業(yè)務(wù)專線：13711534025
春節(jié)期間，無意中看到一篇文章，文章中講到12306的業(yè)務(wù)復(fù)雜度遠(yuǎn)遠(yuǎn)比淘寶天貓這種電商網(wǎng)站要復(fù)雜。后來自己想想，也確實(shí)如此。所以，很想挑戰(zhàn)一下12306這個(gè)系統(tǒng)的核心領(lǐng)域模型的設(shè)計(jì)。一般的電商網(wǎng)站，購買都是基于商品的概念，每個(gè)商品有一定量的庫存，用戶的購買行為是針對商品的。當(dāng)用戶發(fā)起購買行為時(shí)，系統(tǒng)只需要生成訂單并對用戶要購買的商品減庫存即可。但是，12306就不是那么簡單了，具體復(fù)雜在哪里，我下面會(huì)進(jìn)一步分析。
另外一個(gè)讓我寫這篇文章的原因，是我發(fā)現(xiàn)也許是否是因?yàn)槟壳?2306的核心領(lǐng)域模型設(shè)計(jì)的不夠好，導(dǎo)致用戶購票時(shí)要處理的業(yè)務(wù)邏輯異常復(fù)雜，維護(hù)數(shù)據(jù)一致性的難度也幾百倍的上升，同時(shí)面對高并發(fā)的訂票也難以支持很高的TPS。我覺得，越是復(fù)雜的業(yè)務(wù)，就越要重視業(yè)務(wù)分析，重視領(lǐng)域模型的抽象和設(shè)計(jì)。如果不假思索，憑以往經(jīng)驗(yàn)行事，則很可能會(huì)被以往的設(shè)計(jì)經(jīng)驗(yàn)先入為主，陷入死胡同。我發(fā)現(xiàn)技術(shù)人員往往更注重技術(shù)層面的解決方案，比如一上來就分析如何集群、如何負(fù)載均衡、如何排隊(duì)、如何分庫分表、如何用鎖，如何用緩存等技術(shù)問題，而忽略了最根本的業(yè)務(wù)層面的思考，如分析業(yè)務(wù)、領(lǐng)域建模。我認(rèn)為越是復(fù)雜的業(yè)務(wù)系統(tǒng)，則越要設(shè)計(jì)一個(gè)健壯的領(lǐng)域模型。如果一個(gè)系統(tǒng)的架構(gòu)我們設(shè)計(jì)錯(cuò)了，還有補(bǔ)救的余地，因?yàn)榧軜?gòu)最終沉淀的只是代碼，調(diào)整架構(gòu)即可（一個(gè)系統(tǒng)的架構(gòu)本身就是不斷演進(jìn)的）；而如果領(lǐng)域模型設(shè)計(jì)錯(cuò)了，那要補(bǔ)救的代價(jià)是非常大的，因?yàn)轭I(lǐng)域模型沉淀的是數(shù)據(jù)結(jié)構(gòu)及其對應(yīng)的大量數(shù)據(jù)，對任何一個(gè)大型系統(tǒng)，要改核心領(lǐng)域模型都是成本非常高的。
本文的重點(diǎn)不是在如何解決高并發(fā)的問題，而是希望從業(yè)務(wù)角度去分析，12306的理想模型應(yīng)該是怎么樣的。網(wǎng)上目前談12306的文章貌似都是千篇一律的只談技術(shù)，不談業(yè)務(wù)分析和如何建模的。所以我想寫一下自己的設(shè)計(jì)和大家交流學(xué)習(xí)。
12306這個(gè)系統(tǒng)，核心要解決的問題是網(wǎng)上售票。涉及到2個(gè)角色使用該系統(tǒng)：用戶、鐵道部。用戶的核心訴求是查詢余票、購票；鐵道部的核心訴求是售票。購票和售票其實(shí)是一個(gè)場景，對用戶來說是購票，對鐵道部來說是售票。因此，我們要設(shè)計(jì)一個(gè)在線的網(wǎng)站系統(tǒng)，解決用戶的查詢余票、購票，以及鐵道部的售票這3個(gè)核心訴求?？雌饋恚@3個(gè)場景都是圍繞火車票展開的。
