my-vault/airport-wiki/concepts/aodb/开源机场运营数据库（AODB）高层设计文档.md

开源机场运营数据库（AODB）初步高层设计

1. 目标

本设计给出 AODB 的初步高层方案，重点回答三件事：

1. 系统由哪些核心模块组成。
2. 关键业务数据如何流转。
3. 首期上线应覆盖哪些能力。

适用范围：年旅客吞吐量 500 万至 3000 万机场。

2. 设计原则

• 单一事实源（SSOT）：航班与资源状态统一归口到 AODB。
• 事件驱动：状态变化通过事件广播，减少系统耦合。
• 标准优先：优先兼容 AIDX、SSIM、AFTN/SITA。
• 渐进建设：先实现核心闭环，再扩展高级能力。

3. 总体架构

3.1 架构分层

层级	主要能力	代表组件
接入层	外部系统接入、协议解析、统一北向入口	Kong Gateway、Apache Camel、SSIM 导入器
业务层	航班管理、资源分配、里程碑管理、告警处理	Flight Service、Resource Service、Milestone Service、Alert Service
事件与计算层	事件总线、流处理与预测、规则判定与编排	Kafka、Flink、Drools、Temporal
数据层	事务存储、时序存储、缓存、检索	PostgreSQL、TimescaleDB、Redis、OpenSearch
平台层	身份认证、部署运行、观测与服务治理	Keycloak、Kubernetes、Prometheus/Grafana、Jaeger、Loki、Linkerd

3.2 核心模块职责

• Flight Service：维护航班计划、动态状态和历史记录。
• Resource Service：进行机位/登机口/行李转盘/值机柜台等资源分配与冲突检查，支持人工覆盖与审计。
• Milestone Service：维护 A-CDM 关键里程碑时间点。
• Alert Service：统一处理延误、冲突等运营告警。
• ACISP 接口层：向航司、地服、AOC 提供查询与订阅能力。

3.3 核心实体标识约定（最小集）

• Flight：carrier + flight_number + op_date + leg_no 作为业务唯一标识。
• Milestone：flight_id + milestone_type + source + event_time 作为幂等写入键。
• ResourceAssignment：resource_type + resource_id + time_window + flight_id 作为分配唯一键。

3.4 权威边界（SSOT）与写入治理（MVP）

为实现“单一事实源（SSOT）”，AODB 必须对外明确两类信息：

1. 状态事实（Fact）：AODB 对外提供的“当前状态”是唯一权威输出。
2. 来源与裁决（Provenance）：每个关键状态字段必须可追溯其来源、可信度与裁决过程。

3.4.1 状态写入三元信息（最小要求）

所有关键状态写入（航班动态、里程碑、资源分配、告警）必须携带以下最小三元信息并持久化：

• source：来源系统/组织（如 ANSP/航司/地服/机场运行/人工裁决），并可扩展到具体系统标识。
• confidence：可信度等级（建议：confirmed/estimated/reported/suspect），用于表示数据质量与可用性。
• decision：裁决信息（可为空）。若发生冲突或人工覆盖，必须记录：裁决人/系统、裁决原因、裁决时间与裁决依据。

3.4.2 权威边界与冲突裁决原则（MVP）

为避免“多系统同写同字段”导致不可控冲突，MVP 采用以下治理原则：

• 分层权威：以“字段/里程碑”为粒度定义权威优先级（不同字段可不同）。例如：
  • 到离港实际时间类（如 ALDT）：优先 ANSP/机场运行权威源，其次航司上报，最后为人工裁决。
  • 协同计划时间类（如 TOBT）：优先航司/地服协同上报，其次机场运行，最后为人工裁决。
  • 资源分配类（机位/登机口/行李转盘/值机柜台）：优先机场运行系统计算与人工调度，外部源仅作为建议输入。
• 可信度优先：在同等来源优先级下，confidence 更高者覆盖更低者。
• 更正优先：当上游明确发送“更正/撤销”语义（或带更高版本号/序列号）时，允许对既有事实进行修正，但必须保留历史与审计轨迹。
• 不可判定进入旁路：无法自动裁决的冲突必须进入“人工复核队列”，同时对外输出“冲突标记/数据质量标记”，避免静默覆盖。

