支付路由（Payment Routing）是支付系统的核心决策引擎，负责在每笔交易中从多个可用通道中选择最优处理路径。路由决策直接影响交易成功率、处理成本和用户体验。一个设计良好的路由系统能将支付成功率提升 5–15%，同时降低 10–30% 的资金处理成本。
支付路由位于收单系统的核心位置，接收交易请求后执行一系列决策步骤：
交易请求 → 通道筛选 → 权重计算 → 路由决策 → 交易执行
↓ ↓
合规过滤 成本/成功率评估
↓ ↓
权限检查 实时健康度
一个典型的支付路由流程包含以下步骤：
选择处理费用最低的通道。适用于利润率敏感的场景（如大额 B2B 支付）。
成本模型示例（假设三个通道的费率结构）：
| 通道 | 固定费用 | 费率 | 附加条件 |
|---|---|---|---|
| 通道A | $0.10 | 1.5% | 无 |
| 通道B | $0.05 2.0% 月交易量 ≥$50K 时费率降至 1.7% | ||
| 通道C | $0.20 | 1.2% | 仅支持 Visa/Mastercard |
对一笔 $100 的交易：
对一笔 $10 的交易：
可见，不同金额下同一通道的成本排序可能完全不同，因此路由系统必须按实时交易金额动态计算。
选择历史成功率最高的通道，适用于高价值交易或支付关键路径。
历史成功率对比表（基于某支付平台30天数据）：
| 通道 | 总交易数 | 成功数 | 成功率 | 平均处理时间 |
|---|---|---|---|---|
| 通道A | 1,245,678 | 1,205,432 | 96.77% | 2.3s |
| 通道B | 893,455 | 815,234 | 91.25% | 1.8s |
| 通道C | 456,789 | 447,653 | 98.00% | 3.1s |
| 通道D | 234,567 | 219,876 | 93.74% | 2.7s |
成功率优先路由会选择通道C（98.00%），即使它处理时间最长。
实际生产中，路由策略通常是多维度的加权综合评分。一个常用的评分公式：
其中：
加权评分示例（某跨境电商配置）：
| 维度 | 权重 | 通道A | 通道B | 通道C |
|---|---|---|---|---|
| 成功率 | 0.50 | 96 | 90 | 98 |
| 成本 | 0.25 | 70 | 85 | 60 |
| 延迟 | 0.15 | 85 | 95 | 65 |
| 合规覆盖 | 0.10 | 90 | 80 | 95 |
| 加权总分 | 1.00 | 87.75 | 87.75 | 85.50 |
通道A和B总分相同，此时可进一步用子策略（如负载均衡）做最终决策。
在多通道场景中，负载均衡可避免单通道过载，同时为通道健康度监控提供基线数据。
常见的负载均衡策略：
| 策略 | 原理 | 适用场景 |
|---|---|---|
| 轮询（Round Robin） | 依次分配，循环往复 | 通道能力对等的场景 |
| 加权轮询（Weighted RR） | 按权重比例分配（如 3:2:1） | 通道处理能力不一时 |
| 最小连接数 | 分配给当前处理请求最少的通道 | 处理时间差异大的场景 |
| 一致性哈希 | 按交易特征（如商户ID）分配 | 需要保证同商户走同一通道时 |
| 随机+权重 | 按概率分布随机选择 | A/B测试、灰度验证 |
基于预定义规则的路由决策是最基础的实现方式，适合静态、可预期的场景。
规则表示例：
| 优先级 | 条件 | 动作 | 回退 |
|---|---|---|---|
| 1 | amount > 10000 AND currency = USD |
走通道A | 通道B |
| 2 | country = CN |
走通道C | 通道D |
| 3 | card_brand = AMEX |
走通道E | 通道A |
| 4 | time_between(22:00, 06:00) |
走通道F（夜间费率低） | 通道A |
| 5 | 默认 | 走通道A | 通道B |
规则引擎的优点是逻辑透明、可审计、容易调试。缺点是维护成本高（规则数量增长快），且无法处理未见过的模式。
现代支付路由系统越来越多地引入机器学习模型来预测通道成功率，实现动态最优路由。
ML 路由架构：
历史交易数据 → 特征工程 → 模型训练 → 实时预测 → 路由决策
↑
实时交易特征
常用特征：
| 特征类别 | 特征示例 | 对成功率的影响 |
|---|---|---|
| 交易特征 | 金额、币种、卡BIN、卡品牌 | 直接影响（如高金额成功率通常较低） |
| 商户特征 | 商户ID、行业、历史成功率 | 商户信誉好，成功率更高 |
| 通道特征 | 通道ID、历史成功率、当前健康度 | 通道质量直接影响 |
| 时间特征 | 小时、星期几、是否节假日 | 夜间成功率略低（风控误杀增多） |
| 用户行为 | IP位置、设备指纹、历史交易 | 与持卡行风控相关（用户特点明显） |
模型选型对比：