查詢余票：用戶輸入出發(fā)地、目的地、出發(fā)日三個(gè)條件，查詢可能存在的車次，用戶可以看到每個(gè)車次經(jīng)過的站點(diǎn)名稱，以及每種座位的余票數(shù)量。
購票：購票分為訂票和付款兩個(gè)階段，本文重點(diǎn)分析訂票的模型設(shè)計(jì)和實(shí)現(xiàn)思路。
其實(shí)還有很多其他的需求，比如給不同的車次設(shè)定銷售座位數(shù)配額，以及不同的區(qū)段設(shè)置不同的限額。但相比前面兩個(gè)需求來說，我覺得這個(gè)需求相對次要一些。
確實(shí)，12306也是一個(gè)電商系統(tǒng)，而且看起來商品就是票了。因?yàn)槿绻岩粡埰笨闯墒且粋€(gè)商品，那購票就類似于購買商品，然后每張票都有庫存，商品也有庫存的概念。但是如果我們仔細(xì)想想，會(huì)發(fā)現(xiàn)12306要復(fù)雜很多，因?yàn)槲覀儫o法預(yù)先確定好所有的票，如果非要確定，那只能通過窮舉法了。
我們以北京西到深圳北的G71車次高鐵為例（這里只考慮南下的方向，不考慮深圳北到北京西的，那是另外一個(gè)車次，叫G72），它有17個(gè)站（北京西是01號(hào)站，深圳北是17號(hào)站），3種座位（商務(wù)、一等、二等）。表面看起來，這不就是3個(gè)商品嗎？G71商務(wù)座、G71一等座、G71二等座。大部分輕易噴12306的技術(shù)人員（包括某些中等規(guī)模公司的專家、CTO）就是在這里栽第一個(gè)跟頭的。實(shí)際上，G71有136*3=408種商品（408個(gè)SKU），怎么算來的？如下：
如果賣北京西始發(fā)的，有16種賣法（因?yàn)楹竺嬗?6個(gè)站），北京西到：保定、石家莊、鄭州、武漢、長沙、廣州、虎門、深圳。。。。都是一個(gè)獨(dú)立的商品，同理，石家莊上車的，有15種下車的可能，以此類推，單以上下車的站來計(jì)算，有136種票：16+15+14....+2+1=136。每種票都有3種座位，一共是408個(gè)商品。
為了方便后面的討論，我們先明確一下票是什么？
一張票的核心信息包括：出發(fā)時(shí)間、出發(fā)地、目的地、車次、座位號(hào)。持有票的人就擁有了一個(gè)憑證，該憑證表示持有它的人可以坐某個(gè)車次的某個(gè)座位號(hào)，從某地到某地。所以，一張票，對用戶來說是一個(gè)憑證，對鐵道部來說是一個(gè)承諾；那對系統(tǒng)來說是什么呢？不知道。這就是我們要分析業(yè)務(wù)，領(lǐng)域建模的原因，我們再繼續(xù)思考吧。
明白了票的核心信息后，我們再看看G71這個(gè)車次的高鐵，可以賣多少張票？
討論前先說明一下，一輛火車的物理座位數(shù)（站票也可以看成是一種座位，因?yàn)檎酒币灿袛?shù)量配額）不等于可用的最大配合。所有的物理座位不可能都通過12306網(wǎng)站來銷售，而是只會(huì)銷售一部分，比如40%。其余的還是會(huì)通過線下的方式銷售。不僅如此，可能有些站點(diǎn)上車的人會(huì)比較多，有些比較少，所以我們還會(huì)給不同的區(qū)間配置不同的限額。比如D31北京南至上海共有765張，北京南有260張，楊柳青有80張，泰安有76張。如果楊柳青的80張票售完就會(huì)顯示無票，就算其他站有票也會(huì)顯示無票的。每個(gè)車次肯定會(huì)有各種座位的配額和限額的配置的，這種配置我目前無法預(yù)料，但我已經(jīng)把這些規(guī)則都封裝近車次聚合根里了，所有的配置策略都是基于座位類型、站點(diǎn)、區(qū)間配置的。關(guān)于票的配置抽象出來，我覺得主要有兩種：1）某個(gè)區(qū)段最多允許出多少張；2）某個(gè)區(qū)段最少允許出多少張。當(dāng)用戶訂票時(shí)，把用戶指定的區(qū)段和這兩種配置條件進(jìn)行比較，兩個(gè)條件都滿足，則可以出票。不滿足，則認(rèn)為無票了。下面舉個(gè)例子：
