本文由達達京東到家Java工程師季炳坤原創分享。
1、前言
達達-京東到家作為優秀的即時配送物流平臺，實現了多渠道的訂單配送，包括外賣平臺的餐飲訂單、新零售的生鮮訂單、知名商戶的優質訂單等。為了提升平臺的用戶粘性，我們需要兼顧商戶和騎士的各自愿景：商戶希望訂單能夠準時送達，騎士希望可以高效搶單。那么在合適的時候提升訂單定制化的曝光率，是及時送物流平臺的核心競爭力之一。
本文將描述“達達-京東到家”的訂單即時派發系統從無到有的系統演進過程，以及方案設計的關鍵要點，希望能為大家在解決相關業務場景上提供一個案例參考。
關于“達達-京東到家”：
達達-京東到家，是同城速遞信息服務平臺和無界零售即時消費平臺。達達-京東到家創始人兼首席執行官蒯佳祺；
公司旗下，目前已覆蓋全國400 多個主要城市，服務超過120萬商家用戶和超 5000萬個人用戶；
2018年8月，達達-京東到家正式宣布完成最新一輪5億美元融資，投資方分別為沃爾瑪和京東。
（本文同步發布于：http://www.52im.net/thread-1928-1-1.html）
2、關于作者
季炳坤：“達達-京東到家”Java工程師，負責“達達-京東到家”的訂單派發、訂單權限、合并訂單等相關技術工作的實現。
3、訂單即時派發架構的演進
在公司發展的初期，我們的外賣訂單從商戶發單之后直接出現在搶單池中，3公里之內的騎士能夠看到訂單，并且從訂單卡片中獲取配送地址、配送時效等關鍵信息。這種暴力的顯示模式，很容易造成騎士挑選有利于自身的訂單進行配送，從而導致部分訂單超時未被配送。這樣的模式，在一定程度上導致了商戶的流失，同時也浪費了騎士的配送時間。
從上面的場景可以看出來，我們系統中缺少一個訂單核心調度者。有一種方案是選擇區域訂單的訂單調度員，由調度員根據騎士的接單情況、配送時間、訂單擠壓等實時情況來進行訂單調度。這種模式，看似可行，但是人力成本投入太高，且比較依賴個人的經驗總結。
核心問題已經出來了：個人的經驗總結會是什么呢?
1） 騎士正在配送的訂單的數量，是否已經飽和；
2） 騎士的配送習慣是什么；
3） 某一階段的訂單是否順路，騎士是否可以一起配送；
4） 騎士到店駐留時間的預估；
5） ...
理清核心問題的答案，我們的系統派單便成為了可能。
基于以上的原理，訂單派發模式就可以逐漸從搶單池的訂單顯示演變成系統派單：
我們將會：
1）記錄商戶發單行為；
2）騎士配送日志及運行軌跡等信息。
并且經過數據挖掘和數據分析：
1）獲取騎士的畫像；
2）騎士配送時間的預估；
3）騎士到店駐留時間的預估等基礎信息；
4）使用遺傳算法規劃出最優的配送路徑；
5）...
