阿里P7的消息中心架构设计笔记

前言

最近我们在重构消息中心，关于设计上的部分记录一下笔记，希望能够帮助到正在做类似设计的。另外我创建了一个高级研发的笔记分享群，免费加入，有兴趣的可以在文章底部扫描二维码加入

需求

我们的消息中心主要服务于如下场景：

1、业务使用消息通知对应人员；这也是我们目前主要的使用场景

2、给租户发送通知；如新功能上线，试用，开通功能场景

3、运营类的场景

以上只是列举了在企业中常见的3个场景，其实还有很多，消息中心存在着以下几个特征：

调用量大

消息中心的上游系统很多是监控系统、或者是营销系统等，这些系统的特点就是瞬间的调用量大，比如当云厂商发生故障时，基本上所有的监控系统都在告警，往外push消息。又或者营销系统在某个时间点大量发送营销消息。这个问题的答案就是引入MQ来削峰。

低延迟

业务方通常希望自己的消息越快越好，最好实时送达，但是我们的资源是有限的，所以我们应该给消息分级别和分泳道，因为重要的消息一般量小，需要低延时。而不重要的消息量大，往往可以接收一定时间的延时。按消息级别分泳道，不要让不重要的消息阻塞重要消息的发送。

不丢消息、不重复发送消息

消息要保证不丢失，不重复发送。我们要记录消息的状态，保证消息的幂等，还要支持发送失败的消息自动或手动重试。

历史消息查询和备份

我们可以分库分表，或者定期归档到hdfs。

消息统计分析

对消息的统计和分析主要用来治理我们的上游调用方，比如：有些业务大量的使用重要级别发送不重要消息，或者大量消息占用成本等等。

整体设计

我们先来看下整体的设计

消息配置准备流程

消息推送流程

消息任务生命周期

消息中心关键业务对象

用户免打扰
某些用户可能不想接收消息，某些场景下用户可以主动设置，租户管理员也可以手动设置某些用户免打扰，不需要接收消息，或者限制接收消息的频次

技术方案

推模型
一般来说消息都是读多写少

拉模型
官方消息其实很少，可以采用客户端拉取模型

当然如果数据量太大可以放弃掉mysql，改用hbase存储

为什么是Hbase？
HBase 和 MySQL 的核心差异在于底层的数据结构，HBase 使用 LSM(Log-Structure Merge)树，Innodb 使用 B+树。

LSM 树，即日志结构合并树(Log-Structured Merge-Tree)。其实它并不属于一个具体的数据结构，它更多是一种数据结构的设计思想。

核心思路其实非常简单，就是假定内存足够大，因此不需要每次有数据更新就必须将数据写入到磁盘中，而可以先将最新的数据驻留在内存中，等到积累到最多之后，再使用归并排序的方式将内存内的数据合并追加到磁盘队尾 (因为所有待排序的树都是有序的，可以通过合并排序的方式快速合并到一起)。

LSM 具有批量特性，存储延迟。当写读比例很大的时候（写比读多），LSM 树相比于 B 树有更好的性能。因为随着 insert 操作，为了维护 B 树结构，节点分裂。读磁盘的随机读写概率会变大，性能会逐渐减弱。多次单页随机写，变成一次多页随机写,复用了磁盘寻道时间，极大提升效率。

缓解压力

1、异步写入消息

2、先写缓存

优先分发

利用消息优先级队列，将不同优先级的消息发送到不同的队列当中

SPI机制的运用

消息限流规则场景，用户可以利用SPI机制自定义限流规则

设计模式的运用

1、渠道工厂
利用工厂模式创建渠道对象

2、模板方法+策略模式-发送消息流程
消息发送的流程大体上是一致的，比如 选择渠道-》执行消息推送-》消息日志记录-〉状态更新

3、状态模式-消息状态
消息是有状态的，就绪、发送、到达、丢失、创建，每一个状态都有对应的逻辑，如果消息到达后会更改状态

DDD上下文划分

关于DDD的上下文划分也给出来了，DDD其实在我们系统设计中用到很多了，无论是子域、上下文划分到聚合设计

未来展望

一个租户的短信消息可能走阿里云短信，可能走腾讯云短信

这样做一方面是为了并发处理和可用性，一方面是为了节省成本支出，因为不同数量的短信在不同的厂商的价格是不一样的。我们可以组合不同的价格策略对外提供消息价格，比如，外部接入消息价格为1条消息1毛，腾讯云和阿里云每个账号1w以下免费，那么我们就可以白赚2w条消息的钱。

另外给大家推荐一个我常用的面试题、面试经验集合，涵盖中高级JAVA、架构、前端、GO
、测试，点击访问