

Qwen2.5-7B-Instruct性能优化秘诀|vLLM加速与Chainlit前端调用 一、引言:为何选择vLLM Chainlit构建高效推理服务? 随着大语言模型(LLM)在实际业务场景中的广泛应用,如何实现高性能推理与低延迟交互成为…

【FFMpeg】Windows下编译ffmpeg(MinGW+MSYS2)

【FFMpeg】Windows下编译ffmpeg(MinGWMSYS2) 文章目录【FFMpeg】Windows下编译ffmpeg(MinGWMSYS2)1、概述2、环境准备1 安装Msys22 安装环境3、ffmpeg编译1、概述 系统:Window10ffmpeg版本:n5.1.2环境&…

Qwen2.5-7B-Instruct + vLLM推理加速实战|Chainlit前端调用指南

Qwen2.5-7B-Instruct vLLM推理加速实战|Chainlit前端调用指南 一、前言 随着大语言模型(LLM)在自然语言理解与生成任务中的广泛应用,如何高效部署并快速构建交互式应用成为开发者关注的核心问题。通义千问团队推出的 Qwen2.5-7…

Rembg性能测试:多模型并行处理方案

Rembg性能测试:多模型并行处理方案 1. 智能万能抠图 - Rembg 在图像处理与内容创作领域,自动去背景(Background Removal)是一项高频且关键的需求。无论是电商商品图精修、社交媒体素材制作,还是AI生成内容的后处理&a…

ResNet18轻量化教程:模型压缩+云端推理,成本降80%

ResNet18轻量化教程:模型压缩云端推理,成本降80% 引言 当你需要将一个图像分类模型部署到边缘设备(比如树莓派或工业摄像头)时,可能会遇到两个头疼的问题:模型太大跑不动,云端测试成本太高。这…

从零部署Qwen2.5-7B-Instruct大模型|vLLM加速,Chainlit前端交互

从零部署Qwen2.5-7B-Instruct大模型|vLLM加速,Chainlit前端交互 引言:为什么选择 Qwen2.5 vLLM Chainlit 架构? 在当前大模型快速迭代的背景下,如何高效、低成本地将先进语言模型部署为可交互服务,成为…

构建生产级Qwen2.5-7B-Instruct服务|vLLM推理加速与Chainlit前端联动

构建生产级Qwen2.5-7B-Instruct服务|vLLM推理加速与Chainlit前端联动 一、引言:为何需要构建高效稳定的LLM服务架构? 随着大语言模型(LLM)在实际业务中的广泛应用,如何将像 Qwen2.5-7B-Instruct 这样的高…

复杂场景处理:Rembg抠图进阶技巧分享

复杂场景处理:Rembg抠图进阶技巧分享 1. 引言:智能万能抠图 - Rembg 在图像处理领域,精准、高效地去除背景一直是设计师、电商运营和AI开发者的核心需求。传统手动抠图耗时费力,而早期自动分割工具又常因边缘模糊、误识别等问题…

基于vLLM的Qwen2.5-7B-Instruct镜像实战|实现高吞吐推理与交互式前端集成

基于vLLM的Qwen2.5-7B-Instruct镜像实战|实现高吞吐推理与交互式前端集成 引言:为何选择vLLM Qwen2.5-7B-Instruct构建高效AI服务? 随着大语言模型在自然语言理解、代码生成和多语言支持等方面的持续进化,如何将先进模型高效部署…

ResNet18物体识别详细步骤:云端环境已配好,打开就能用

ResNet18物体识别详细步骤:云端环境已配好,打开就能用 1. 引言:不懂AI也能快速上手的物体识别方案 作为IT运维人员,突然被安排接手AI项目时,最头疼的往往不是代码本身,而是复杂的深度学习环境配置。CUDA版…

如何高效部署Qwen2.5-7B-Instruct?vLLM+Chainlit方案详解

如何高效部署Qwen2.5-7B-Instruct?vLLMChainlit方案详解 引言:为何选择vLLM Chainlit组合? 随着大语言模型(LLM)在实际业务场景中的广泛应用,如何高效、稳定、低延迟地部署高性能模型成为开发者关注的核…

ResNet18物体识别避坑指南:3个常见错误+云端解决方案

ResNet18物体识别避坑指南:3个常见错误云端解决方案 引言 当你第一次尝试用ResNet18做物体识别时,是不是遇到过这些情况:好不容易装好环境,结果CUDA版本报错;跑着跑着突然显存不足;或者训练了半天发现准确…

Qwen2.5-7B-Instruct实战:基于vLLM与Chainlit快速搭建大模型服务

Qwen2.5-7B-Instruct实战:基于vLLM与Chainlit快速搭建大模型服务 一、引言:为何选择Qwen2.5-7B-Instruct vLLM Chainlit技术栈 随着大语言模型(LLM)在自然语言理解与生成任务中的广泛应用,如何高效部署并提供稳定服…

ResNet18物体识别省钱秘籍:按需GPU比买卡省万元

ResNet18物体识别省钱秘籍:按需GPU比买卡省万元 1. 为什么个人开发者需要ResNet18? ResNet18是深度学习领域最经典的图像识别模型之一,它就像给计算机装上了一双"智能眼睛",能自动识别照片中的物体。对于想开发智能相…

Rembg抠图应用:电商主图制作的完整流程

Rembg抠图应用:电商主图制作的完整流程 1. 引言:智能万能抠图在电商场景中的核心价值 随着电商平台对商品视觉呈现要求的不断提升,高质量、高一致性的主图已成为提升转化率的关键因素。传统人工抠图耗时耗力,且难以保证边缘平滑…

GLM-4.7与Gemini 3.0 Pro技术适配性与落地成本深度对比

2025年末,AI大模型技术已进入“场景化落地深耕”阶段,对于开发者与企业而言,模型选型的核心诉求从“参数竞赛”转向“技术适配性”与“工程落地成本”。智谱AI推出的GLM-4.7以轻量化、高可定制性为核心,适配中小团队快速迭代需求&…

AI抠图也能本地运行?体验工业级Rembg稳定版镜像

AI抠图也能本地运行?体验工业级Rembg稳定版镜像 你是否曾为一张产品图背景杂乱而苦恼?是否在制作电商详情页时,因手动抠图耗时费力而效率低下?传统PS抠图不仅依赖操作技巧,面对复杂边缘(如毛发、透明物体&…

Rembg性能测试:不同分辨率图片处理耗时

Rembg性能测试:不同分辨率图片处理耗时 1. 引言:智能万能抠图 - Rembg 在图像处理与内容创作领域,自动去背景是一项高频且关键的需求。无论是电商商品图精修、社交媒体素材制作,还是AI生成内容的后处理,都需要高效、…