3.4.3 审计与可追溯要求（MVP）

• 审计覆盖范围：
  • 航班关键状态字段的变更（计划/预计/实际时间、关键里程碑状态）
  • 资源分配变更（分配/释放/人工覆盖/回滚）
  • 告警生命周期变更（触发/确认/关闭/抑制）
• 审计最小字段：who/what/when/why（操作者或系统、变更字段、变更前后值、时间、原因/关联事件）。
• 对外可见性：对外查询接口必须能返回“当前值 + source/confidence + 最近一次裁决摘要”，以便订阅方正确解读数据质量。

3.5 核心实体与关系（ER 概念级，MVP）

本节定义 AODB 的最小“可落地”概念模型，用于约束后续数据字典与接口契约的一致性。

• Flight：航班在指定运行日（op_date）的运行对象，包含计划/预计/实际时间与当前态字段集合。
• Milestone：A-CDM 里程碑事件记录（含来源、可信度、审计信息），与 Flight 关联。
• Resource：资源主数据，MVP 覆盖：
  • Stand（机位）、Gate（登机口）、Belt（行李转盘）、Counter（值机柜台）
• ResourceAssignment：资源占用/分配记录（含时间窗口、分配来源、是否人工覆盖），与 Flight 与 Resource 关联。
• Alert：告警实体（延误/冲突/超阈值），含生命周期（触发、确认、关闭、抑制）与处置轨迹。
• DataQualityFlag（可选但建议纳入 MVP）：对“冲突/不可判定/低可信度”等数据质量问题的结构化标记，便于对外呈现与内部对账。

实体关系（概念级）：

• 一个 Flight 对应多个 Milestone（1:N）。
• 一个 Flight 在同一时间窗口内可占用多个资源（例如 Stand + Gate + Belt + Counter），每类资源对应多个 ResourceAssignment（1:N）。
• 一个 Resource 在时间轴上对应多个 ResourceAssignment（1:N），但同一资源的占用窗口不得重叠（冲突即告警）。
• Alert 可关联到 Flight，亦可关联到具体 Resource/ResourceAssignment（N:1）。

3.5.1 主键与唯一性约束（高层口径）

• Flight：建议区分
  • flight_key（业务唯一键）：carrier + flight_number + op_date + leg_no
  • flight_id（系统主键）：内部生成的不可变 ID（推荐 UUID/雪花 ID）。
• Resource：resource_type + resource_code（或 resource_id）唯一。
• ResourceAssignment：同一 resource_type + resource_id 的 time_window 不允许重叠；若发生则必须产生冲突告警并进入人工/规则裁决。

3.6 Flight 状态模型（最小状态机，MVP）

为支撑“当前态查询”和“事件订阅”，AODB 对 Flight 的当前态至少需要统一以下字段口径：

• 时间类：计划（Scheduled）、预计（Estimated）、实际（Actual）三组时间；MVP 强制覆盖里程碑相关时间（如 EOBT/TOBT/TSAT/ALDT/EIBT）。
• 资源类：当前生效的 Stand/Gate/Belt/Counter 分配（可为空），并能追溯来源与覆盖原因。
• 质量类：是否存在冲突/待裁决标记（可由 DataQualityFlag/Alert 汇总而来）。

最小状态机（示意，非穷尽）：

• Planned：已导入计划但无运行动态。
• Active：已接收运行动态/里程碑并持续更新。
• Completed：已到达关键收敛里程碑（例如到位/关舱等）并可进入归档策略。
• Cancelled：取消/无效（保留审计与历史，避免硬删除）。

