本文讨论使用 Apache Kafka 的 Streams API 向 Rabobank 的客户发送告警。Rabobank（荷兰合作银行）总部位于荷兰，在全球拥有 900 多个分支机构，48,000 名员工和 681 亿欧元的资产。Rabobank 是一家由客户和银行组成的合作银行，一家对社会负责的银行。其目标是成为荷兰金融市场的领导者。Rabobank 还致力于成为全球食品和农业领域的领先银行。Rabobank 向全球数百万客户提供金融产品和服务。
案例：Rabo Alerts
Rabo Alerts 服务可以让 Rabobank 的客户接收其关注的财务事件告警。例如某笔款项从账户中扣除或者记入账户，以及其它更复杂的事件。客户可以根据自己的偏好配置告警，并通过第三方渠道发送：如电子邮件、短信和移动推送通知。值得一提的是，Rabo Alerts 并不是一项新的或试用服务，它已经投产十多年，可供数百万账户持有者使用。
面临的问题
旧的 Rabo Alerts 实现主要是在大型机系统上。所有的处理步骤都是面向批处理的，大型机会根据告警类型派生告警，并每隔几分钟发送，但每天只发送几次。这种实现非常稳定可靠，但 Rabobank 希望解决两个问题：（1）灵活性不足；（2）告警发送速度慢。
由于对现有告警进行更改或添加新（更智能）的告警需要很大的工作量，因此旧的 Rabo Alerts 对适应新业务需求的灵活性很低。在过去几年中，Rabobank 在其在线环境中引入新功能的步伐大幅增加，旧有僵化的告警解决方案变得越来越成问题。
告警的传递速度也是一个问题，旧的 Rabo Alerts 可能需要 5 分钟到 4-5 小时才能向用户发送告警（取决于告警类型和批处理窗口）。如果在十年前，这个速度可能足够快了，但如今客户的期望值要高得多。现在 Rabobank 向客户提供“相关信息”的时间窗口要比过去十年小得多。
因此，如何重新设计现有的机制，使其具有更强的扩展性及更快的速度，便是摆在眼前的问题。当然，重新设计的 Rabo Aerts 也需要稳定可靠，以便能够正确地为现有数百万的用户群提供服务。
从小处着手
在过去的一年里，我们一直使用 Kafka 及其 Streams API 重新设计和实现告警机制。由于整个 Rabo Alerts 服务相当庞大，我们决定从四个简单但使用率高的告警开始：
- 余额高于阈值
- 余额低于阈值
- 超过阈值的贷记（Credit）
- 超过阈值的借记（Debit）
这些告警的每一个都可以从当前账户系统的支付信息流中派生出来。例如：“当我的余额低于 100 欧元时向我发送短信”或“当有人给我超过 1000 欧元时向我推送消息”（通常用于存款通知）。
以下截图说明如何通过手机银行 app 配置 Rabo Alerts ——
image