百万级数量会员平台，如何实现到期提醒功能？

↑↑↑ 欢迎 点赞、关注、收藏！！！，10 年 IT 行业老鸟，持续分享更多 IT 干货

目录

百万级会员的用户平台，如何实现快到期的会员的消息提醒？

回答

1、消息推送表

2、识别快到期的用户

3、如何高效查询出这些用户

4、高效推送策略 ---- 异步推送

5、防疲劳机制

6、异常处理

7、优化

---

百万级会员的用户平台，如何实现快到期的会员的消息提醒？

---

回答

1. 前提：百万级会员，这个量级不算大！！！，单表即可。

2. 技术造型

   • 模块	可选技术方案
     分布式任务	XXL-JOB / Elastic Job
     消息队列	RocketMQ（事务消息）
     防重/缓存	Redis（Hash结构存储key）
     数据库	MySQL（单表+索引优化）

1、消息推送表

推送表，参考链接：https://www.yuque.com/hollis666/go2k1v/kn7zs8zpuqeauh3g?inner=ugDmb

核心功能：

1. 幂等控制（相同user_id+channel仅推送一次）

2. 失败重试（阈值控制，如最多3次）

3. 数据归档（定期迁移历史数据）

2、识别快到期的用户

 -- 查询还有 3 天到期的用户
 SELECT id
 FROM users
 WHERE expire_time 
   BETWEEN CURDATE() + INTERVAL 3 DAY 
   AND CURDATE() + INTERVAL 4 DAY - INTERVAL 1 SECOND;

3、如何高效查询出这些用户

分片查询

使用 XXL-JOB 的分片任务，按照用户ID进行分片。

比如，有10台机器，分表扫描尾号为0-9的用户。这样，10 台机器一起扫描这100万的数据。

 SELECT id
 FROM users
 WHERE expire_time 
   BETWEEN CURDATE() + INTERVAL 3 DAY 
   AND CURDATE() + INTERVAL 4 DAY - INTERVAL 1 SECOND and user_id like "%0";
 ​
 SELECT id
 FROM users
 WHERE expire_time 
   BETWEEN CURDATE() + INTERVAL 3 DAY 
   AND CURDATE() + INTERVAL 4 DAY - INTERVAL 1 SECOND and user_id like "%9";

• 参考：

  1. https://www.yuque.com/hollis666/go2k1v/ikdbgt9mpm46u298

  2. https://www.yuque.com/hollis666/go2k1v/vnzzza8v69078qc1

优化

在上面的 SQL 中，`like "%0" 是没办法走索引的。

我们可以把 user_id 和 expire_time 建一个联合索引，让它走索引，进一步提升查询性能。

参考：https://gitee.com/wtfocus/geek-java-notes/blob/master/Java%20%E5%85%AB%E8%82%A1/07-MySQL/MySQL%20like%20%E4%BC%98%E5%8C%96.md

4、高效推送策略 ---- 异步推送

定时任务MQ推送服务第三方渠道消息表批量推送user_id列表消费消息批量发送（多线程）返回结果更新状态定时任务MQ推送服务第三方渠道消息表

优化点：

• 异步解耦（扫表与推送分离）

• 批量消息+多线程提升吞吐量

5、防疲劳机制

 # Redis防重复推送示例
 def send_notification(user_id, channel):
     key = f"notify:{user_id}:{channel}"
     if not redis.exists(key):
         # 发送推送
         send(user_id, channel)
         # 设置24小时过期
         redis.setex(key, 86400, 1)

特殊规则

• 配置拦截器：22:00-6:00禁止推送

• 渠道限流：短信通道QPS限制（如1000/秒）

6、异常处理

场景	解决方案
推送失败	基于消息表状态重试（阈值3次）
消息表堆积	归档历史数据（保留最近3个月）
渠道故障	自动切换备选渠道/人工告警

7、优化

1. 动态配置：推送频率/渠道权重通过配置中心实时调整

2. 数据分析：推送表关联用户行为数据，优化推送时机

3. 兜底策略：渠道异常时自动降级至站内信

↑↑↑ 欢迎 点赞、关注、收藏！！！，10 年 IT 行业老鸟，持续分享更多 IT 干货