状态迁移原则：

• 状态迁移由“里程碑事实”驱动，不直接由单个外部系统声明。
• 若存在冲突或裁决，状态不回滚到更早阶段，但可产生“更正事件/裁决事件”并更新当前态字段，同时保留历史。

3.7 历史、快照与可追溯（MVP）

为兼顾实时查询与审计追溯，MVP 推荐采用以下高层模式：

• CurrentState（可变）：保存 Flight/Resource 的当前态，用于低延迟查询与看板展示。
• EventLog（追加）：保存标准化后的业务事件与关键变更（MilestoneUpserted、ResourceAssigned、AlertRaised 等），用于回放、对账与审计。

要求：

• CurrentState 的任何关键字段变更都必须能在 EventLog 中找到对应的原因事件（或裁决事件）。
• 对外“历史回放”能力通过 EventLog/时间范围过滤实现；不要求首期提供全量任意时点快照，但必须支持“关键链路回放与审计抽样”。

3.8 计算、规则与工作流职责边界（Flink / Drools / Temporal，MVP）

为对齐“实时计算引擎为 MVP”以及可追溯与可审计要求，MVP 对计算/规则/编排做明确分工：

• Flink（流处理/实时计算）：
  • 里程碑派生与聚合（例如从多源事件推导统一里程碑视图）。
  • 预测类计算的在线聚合与发布（EIBT/EXIT/EXOT 等的估计值生成/更新）。
  • 复杂事件检测（CEP）：异常模式识别与实时指标聚合。
• Drools（规则判定/可配置/可追溯）：
  • 延误/冲突/阈值告警规则与资源分配约束校验规则。
  • 规则版本管理与灰度：规则变更必须可回放验证，避免误报/漏报。
  • 规则执行结果必须可追溯（输出触发条件、命中规则、输入快照摘要）。
• Temporal（工作流编排/长事务/补偿）：
  • DLQ/人工复核闭环：解析失败→任务分派→复核结果→重放/裁决事件输出。
  • 跨系统补偿流程：当外部源延迟/更正导致状态回补时，编排补偿与通知。
  • 关键处置流程：告警处置、资源冲突裁决的状态流转与审计留存。

验收口径（与 6.4 对齐）：

• 对任一预测/告警/裁决结果，能够通过事件链路回放解释“数据从哪来、规则如何命中、流程如何流转”。

4. 关键数据流（初版）

4.1 航班计划导入流

1. 外部系统提交 SSIM/AIDX 数据。
2. 接入层完成解析与标准化。
3. Flight Service 写入 AODB 主库。
4. 业务层发布航班状态事件给订阅方。

4.2 运行态更新流

1. 空管/航司发送运行动态（如 ALDT、TOBT）。
2. Milestone Service 更新关键节点。
3. Resource Service 根据最新状态重算资源占用。
4. Alert Service 在冲突或延误时触发通知。

4.3 事件一致性与异常处理约束

4.3.1 事件类型清单（MVP，建议最小集）

• FlightImported：航班计划已导入并标准化。
• FlightUpdated：航班关键字段（计划/预计/实际/取消等）发生变更。
• MilestoneUpserted：里程碑写入/更正（含来源、可信度与裁决）。
• ResourceAssigned：资源已分配（Stand/Gate/Belt/Counter）。
• ResourceUnassigned：资源已释放/撤销分配。
• ResourceConflictDetected：资源占用冲突被检测到（需人工/规则裁决）。
• AlertRaised：告警触发（延误/冲突/超阈值）。
• AlertAcknowledged：告警已确认（进入处置中）。
• AlertCleared：告警已关闭或解除。
• DataQualityFlagged：产生数据质量标记（冲突、不可判定、低可信度等）。
• ManualDecisionRecorded：人工裁决已记录（覆盖原因与证据）。