經過上述一系列算法，我們將在騎士池中匹配出最合適的騎士，進而使用長連接（Netty）不間斷的通知到騎士。
隨著達達業務的不斷迭代，訂單配送逐漸孵化出基于大商戶的駐店模式：基于商戶維護一批固定的專屬騎士，訂單只會在運力不足的時候才會外發到搶單池中，正常情況使用派單模式通知騎士。
4、訂單派發模型的方案選型
訂單派發可以淺顯的認為是一種信息流的推薦。在訂單進入搶單池之前，我們會根據每個城市的調度情況，先進行輪詢N次的派單。
大概的表現形式如下圖：
舉例：有筆訂單需要進行推送，在推送過程中，我們暫且假設一直沒有騎士接單，那么這筆訂單會每間隔N秒便會進行一次普通推薦，然后進入搶單池。
從訂單派發的流程周期上可以看出來，派發模型充斥著大量的延遲任務，只要能解決訂單在什么時候可以進行派發，那么整個系統 50% 的功能點就能迎刃而解。
我們先了解一下經典的延遲方案，請繼續往下讀。。。
4.1 方案1：數據庫輪詢
通過一個線程定時的掃描數據庫，獲取到需要派單的訂單信息。
優點：開發簡單，結合quartz即可以滿足分布式掃描；
缺點：對數據庫服務器壓力大,不利于項目后續發展。
4.2 方案2：JDK的延遲隊列 - DelayQueue
DelayQueue是Delayed元素的一個無界阻塞隊列，只有在延遲期滿時才能從中提取元素。隊列中對象的順序按到期時間進行排序。
優點：開發簡單，效率高，任務觸發時間延遲低；
缺點：服務器重啟后，數據會丟失，要滿足高可用場景，需要hook線程二次開發；宕機的擔憂；如果數據量暴增，也會引起OOM的情況產生。
4.3 方案3：時間輪 - TimingWheel
時間輪的結構原理很簡單，它是一個存儲定時任務的環形隊列，底層是由數組實現，而數組中的每個元素都可以存放一個定時任務列表。列表中的每一項都表示一個事件操作單元，當時間指針指向對應的時間格的時候，該列表中的所有任務都會被執行。 時間輪由多個時間格組成，每個時間格代表著當前實踐論的跨度，用tickMs代表；時間輪的個數是固定的，用wheelSize代表。
整個時間輪的跨度用interval代表，那么指針轉了一圈的時間為：
interval = tickMs * wheelSize
如果tickMs=1ms，wheelSize=20，那么便能計算出此時的時間是以20ms為一轉動周期，時間指針（currentTime）指向wheelSize=0的數據槽，此時有5ms延遲的任務插入了wheelSize=5的時間格。隨著時間的不斷推移，指針currentTime不斷向前推進，過了5ms之后，當到達時間格5時，就需要將時間格5所對應的任務做相應的到期操作。
如果此時有個定時為180ms的任務該如何處理？很直觀的思路是直接擴充wheelSize？這樣會導致wheelSize的擴充會隨著業務的發展而不斷擴張，這樣會使時間輪占用很大的內存空間，導致效率低下，因此便衍生出了層級時間輪的數據結構。
180ms的任務會升級到第二層時間輪中，最終被插入到第二層時間輪中時間格#8所對應的TimerTaskList中。如果此時又有一個定時為600ms的任務，那么顯然第二層時間輪也無法滿足條件，所以又升級到第三層時間輪中，最終被插入到第三層時間輪中時間格#1的TimerTaskList中。注意到在到期時間在[400ms,800ms)區間的多個任務（比如446ms、455ms以及473ms的定時任務）都會被放入到第三層時間輪的時間格#1中，時間格#1對應的TimerTaskList的超時時間為400ms。
隨著時間輪的轉動，當TimerTaskList到期時，原本定時為450ms的任務還剩下50ms的時間，還不能執行這個任務的到期操作。便會有個時間輪降級的操作，會將這個剩余時間50ms的定時任務重新提交到下一層級的時間輪中，所以該任務被放到第二層時間輪到期時間為 [40ms,60ms) 的時間格中。再經歷了40ms之后，此時這個任務又被觸發到，不過還剩余10ms，還是不能立即執行到期操作。所以還要再一次的降級，此任務會被添加到第一層時間輪到期時間為[10ms,11ms)的時間格中，之后再經歷10ms后，此任務真正到期，最終執行相應的到期操作。
優點：效率高，可靠性高(Netty,Kafka,Akka均有使用)，便于開發；
缺點：數據存儲在內存中，需要自己實現持久化的方案來實現高可用。
5、訂單派發方案的具體實現
結合了上述的三種方案，最后決定使用redis作為數據存儲，使用timingWhell作為時間的推動者。這樣便可以將定時任務的存儲和時間推動進行解耦，依賴Redis的AOF機制，也不用過于擔心訂單數據的丟失。
kafka中為了處理成千上萬的延時任務選擇了多層時間輪的設計，我們從業務角度和開發難度上做了取舍，只選擇設計單層的時間輪便可以滿足需求。
1）時間格和緩存的映射維護：
假設當前時間currentTime為11:49:50，訂單派發時間dispatchTime為11:49:57，那么時間輪的時間格#7中會設置一個哨兵節點（作為是否有數據存儲在redis的依據 ）用來表示該時間段是否會時間事件觸發，同時會將這份數據放入到緩存中（key=dispatchTime+ip）, 當7秒過后，觸發了該時間段的數據，便會從redis中獲取數據，異步執行相應的業務邏輯。最后，防止由于重啟等一些操作導致數據的丟失，哨兵節點的維護也會在緩存中維護一份數據，在重啟的時候重新讀取。
2）緩存的key統一加上IP標識：
由于我們的時間調度器是依附于自身系統的，通過將緩存的key統一加上IP的標識，這樣就可以保證各臺服務器消費屬于自身的數據，從而防止分布式環境下的并發問題，也可以減輕遍歷整個列表帶來的時間損耗（時間復雜度為O(N)）。
3）使用異步線程處理時間格中對應的數據：
使用異步線程，是考慮到如果上一個節點發生異常或者超時等情況，會延誤下一秒的操作，如果使用異常可以改善調度的即時性問題。
我們在設計系統的時候，系統的完善度和業務的滿足度是互相關聯影響的，單從上述的設計看，是會有些問題的，比如使用IP作為緩存的key，如果集群發生變更便會導致數據不會被消費；使用線程池異步處理也有概率導致數據不會被消費。這些不會被消費的數據會進入到搶單池中。從派單場景的需求來看，這些場景是可以被接受的，當然了，我們系統會有腳本來進行定期的篩選，將那些進入搶單池的訂單進行再次派單。
* 思考：為什么不使用ScheduledThreadPoolExecutor來定時輪詢redis?
