引言

在互聯(lián)網(wǎng)應(yīng)用中，站內(nèi)未讀消息系統(tǒng)是維系用戶活躍度與粘性的核心功能之一。當(dāng)面對(duì)如“享讀系統(tǒng)”這樣需要支撐50萬(wàn)Qps（每秒查詢量）的高并發(fā)場(chǎng)景時(shí)，傳統(tǒng)的數(shù)據(jù)庫(kù)直接讀寫(xiě)方案會(huì)迅速成為性能瓶頸。本文將系統(tǒng)性地探討如何設(shè)計(jì)一個(gè)高可用、低延遲、可擴(kuò)展的站內(nèi)未讀消息系統(tǒng)，以應(yīng)對(duì)海量實(shí)時(shí)請(qǐng)求的挑戰(zhàn)。

一、 核心挑戰(zhàn)與設(shè)計(jì)目標(biāo)

在50萬(wàn)Qps的壓力下，系統(tǒng)設(shè)計(jì)面臨多重挑戰(zhàn)：

1. 極致性能與低延遲：用戶對(duì)未讀數(shù)的感知要求幾乎是實(shí)時(shí)的，讀取延遲必須控制在毫秒級(jí)。
2. 高并發(fā)寫(xiě)入：用戶每閱讀一條消息、系統(tǒng)每推送一條新消息，都可能觸發(fā)未讀數(shù)的更新，寫(xiě)入并發(fā)量巨大。
3. 數(shù)據(jù)一致性：在分布式環(huán)境下，保證用戶看到的未讀計(jì)數(shù)準(zhǔn)確無(wú)誤，避免出現(xiàn)多讀或少讀。
4. 可擴(kuò)展性與高可用：系統(tǒng)需能隨著用戶量增長(zhǎng)平滑擴(kuò)容，且任何單點(diǎn)故障不應(yīng)影響核心服務(wù)。

因此，我們的設(shè)計(jì)目標(biāo)聚焦于：讀擴(kuò)散、異步化、內(nèi)存優(yōu)先、最終一致性。

二、 架構(gòu)設(shè)計(jì)總覽

整體架構(gòu)采用分層、分模塊的設(shè)計(jì)思想，核心分為三層：

1. 接入層：采用高性能網(wǎng)關(guān)（如Nginx、API Gateway）進(jìn)行負(fù)載均衡與請(qǐng)求路由，并實(shí)現(xiàn)限流、熔斷等保護(hù)措施。
2. 邏輯服務(wù)層：

• 消息投遞服務(wù)：負(fù)責(zé)處理新消息的創(chuàng)建與分發(fā)邏輯，將“有新消息”這個(gè)事件異步通知給計(jì)數(shù)服務(wù)。

• 未讀計(jì)數(shù)服務(wù)：系統(tǒng)的核心，負(fù)責(zé)未讀計(jì)數(shù)的增、刪、改、查。它不直接處理業(yè)務(wù)邏輯，而是作為計(jì)數(shù)緩存的管理者。

• 會(huì)話/列表服務(wù)：負(fù)責(zé)管理用戶的消息會(huì)話列表和消息內(nèi)容本身，與計(jì)數(shù)服務(wù)解耦。

1. 數(shù)據(jù)存儲(chǔ)層：采用多級(jí)混合存儲(chǔ)策略。

三、 核心設(shè)計(jì)策略

1. 讀寫(xiě)分離與讀擴(kuò)散

放棄為每條消息單獨(dú)標(biāo)記已讀/未讀的“寫(xiě)擴(kuò)散”模式（存儲(chǔ)開(kāi)銷(xiāo)和寫(xiě)入壓力巨大）。采用 “讀擴(kuò)散” 模式：

• 未讀集存儲(chǔ)：系統(tǒng)只為每個(gè)用戶維護(hù)一個(gè)未讀消息ID的集合（或一個(gè)總計(jì)數(shù)）。
• 判定邏輯：當(dāng)用戶查詢某個(gè)會(huì)話的未讀數(shù)時(shí)，由服務(wù)端實(shí)時(shí)計(jì)算：該會(huì)話的最新消息ID與用戶已讀的最后一條消息ID之間的差值（或檢查消息ID是否在用戶的未讀集合中）。這將對(duì)數(shù)據(jù)庫(kù)的頻繁寫(xiě)入轉(zhuǎn)移為對(duì)緩存的高效讀取。

2. 緩存優(yōu)先與存儲(chǔ)選型

• 一級(jí)緩存（熱點(diǎn)數(shù)據(jù)）：使用 Redis 集群作為核心計(jì)數(shù)存儲(chǔ)。
• 存儲(chǔ)結(jié)構(gòu)：為每個(gè)用戶維護(hù)一個(gè) Hash，鍵為 uid，字段為會(huì)話ID（sid），值為該會(huì)話的未讀數(shù)。可以設(shè)置一個(gè)總未讀數(shù)的字段。

• 優(yōu)勢(shì)：內(nèi)存讀寫(xiě)，性能極高；豐富的數(shù)據(jù)結(jié)構(gòu)（Hash, Sorted Set）能很好支撐聚合查詢和范圍查詢。

• 容量規(guī)劃：以2億用戶，每個(gè)用戶平均10個(gè)活躍會(huì)話估算，存儲(chǔ)量可控，可通過(guò)集群分片（如Codis, Redis Cluster）輕松擴(kuò)展。

• 二級(jí)備份與持久化：使用 Apache Cassandra 或 TiDB 等分布式數(shù)據(jù)庫(kù)。
• 作用：持久化存儲(chǔ)全量的用戶-會(huì)話未讀關(guān)系，作為Redis數(shù)據(jù)的備份和恢復(fù)源。