ABCDEFG，這是所有站點(diǎn)。座位總配額是100，假設(shè)B站點(diǎn)上車，E站下車的人比較少，那我們就可以設(shè)定BE這個(gè)區(qū)段最多只能出10張票。所以，只要是用戶的訂票是在這個(gè)區(qū)段內(nèi)的，就最多出10張。再比如，一列車次，總共100個(gè)座位配額，希望全程票最少滿足80張，那我們只要給AG這個(gè)區(qū)段設(shè)定最少80張。那任何訂票請求，如果是子區(qū)間的，就不能超過100-80，即20張。這兩種條件必須同時(shí)滿足，才允許出票。
但是，不管如何做配額和限額，我們總是針對某個(gè)車次進(jìn)行配置，這些配置只是車次內(nèi)部售票時(shí)的一些額外的判斷條件（業(yè)務(wù)規(guī)則），不影響車次模型的核心地位和對外暴露的功能。所以，為了本文討論的清楚起見，我后續(xù)的討論都不涉及配額和限額的問題，而是認(rèn)為任何區(qū)段都可以享受火車最大的物理座位數(shù)。
并且，為了討論問題方便，我們減少一些站點(diǎn)來討論。假設(shè)某個(gè)車次有A,B,C,D四個(gè)站點(diǎn)。那001這個(gè)人購買了A,B這個(gè)區(qū)間，系統(tǒng)會(huì)分配給001一個(gè)座位x；但是因?yàn)?01坐到B站點(diǎn)后會(huì)下車，所以相當(dāng)于x這個(gè)座位又空出來了，也就是說，從B站點(diǎn)開始，系統(tǒng)又可以認(rèn)為x這個(gè)座位是可用的。所以，我們得出結(jié)論：同一個(gè)座位，其實(shí)可以同時(shí)出售AB,BC這兩張票。通過這個(gè)簡單的分析，我們知道，一列火車雖然只有有限的座位數(shù)，比如1000個(gè)座位。但可以賣出的票遠(yuǎn)遠(yuǎn)不止1000個(gè)。還是以A,B,C,D四個(gè)站點(diǎn)為例，假如火車總共有1000個(gè)座位，那AB可以賣1000張，BC也可以賣1000張，同樣，CD也可以賣1000張。也就是說，理論上最多可以賣出3000張票。但是如果換一種賣法，所有人都是買ABCD的票，也就是說所有的票都是經(jīng)過所有站點(diǎn)的，那就是最多只能賣出1000張票了。而實(shí)際的場景，一定是介于1000到3000之間。然后實(shí)際的G71這個(gè)車次，有17個(gè)站，那到底可以賣出多少個(gè)票，大家應(yīng)該可以算了吧。理論上這17個(gè)站中的任意兩個(gè)站點(diǎn)之間所形成的線段，都可以出售為一張票。我數(shù)學(xué)不好，算不太清楚，麻煩有數(shù)學(xué)好的人幫我算算，呵呵。
通過上面的分析，我們知道一張票的本質(zhì)是某個(gè)車次的某一段區(qū)間（一條線段），這個(gè)區(qū)間包含了若干個(gè)站點(diǎn)。然后我們還發(fā)現(xiàn)，只要區(qū)間不重疊，那座位就不會(huì)發(fā)生競爭，可以被回收利用，也就是說，可以同時(shí)預(yù)先出售。
另外，經(jīng)過更深入的分析，我們還發(fā)現(xiàn)區(qū)間有4種關(guān)系：1）不重疊；2）部分重疊；3）完全重疊；4）覆蓋；不重疊的情況我們已經(jīng)討論過了，而覆蓋也是重疊的一種。所以我們發(fā)現(xiàn)如果重疊，比如有兩個(gè)區(qū)間發(fā)生重疊，那重疊部分的區(qū)間（可能夸一個(gè)或多個(gè)站點(diǎn)）是在爭搶座位的。因?yàn)榧僭O(shè)一列火車有100個(gè)座位，那每個(gè)原子區(qū)間（兩個(gè)相鄰站點(diǎn)的連線），最多允許重疊99次。