| 模型 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 逻辑回归 | 可解释性强、训练快 | 无法捕捉非线性关系 | 基础成功率预测 |
| XGBoost/LightGBM | 精度高、特征工程省力 | 模型体积大、可解释性弱 | 主路由模型 |
| 深度神经网络 | 可以捕捉高阶交互 | 需要大量数据、不可解释 | 大规模支付平台 |
| 上下文Bandit | 在线学习、自动探索 | 收敛需要时间 | 需要持续优化的场景 |
效果数据（某大型支付平台实测）：
| 指标 | 纯规则引擎 | 规则 + ML | 提升 |
|---|---|---|---|
| 全局成功率 | 92.3% | 96.1% | +3.8% |
| 成本降低 | — | 12.5% | — |
| 模型F1分数 | — | 0.873 | — |
| 日均交易量 | 1.2M | 1.2M | — |
ML 模型能额外提升约 3-4% 的成功率，对应数千万美元的交易价值。
对于需要持续探索的环境（如新通道接入、费率调整），Contextual Bandit 比纯监督学习更适合：
算法流程：
-贪婪策略的衰减：
| 阶段 | 探索率 | 说明 |
|---|---|---|
| 冷启动 | 0.30 | 新通道接入，大量探索 |
| 早期 | 0.10 | 数据积累期，适度探索 |
| 稳定期 | 0.03 | 优化收敛，少量探索 |
| 环境变化 | 0.15 | 检测到通道健康度剧烈变化，重新探索 |
通道健康度是多维度的评分系统，需要实时监控以下指标：
| 指标 | 计算方式 | 阈值（告警） | 阈值（切换） |
|---|---|---|---|
| 成功率 | 最近N笔交易的成功比例 | < 95% | < 90% |
| 平均处理时间 | 最近N笔的平均处理时长 | > 3s | > 5s |
| 错误率 | 特定错误码（如500/502）占比 | > 1% | > 5% |
| 超时率 | 超过超时阈值（如10s）的比例 | > 0.5% | > 2% |
| 额度利用率 | 当前已用额度 / 通道总额度 | > 80% | > 95% |
健康度评分公式：
其中每个维度的分数 通过分段函数映射到 。
当主通道健康度低于阈值时，系统应自动执行 Failover：
自动切换流程：
检测到通道A健康度 < 90%
↓
标记通道A为"降级"状态
↓
更新路由权重，将流量逐步迁移到通道B
↓
启动冷却计时器（如60秒）
↓
冷却期后检查通道A恢复情况
↓
┌────→ 已恢复 → 重新激活，逐步回流流量
│
└────→ 未恢复 → 继续降级，延长冷却期
Fallback 层级：
| 层级 | 策略 | 切换时间 |
|---|---|---|
| L1 | 主通道 → 容灾通道 | 秒级自动切换 |
| L2 | 容灾通道 → 备用通道 | 分钟级自动切换 |
| L3 | 备用通道 → 兜底通道 | 人工确认后切换 |
| L4 | 所有外部通道不可用 → 消息队列暂存 | N/A |
跨境支付场景下，同一币种可能有多个通道支持，不同币种的通道覆盖也不同。
| 币种 | 通道A | 通道B | 通道C | 通道D |
|---|---|---|---|---|
| USD | ✅ 1.5% | ✅ 2.0% | ✅ 1.2% | ❌ |
| EUR | ✅ 1.8% | ✅ 2.2% | ❌ | ✅ 1.5% |
| GBP | ❌ | ✅ 2.5% | ❌ | ✅ 1.8% |
| JPY | ✅ 1.2% | ❌ | ✅ 1.0% | ❌ |
| CNY | ❌ | ❌ | ❌ | ✅ 0.8% |
多币种路由策略：
汇率转换成本计算（假设 USD→JPY 的另一种路径）：
| 路由方式 | 汇率成本 | 手续费 | 总成本 |
|---|---|---|---|
| 直接通道C | 0 | 1.0% | 1.0% |
| USD→EUR→JPY | 0.3% | 1.5%+1.2% = 2.7% | 3.0% |
| USD→JPY 通道B | 0.2% | 2.0% | 2.2% |
直接通道永远是最优选择。只有当直达通道不可用时（如超过额度、技术故障），才需要走转换路由。
不同国家/地区对跨境支付有各自的合规要求，路由系统必须集成合规过滤逻辑。
| 地区 | 合规要求 | 路由影响 |
|---|---|---|
| 中国大陆 | 必须通过持牌机构处理 | 只能走持有中国支付牌照的通道 |
| 欧盟 | PSD2 强客户认证（SCA） | 需要支持 3DS 2.0 的通道 |
| 印度 | 数据本地化要求 | 交易数据必须在印度境内处理 |
| 美国各州 | 各州 MTL 牌照要求 | 按州分配合适的收单通道 |
| 新加坡 | MAS 监管要求 | 需要持有 MPI 牌照的通道 |
合规路由决策树（以收单为例）：
交易发起 → 判断交易地区
├── 中国大陆 → 筛选通道：持有央行支付牌照