4.3.2 事件最小字段（Envelope）

所有业务事件必须具备统一事件信封，确保可追溯、可回放、可演进：

• event_id：全局唯一 ID（用于去重与审计）。
• event_type：事件类型（见 4.3.1）。
• schema_version：事件 schema 版本（向后兼容为原则）。
• occurred_at：业务发生时间（来自上游或由系统推断）。
• produced_at：AODB 产生该事件的时间。
• source：来源（与 3.4 一致）。
• idempotency_key：幂等键（见 4.3.3）。
• correlation_id：关联 ID（用于串联同一业务链路，如同一条 AFTN 报文/同一次导入批次）。
• flight_id：关联航班（若适用）。
• payload：事件负载（各事件类型自定义）。

4.3.3 幂等与更正语义（MVP）

1. 所有写入事件必须携带 idempotency_key，重复事件不得产生重复副作用（至少做到 at-least-once 输入下的“结果幂等”）。
2. 幂等键的生成原则：尽量使用上游“不可变消息标识/序列号”（如报文 ID、批次+行号），避免仅用 event_time 作为幂等锚点。
3. 更正（Correction）必须显式：
   • 若上游具备更正/撤销语义，则映射为 MilestoneUpserted（含更正标记或更高序列），同时保留旧值审计。
   • 若上游无更正语义，则 AODB 只能通过“裁决事件（ManualDecisionRecorded）”修正当前态，并保留冲突与裁决轨迹。

4.3.4 顺序保证边界与乱序处理（MVP）

1. 顺序保证以 flight_id 为最小粒度：同一 flight_id 的事件按分区键落到同一顺序通道（例如 Kafka 分区），确保消费端可按序处理。
2. 同一 flight_id 内部的处理顺序以 occurred_at 优先，其次以 source_sequence（若上游提供）或 AODB 生成的 ingest_sequence 作为并列消歧。
3. 过旧/乱序事件处理策略：
   • 允许在可配置“乱序窗口”内重排；超窗事件进入旁路审计并生成 DataQualityFlag。
   • 不允许静默覆盖已确认事实；需触发冲突标记或进入人工复核。

4.3.5 写库与发事件一致性（Outbox/CDC，高层约束）

为避免“写库成功但没发事件/发了事件但没落库”的不可审计空洞，MVP 必须采用可验证的一致性策略之一：

• 主选：Outbox Pattern + CDC
  • 业务服务在同一数据库事务内：更新 CurrentState，并写入 Outbox 表。
  • CDC/发布器将 Outbox 可靠发布到 Kafka，并在成功后标记已发布。
• 约束：
  • 事件发布必须可重试；失败不得丢失，且必须可回放。
  • 对外订阅以 Kafka 事件为事实流（或由 Kafka 驱动 Hasura 订阅层的投影），避免多路源头。

4.3.6 解析失败、DLQ 与人工复核闭环（MVP）

1. 解析失败或校验失败消息进入 DLQ，并生成“人工复核任务”（可由工作流编排系统承接）。
2. 人工复核结果必须形成结构化输出：要么生成可重放的标准化事件，要么生成裁决事件（ManualDecisionRecorded）。

4.3.7 一致性口径（对齐需求）

• 关键实体（Flight 当前态、ResourceAssignment 生效集、Alert 生命周期）在同一服务内采用强一致事务写入。
• 跨服务/跨投影（例如检索、订阅投影、指标聚合）采用最终一致，目标：最终一致收敛 <= 30 秒。
• 验收方式：对账任务 + 抽检回放，必须能解释每一次不一致的根因（延迟、乱序、裁决、外部源缺陷等）。

4.3.8 降级策略（MVP）

外部源异常抖动时启用降级策略：保留最近可信状态并标记数据可信度；对外订阅必须包含数据质量标记，避免下游误用。

4.4 资源分配规则（MVP）

MVP 资源管理覆盖：Stand（机位）、Gate（登机口）、Belt（行李转盘）、Counter（值机柜台）。资源分配的目标不是“全局最优”，而是保证冲突可检测、可裁决、可追溯，并能支撑秒级传播与对外可解释。