• 選型理由：它們具有高寫(xiě)入吞吐、線性擴(kuò)展能力，適合海量數(shù)據(jù)的最終一致性存儲(chǔ)。

• 消息同步：采用 異步雙寫(xiě) 或 Write-Through 策略。所有計(jì)數(shù)更新先寫(xiě)入Redis，確保前端響應(yīng)速度；隨后通過(guò)消息隊(duì)列（如Apache Kafka, RocketMQ）異步同步到分布式數(shù)據(jù)庫(kù)，實(shí)現(xiàn)最終一致性。

3. 計(jì)數(shù)更新策略——增量與合并

直接為每條新消息實(shí)時(shí)更新全局計(jì)數(shù)會(huì)給Redis帶來(lái)巨大壓力。優(yōu)化方案：

• 本地累加：在消息投遞服務(wù)中，為每個(gè)用戶維護(hù)一個(gè)小的內(nèi)存累加器（如Guava Cache），在短時(shí)間內(nèi)（如1秒）將多次增量合并為一次更新操作，再批量寫(xiě)入Redis。這能極大減少對(duì)Redis的網(wǎng)絡(luò)請(qǐng)求和寫(xiě)入命令。
• 延遲更新：對(duì)于非強(qiáng)實(shí)時(shí)性的全局總未讀數(shù)，可以接受秒級(jí)的延遲更新，通過(guò)后臺(tái)任務(wù)定期從各會(huì)話計(jì)數(shù)聚合計(jì)算。

4. 容災(zāi)與數(shù)據(jù)一致性保障

• Redis數(shù)據(jù)持久化與備份：開(kāi)啟AOF和RDB，結(jié)合哨兵或集群模式實(shí)現(xiàn)高可用。
• 兜底查詢：當(dāng)Redis集群發(fā)生故障或緩存未命中時(shí)，服務(wù)應(yīng)能自動(dòng)降級(jí)，從分布式數(shù)據(jù)庫(kù)中查詢并回種緩存。為防止緩存擊穿，需使用分布式鎖或布隆過(guò)濾器。
• 最終一致性核對(duì)：設(shè)立定時(shí)對(duì)賬任務(wù)，比對(duì)Redis與分布式數(shù)據(jù)庫(kù)中的計(jì)數(shù)差異，并進(jìn)行修復(fù)，確保數(shù)據(jù)長(zhǎng)期準(zhǔn)確。

四、 關(guān)鍵流程示例

1. 用戶查詢未讀數(shù)（讀流程）：

• 請(qǐng)求到達(dá)網(wǎng)關(guān)，路由至未讀計(jì)數(shù)服務(wù)。

• 服務(wù)直接查詢Redis集群中對(duì)應(yīng)用戶的Hash結(jié)構(gòu)，獲取各會(huì)話未讀數(shù)及總數(shù)。

• 毫秒級(jí)返回結(jié)果。

1. 新消息到達(dá)（寫(xiě)流程）：

• 消息投遞服務(wù)將新消息持久化到消息庫(kù)。

• 向Kafka發(fā)送一個(gè)事件：{"uid": 123, "sid": 456, "increment": 1}。

• 未讀計(jì)數(shù)服務(wù)消費(fèi)該事件，先在本地累加器合并增量。

• 累加器定時(shí)（如每秒）將合并后的增量（例如，{123: {456: 5}} 表示用戶123在會(huì)話456的未讀數(shù)需增加5），通過(guò) HINCRBY 命令批量更新至Redis。

• 另一個(gè)消費(fèi)者將同樣的更新異步寫(xiě)入Cassandra進(jìn)行持久化。

五、 性能估算與優(yōu)化

• Redis集群估算：假設(shè)50萬(wàn)Qps全部為讀請(qǐng)求，單Redis實(shí)例（分片）處理約8-10萬(wàn)Qps，則需要約5-7個(gè)分片組成的集群。實(shí)際中讀寫(xiě)混合，需根據(jù)比例增加資源。通過(guò)Pipeline和批量命令可進(jìn)一步提升吞吐。
• 網(wǎng)絡(luò)與序列化：使用高性能序列化協(xié)議（如Protobuf），優(yōu)化網(wǎng)關(guān)與服務(wù)間的網(wǎng)絡(luò)通信。
• 監(jiān)控與調(diào)優(yōu)：建立完善的監(jiān)控體系（如Prometheus + Grafana），實(shí)時(shí)跟蹤Qps、延遲、緩存命中率、數(shù)據(jù)庫(kù)負(fù)載等核心指標(biāo)，以便動(dòng)態(tài)調(diào)整和擴(kuò)容。

結(jié)論

設(shè)計(jì)一個(gè)支持50萬(wàn)Qps的站內(nèi)未讀消息系統(tǒng)，關(guān)鍵在于將核心的計(jì)數(shù)功能從傳統(tǒng)數(shù)據(jù)庫(kù)中剝離，構(gòu)建一個(gè)以內(nèi)存緩存（Redis）為核心、異步持久化為保障的獨(dú)立服務(wù)體系。通過(guò)采用“讀擴(kuò)散”、增量合并、多級(jí)緩存、最終一致性等設(shè)計(jì)模式，能夠有效化解高并發(fā)壓力，實(shí)現(xiàn)低延遲、高可用的目標(biāo)。享讀系統(tǒng)的實(shí)踐表明，清晰的分層架構(gòu)和針對(duì)性的技術(shù)選型，是應(yīng)對(duì)此類(lèi)規(guī)模挑戰(zhàn)的堅(jiān)實(shí)基礎(chǔ)。系統(tǒng)上線后，仍需持續(xù)監(jiān)控和迭代，以應(yīng)對(duì)未來(lái)可能增長(zhǎng)的業(yè)務(wù)量。