原因是即便這樣可以完成業務上的需求，獲取定時觸發的任務，但是帶來的空查詢不但會拉高服務的CPU，redis的QPS也會被拉高，可能會導致redis的慢查詢會顯著增多。
6、結語
我們在完成一個功能的時候，往往需要一些可視化的數據來確定業務發展的正確性。因此我們在開發的時候，也相應的記錄了一些訂單與騎士的交互動作。從每天的報表數據可以看出來，90% 以上的訂單是通過派單發出并且被騎士認可接單。
訂單派發的模式是提升訂單曝光率有效的技術手段，我們一直結合大數據、人工智能等技術手段希望能更好的做好訂單派發，能提供更加多元化的功能，將達達打造成更加一流的配送平臺。
附錄：更多相關技術文章
《偽即時通訊：分享滴滴出行iOS客戶端的演進過程》
《iOS的推送服務APNs詳解：設計思路、技術原理及缺陷等》
《信鴿團隊原創：一起走過 iOS10 上消息推送(APNS)的坑》
《Android端消息推送總結：實現原理、心跳保活、遇到的問題等》
《掃盲貼：認識MQTT通信協議》
《一個基于MQTT通信協議的完整Android推送Demo》
《IBM技術經理訪談：MQTT協議的制定歷程、發展現狀等》
《求教android消息推送：GCM、XMPP、MQTT三種方案的優劣》
《移動端實時消息推送技術淺析》
《掃盲貼：淺談iOS和Android后臺實時消息推送的原理和區別》
《絕對干貨：基于Netty實現海量接入的推送服務技術要點》
《移動端IM實踐：谷歌消息推送服務(GCM)研究（來自微信）》
《為何微信、QQ這樣的IM工具不使用GCM服務推送消息？》
《極光推送系統大規模高并發架構的技術實踐分享》
《從HTTP到MQTT：一個基于位置服務的APP數據通信實踐概述》
《魅族2500萬長連接的實時消息推送架構的技術實踐分享》
《專訪魅族架構師：海量長連接的實時消息推送系統的心得體會》
《深入的聊聊Android消息推送這件小事》
《基于WebSocket實現Hybrid移動應用的消息推送實踐(含代碼示例)》
《一個基于長連接的安全可擴展的訂閱/推送服務實現思路》
《實踐分享：如何構建一套高可用的移動端消息推送系統？》
《Go語言構建千萬級在線的高并發消息推送系統實踐(來自360公司)》
《騰訊信鴿技術分享：百億級實時消息推送的實戰經驗》
《百萬在線的美拍直播彈幕系統的實時推送技術實踐之路》
《京東京麥商家開放平臺的消息推送架構演進之路》
《了解iOS消息推送一文就夠：史上最全iOS Push技術詳解》
《基于APNs最新HTTP/2接口實現iOS的高性能消息推送(服務端篇)》
《解密“達達-京東到家”的訂單即時派發技術原理和實踐》
>> 更多同類文章 ……
（本文同步發布于：http://www.52im.net/thread-1928-1-1.html）