4.4.1 时间窗口（time_window）口径

• 分配窗口组成：[start_time, end_time] + buffer_before + buffer_after。
• 锚点选择（MVP）：
  • Stand：以 ALDT/EIBT（到达侧）与 AOBT/ATOT（离港侧）相关里程碑推导占用区间；若缺失则回退到 Estimated。
  • Gate：以旅客流程相关里程碑（如登机开始/结束、关舱/推出）推导；缺失时回退到 TOBT/TSAT 近似。
  • Belt：以 AIBT/EIBT 起算，结合航班机型/行李量经验参数给出默认占用时长（可配置）。
  • Counter：以航班计划起飞前固定窗口（如 T-3h 至 T-45min）为默认规则（可配置并可按航司差异化）。
• 滑动更新：当关键里程碑变更（延误、提前、取消、更正）时，ResourceAssignment 必须重算窗口并触发冲突检测。

4.4.2 冲突定义与缓冲策略

• 冲突定义：同一 resource_type + resource_id 的生效占用窗口发生重叠即为冲突。
• 缓冲策略：缓冲时间为规则参数（按资源类型/机场策略配置）。缓冲引入的冲突必须可解释（在告警中记录触发原因）。

4.4.3 分配优先级与人工覆盖

MVP 采用“规则优先 + 人工可覆盖”的策略：

• 自动分配/调整由规则或简单启发式完成（不做全局优化），输出 ResourceAssigned/Unassigned 事件。
• 人工覆盖（override）必须：
  • 记录 decision（原因/证据/操作者）并产生 ManualDecisionRecorded。
  • 可回滚（回滚同样写审计）。

4.4.4 与航班变更联动（延误/取消/换机型）

• 延误：窗口整体右移或重新估算，先“保持原资源”并检测后续冲突；若冲突不可自动消解则触发 ResourceConflictDetected + AlertRaised。
• 取消：释放资源并触发 ResourceUnassigned；若取消为更正则需保留历史并标记更正原因。
• 换机型/机位限制变化：触发资源适配性校验，不满足则产生冲突并进入裁决流程。

4.4.5 输出与审计（最小要求）

• 任何资源变更都必须能回答：谁分配的（规则/人工）、为什么分配、影响了哪些航班、是否引发冲突告警。

5. 首期上线范围（MVP）

首期建议只覆盖以下最小闭环：

• 航班计划导入与实时状态更新。
• 基础资源分配（机位、登机口、行李转盘、值机柜台）。
• 关键里程碑跟踪（EOBT/TOBT/TSAT/ALDT/EIBT）。
• 延误与资源冲突告警。
• 对外查询接口与订阅推送（REST + GraphQL Subscription）。

不纳入首期：

• 复杂优化排班（全局优化模型）。
• 深度 AI 预测与自适应调度。
• 多机场统一调度中心能力。

5.1 上线门禁（Go/No-Go）

• 功能门禁：航班导入、里程碑更新、资源分配、冲突告警链路可端到端演示。
• 性能门禁：在峰值吞吐与订阅并发条件下，端到端事件延迟达到最低可接受值（见 6.1/6.4/6.5 的压测口径）。
• 数据门禁：核心实体对账通过率 >= 99.9%，无高危不一致项。
• 安全门禁：统一认证鉴权生效，关键接口通过授权与审计检查。
• 演练门禁：完成容灾恢复与回滚演练，RTO/RPO 达到最低可接受值并留存记录。

5.2 关键场景走读（MVP）

本节用于评审阶段快速验证“闭环是否成立、可追溯是否可用、异常是否可处置”。

场景 1：SSIM 导入 → 标准化 → 发布 → 订阅

1. SSIM 导入进入接入层（解析/校验/标准化）。
2. Flight Service 在事务内写 CurrentState + Outbox。
3. CDC/发布器将 Outbox 事件发布到 Kafka（FlightImported/FlightUpdated）。
4. Hasura/订阅层向终端/外部系统推送订阅事件或提供查询读。