│ ├── 人民币交易 → 网联/银联通道
│ └── 外币交易 → 跨境外汇支付通道
├── 欧盟地区 → 筛选通道：支持 PSD2/SCA
│ └── >€30欧元 → 强制 SCA 验证
└── 其他地区 → 筛选通道：本地牌照合规
└── 无本地牌照通道 → 走国际卡组织路由
当支付平台在多个国家持有支付牌照时，路由系统应根据交易发起地区自动匹配本地通道：
牌照-通道映射：
| 持牌地区 | 持牌实体 | 支持的通道 | 日限额 |
|---|---|---|---|
| 香港（MSO） | HK Entity | 通道A、B | HKD 10M |
| 新加坡（MPI） | SG Entity | 通道C、D | SGD 5M |
| 英国（EMI） | UK Entity | 通道E | GBP 3M |
| 美国（MTL） | US Entity | 通道F、G | USD 8M |
交易来自新加坡 → 路由系统优先选择 SG Entity 下的通道，因为持卡行更信任本地持牌机构的交易。
任何路由策略变更都必须经过灰度验证，避免全局失控：
灰度流程：
A/B 测试结果示例：
| 实验组 | 交易量 | 成功率 | 平均成本 | 确认时间 |
|---|---|---|---|---|
| 对照组（成本优先） | 125,432 | 93.2% | $0.18 | 2.1s |
| 实验A（成功率优先） | 124,897 | 96.8% | $0.25 | 2.4s |
| 实验B（混合权重 0.4/0.4/0.2） | 125,112 | 95.5% | $0.20 | 2.2s |
实验B在成功率和成本之间取得了最佳平衡，可作为新生产策略。
路由系统的权重不应是静态配置，而应基于实时数据动态调整：
其中：
路由决策涉及多个数据实体，需要高效的数据结构支持实时决策：
{
"routingDecision": {
"transactionId": "TXN_20260530_A1B2C3",
"merchantId": "MERCH_001",
"amount": 129.99,
"currency": "USD",
"cardBin": "411111",
"cardBrand": "VISA",
"country": "US",
"selectedChannel": {
"channelId": "CH_003",
"channelName": "Stripe US",
"score": 94.5,
"estimatedSuccessRate": 0.973,
"estimatedCost": 1.56,
"estimatedLatency": 2.3
},
"fallbackChannel": {
"channelId": "CH_001",
"channelName": "Adyen US",
"score": 91.2,
"estimatedSuccessRate": 0.958,
"estimatedCost": 1.82,
"estimatedLatency": 2.1
},
"routingStrategy": "hybrid_weighted",
"decisionFactors": {
"successRateWeight": 0.50,
"costWeight": 0.25,
"latencyWeight": 0.15,
"complianceWeight": 0.10
},
"decisionTime": "2026-05-30T10:30:00Z",
"decisionLatency": 12
}
}
路由系统需要在毫秒级完成决策，缓存设计至关重要：
| 缓存层 | 数据内容 | 过期时间 | 存储方式 |
|---|---|---|---|
| L1 本地缓存 | 通道健康度快照（秒级更新） | 1s | 本地内存 |
| L2 Redis缓存 | 通道成功率统计（分钟级聚合） | 60s | Redis |
| L3 数据库 | 通道历史表现（小时级聚合） | 3600s | MySQL/TiDB |
缓存加载策略：
路由请求到达
├── L1 缓存命中 → 直接使用
├── L1 未命中 → 查 L2
│ ├── L2 命中 → 回填 L1
│ └── L2 未命中 → 查 L3
│ └── L3 命中 → 回填 L2、L1
└── 所有缓存未命中 → 实时计算通道分数
交易失败后，路由系统应在毫秒级内自动切换重试通道：
重试策略对比：
| 策略 | 说明 | 适用场景 | 成功率提升 |
|---|---|---|---|
| 简单重试 | 同通道重试1次 | 网络闪断等瞬时错误 | +1~2% |
| 通道切换 | 切换另一个通道重试 | 通道服务端错误 | +5~8% |
| 降级处理 | 降低风控等级重试 | 风控误杀 | +3~5% |
| 异步重试 | 放入延迟队列，稍后重试 | 系统繁忙 | +1~3% |
| 非实时通道 | 改走电汇等慢通道 | 时效性不高的交易 | +10~15% |
重试次数与间隔（推荐配置）：