验收点：重复导入不产生重复副作用；订阅可重连补偿；可追溯到导入批次与来源。

场景 2：多源里程碑冲突（以 ALDT 为例）→ 裁决 → 审计 → 对外呈现

1. 两个来源上报同一航班 ALDT，发生冲突（source/confidence/序列不一致）。
2. 系统按 3.4 裁决原则尝试自动裁决；不可判定则产生 DataQualityFlagged + 进入人工复核。
3. 人工复核通过工作流记录 ManualDecisionRecorded，更新当前态并保留历史。
4. 对外查询返回“当前值 + source/confidence + 裁决摘要”；订阅推送裁决事件。

验收点：冲突不静默覆盖；审计可还原变更前后与原因；最终一致收敛 <= 30 秒。

场景 3：延误导致资源冲突（以 Stand 为例）→ 告警 → 覆盖/回滚

1. 延误触发 ResourceAssignment 窗口右移，检测到同机位窗口重叠。
2. 产生 ResourceConflictDetected + AlertRaised；规则可给出建议（可选）。
3. 调度人工覆盖资源分配（记录 decision），触发 ResourceAssigned + ManualDecisionRecorded。
4. 如需回滚，回滚同样形成事件与审计。

验收点：冲突检测可解释；覆盖/回滚全链路可追溯；订阅方能收到变更并理解可信度。

6. 非功能目标（初步）

• 可用性：支持 7x24 运行。
• 实时性：核心状态更新达到秒级可见。
• 可追溯：关键状态变化具备审计记录。
• 安全性：统一认证鉴权与最小权限控制。

6.2 对外接口（MVP 合同口径）

MVP 对外提供“查询 + 订阅”两类能力，并明确北向治理边界：

• 北向入口：统一经 API Gateway（Kong）进入，执行认证鉴权、限流、审计与路由治理。
• 接口形态：
  • REST：面向外部系统的标准查询与批量拉取。
  • GraphQL（Hasura）：面向运营终端与需要实时订阅的消费者，提供订阅与细粒度字段选择。

6.2.1 查询（Query）最小约束

• 核心查询对象：Flight（当前态）、Milestone（明细/时间序列）、ResourceAssignment（生效集）、Alert（生命周期）。
• 过滤维度：op_date、flight_key/flight_id、状态（Planned/Active/Completed/Cancelled）、资源类型与资源编号。
• 分页与一致性：必须支持稳定分页（cursor/offset 任选其一作为主选并写清），并能返回“数据版本/更新时间”以支持下游对账。
• 数据质量：关键字段必须返回 source/confidence，存在冲突时必须返回“冲突标记/待裁决标记”。

6.2.2 订阅（Subscription）最小约束

• 订阅源：以 AODB 标准化业务事件为事实流（见 4.3 事件契约）。
• 订阅粒度：按 event_type 与 flight_id/op_date 过滤；支持“关键事件流”订阅（只推 Flight/Milestone/Resource/Alert 的变更摘要）。
• 可靠性：至少提供 at-least-once 投递语义；订阅必须支持断线重连与补偿（基于 event_id 或可回放游标）。
• 限流与隔离：对外订阅连接数、推送速率、单租户资源上限必须可配置并可观测。

6.2.3 鉴权、限流与审计（Kong 治理边界）

• 鉴权：OIDC/OAuth2（Keycloak）为统一入口；按角色/Scope 控制 Flight/Resource/Alert 的读写与订阅权限。
• 限流：对“查询 QPS、订阅连接数、推送速率”分别限流，且需要能按租户/客户端维度配置。
• 审计：所有“写入类操作”（包含人工裁决、资源覆盖、告警处置）必须审计；对外查询/订阅的访问也需记录最小审计日志（用于追溯与合规）。