| 重试序号 | 策略 | 间隔 | 超时 |
|---|---|---|---|
| 1 | 同通道重试 | 0ms（立即） | 5s |
| 2 | 切换通道 | 0ms（立即） | 5s |
| 3 | 切换通道（不同卡组织） | 500ms | 8s |
| 4 | 降级通道（如绕过3DS） | 1s | 10s |
| 5 | 异步入队列 | 30s后处理 | 30s |
当所有通道不可用时，系统应执行降级保证用户体验：
| 降级级别 | 处理方式 | 用户感知 | 业务影响 |
|---|---|---|---|
| L0（正常） | 正常路由 | 正常支付 | 无 |
| L1（轻度） | 关闭慢通道，保留Top3 | 无明显变化 | 成功率降低2% |
| L2（中度） | 仅保留最优通道，关闭辅助服务 | 支付变慢1-2秒 | 成功率降低5% |
| L3（重度） | 仅处理特定通道（如仅Visa） | 部分卡种无法支付 | 成功率降低10-15% |
| L4（紧急） | 停止处理，返回用户友好提示 | 无法支付 | 全部失败 |
支付路由的总成本由多个部分组成：
各成本项说明：
| 成本项 | 定义 | 典型范围 | 计算方式 |
|---|---|---|---|
| 通道处理费 | 0.5%–3.5% | 固定费用 + 费率 × 交易金额 | |
| 汇率转换成本 | 0.1%–1.0% | 买卖差价 × 交易金额 | |
| 失败交易的隐性成本 | 0.05%–0.5% | 失败率 × 潜在收入损失 | |
| 合规审查摊销 | 固定成本 | 总合规成本 / 交易量 | |
| 通道对接运维成本 | 固定成本 | 通道对接团队成本 / 交易量 |
以一笔 $100 的跨境交易为例：
| 成本项 | 通道A（国际卡组织） | 通道B（本地收单） | 通道C（数字钱包） |
|---|---|---|---|
| 处理费 | $0.10 + $1.50 = $1.60 $0.05 + $1.00 = $1.05 | $0.20 + $1.80 = $2.00 | |
| 汇率成本 | $0.25（0.25%） $0.10（0.10%） | $0.30（0.30%） | |
| 失败成本 | $0.08（5%失败率） $0.03（3%失败率） | $0.10（5%失败率） | |
| 合规摊销 | $0.02 $0.01 | $0.02 | |
| 总成本 | $1.95 $1.19 | $2.42 |
通道B显然是最低成本选择。但注意，如果通道B的成功率显著低于通道A，隐性失败成本可能会改变最优选择。
不同交易金额下的最优通道可能不同：
| 交易金额 | 通道A成本 | 通道B成本 | 通道C成本 | 最优 |
|---|---|---|---|---|
| $10 $0.25 | $0.25 $0.32 | A/B | ||
| $50 $0.85 | $0.55 $0.80 | B | ||
| $100 $1.60 | $1.05 $1.40 | B | ||
| $500 $7.60 | $5.05 $6.20 | B | ||
| $1,000 $15.10 | $10.05 $12.20 | B | ||
| $5,000 $75.10 | $50.05 $60.20 | B | ||
| $10,000 $150.10 | $100.05 $120.20 | B |
当金额增大时，固定费用的差异被摊薄，费率差异成为主导因素。此处通道B的低费率使其在所有金额上都优于通道A。
但考虑不同的费率结构时：
| 交易金额 | 通道A（1.2%+$0.15） 通道B（2.0%+$0.05） | 最优 |
|---|---|---|
| $10 $0.27 | $0.25 | B |
| $50 $0.75 | $1.05 | A |
| $100 $1.35 | $2.05 | A |
| $500 $6.15 | $10.05 | A |
当通道A的费率低于通道B时，超过某个阈值后通道A成为更优选择。阈值计算：
当交易金额 > $12.50 时，通道A优于通道B。
| 指标 | 告警条件 | 响应时间 | 处理方式 |
|---|---|---|---|
| 全局成功率下降 | 相比前1小时下降 > 3% | 1分钟 | 自动降级通道、通知值班 |
| 单通道成功率骤降 | 低于 85% | 30秒 | 自动切换、逐出路由池 |
| 路由决策延迟上升 | 平均 > 100ms | 5分钟 | 检查缓存命中率、优化决策逻辑 |
| 成本异常 | 单通道成本波动 > 20% | 15分钟 | 检查费率变更、核对账单 |
| 缓存命中率下降 | 低于 90% | 5分钟 | 检查缓存配置、扩大缓存容量 |
支付路由是支付系统的"大脑"，直接影响交易成功率、成本和用户体验。一个成熟的支付路由系统需要综合规则引擎、机器学习、实时监控和弹性降级能力：
从骨架到成熟的路由系统是一个持续迭代的过程，每次路由优化都直接对应着商业价值的提升。