6.3 安全与合规（MVP）

• 认证授权：OIDC/OAuth2 + RBAC（Keycloak），最小权限原则。
• 传输安全：北向 TLS；服务间建议启用 mTLS（与服务网格能力对齐）。
• 数据分级：至少区分“运营敏感字段”和“可共享字段”，并在接口层实现字段级权限控制（GraphQL 尤其需要明确）。

6.1 最小 SLO（评审口径）

指标	目标值	最低可接受值
可用性	月度 99.95%	月度 99.9%
事件处理延迟	P95 <= 2 秒	P95 <= 5 秒
容灾恢复	RTO <= 30 分钟，RPO <= 5 分钟	RTO <= 2 小时，RPO <= 15 分钟
审计覆盖率	100% 关键变更可追溯	99.9% 可追溯

6.4 验收与可观测口径（MVP）

为确保 SLO 可被验证，MVP 至少需要定义并采集以下运行指标：

• 事件端到端延迟：ingest → commit(CurrentState/Outbox) → publish(Kafka) → deliver(订阅端)（按 P95/P99 统计）。
• DLQ 率：解析失败/校验失败/旁路审计占比与趋势。
• 幂等命中率：重复事件去重命中比例（用于评估上游质量与系统健壮性）。
• 冲突率与 MTTR：资源冲突/里程碑冲突发生频率与平均处置时间。
• 订阅健康：订阅连接数、推送速率、订阅落后量（按租户/客户端）。

验收方式（与需求对齐）：

• 压测：在峰值吞吐假设下验证 P95 延迟达标。
• 对账与抽检：验证强一致实体与最终一致收敛（<= 30 秒）的抽样结果可解释。
• 容灾演练：验证 RTO/RPO 达到最低可接受值并留存演练记录。

6.5 容量基线与伸缩策略（MVP 口径）

本节用于把“500 万至 3000 万吞吐机场”的范围，映射为可评审、可压测的容量假设（范围值即可，后续以压测修正）。

6.5.1 容量假设（建议范围）

• 航班量：约 150–900 架次/日（按机场规模与航班结构波动）。
• 事件密度：每航班 20–80 条关键事件（计划导入、动态更新、里程碑、资源变更、告警与裁决）。
• 峰值事件速率：10–200 events/s（含短时抖动与重放）。
• 订阅规模：10–500 并发订阅连接（运营终端、航司、地服、AOC 等），推送速率按租户限额。

6.5.2 伸缩策略（高层约束）

• 事件骨干（Kafka）：按 flight_id 分区保证同航班顺序；通过增加分区与消费组并行度扩展吞吐。
• 流处理（Flink）：关键作业（预测/CEP/聚合）支持水平扩展；必须具备状态一致性与可恢复能力（与 RTO/RPO 对齐）。
• 事务库（PostgreSQL/TimescaleDB）：写路径优先保证强一致与审计；读路径通过缓存与只读副本（可选）缓解压力。
• 检索（OpenSearch）：仅承载检索/分析投影，不作为强一致事实源；索引延迟纳入最终一致指标。

6.5.3 压测口径（最小）

• 压测必须覆盖：
  • 峰值事件速率 + 乱序/重复输入（验证幂等与乱序策略）。
  • 订阅并发 + 推送速率上限（验证网关限流与订阅补偿）。
  • DLQ 率提升场景（验证人工复核闭环与系统降级）。

7. 迭代方向

Phase 1：完成 MVP 闭环并上线单机场。

Phase 2：补充预测能力和规则优化，提高运行效率。

Phase 3：增强容量与容灾，支持多机场扩展。

8. 文档边界与引用

• 本文档仅定义初步高层设计，不展开详细数据字典、接口字段级协议和部署参数。
• 技术栈主选、备选触发条件以 airport-wiki/concepts/aodb/开源技术栈选型决策.md 为准。
• 需求边界、验收基线以 airport-wiki/concepts/aodb/AODB 核心需求提炼.md 为准。