所以，經(jīng)過上面的分析，我們知道了一個(gè)車次能夠出售一張車票的核心業(yè)務(wù)規(guī)則是什么？就是：這張車票所包含的每個(gè)原子區(qū)間的重疊次數(shù)加1都不能超過車次的總座位數(shù)，實(shí)際上重疊次數(shù)+1也可以理解為線段的厚度。
上面我分析了一下票的本質(zhì)是什么。那接下來我們再來看看怎么設(shè)計(jì)模型，來快速實(shí)現(xiàn)購票的需求，重點(diǎn)是怎么設(shè)計(jì)商品聚合以及減庫存的邏輯。
如果按照普通電商的思路，把票（站點(diǎn)區(qū)間）設(shè)計(jì)為商品（聚合根），然后為票設(shè)計(jì)庫存數(shù)量。我個(gè)人覺得是很糟糕的。因?yàn)橐环矫孢@種聚合根非常多（上面的G71就有408個(gè)）；另一方面，即便枚舉出來了，一次購票也一定會(huì)影響非常多其他聚合根的庫存數(shù)量（只要被部分或全部重疊的區(qū)間都受影響）。這樣的一次訂單處理的復(fù)雜度是難以評估的。而且這么多聚合根的更新要在一個(gè)事務(wù)里，這不是為難數(shù)據(jù)庫嗎？而且，這種設(shè)計(jì)必然帶來大量的事務(wù)的并發(fā)沖突，很可能導(dǎo)致數(shù)據(jù)庫死鎖?？傊艺J(rèn)為這種是典型的由于領(lǐng)域模型的設(shè)計(jì)錯(cuò)誤，導(dǎo)致并發(fā)沖突高、數(shù)據(jù)持久化落地困難?；蛘呷绻鉀Q并發(fā)問題，只能排隊(duì)單線程處理，但是仍然解決不了要在一個(gè)事務(wù)里修改大量聚合根的尷尬局面。聽說12306是采用了Pivotal Gemfire這種高大上的內(nèi)存數(shù)據(jù)庫，我對這個(gè)不太了解。我不可想象要是不使用內(nèi)存數(shù)據(jù)庫，他們要怎么實(shí)現(xiàn)車次內(nèi)的票之間的數(shù)據(jù)強(qiáng)一致性（就是保證所有出售的票都是符合上面討論的業(yè)務(wù)規(guī)則的）？所以，這種設(shè)計(jì)，我個(gè)人認(rèn)為是思維定勢了，把火車票看成是普通電商的商品來看待。所以，我們有時(shí)做設(shè)計(jì)又要依賴于經(jīng)驗(yàn)，又要不能被以往經(jīng)驗(yàn)所束縛，真的不容易，關(guān)鍵還是要根據(jù)具體的業(yè)務(wù)場景多多深入分析，盡量分析抽象出問題的本質(zhì)出來，這樣才能對癥下藥。那是否有其他的設(shè)計(jì)思路呢？
通過上面的分析我們知道，其實(shí)任何一次購票都是針對某個(gè)車次的，我認(rèn)為車次是負(fù)責(zé)處理訂票的聚合根。我們看看一個(gè)車次包含了哪些信息？一個(gè)車次包括了：1）車次名稱，如G71；2）座位數(shù)，實(shí)際座位數(shù)會(huì)分類型，比如商務(wù)座20個(gè)，一等座200個(gè)；二等座500個(gè)；我們這里為了簡化問題，可以暫時(shí)忽略類型，我認(rèn)為這個(gè)類型不影響核心的模型的設(shè)計(jì)決策。需要格外注意的是：這里的座位數(shù)不要理解為真實(shí)的物理座位數(shù)，很有可能比真實(shí)的座位數(shù)要少。因?yàn)槲覀儾豢赡馨岩粋€(gè)車次的所有座位都在網(wǎng)上通過12306來出售，而是只出售一部分，具體出售多少，要由工作人員人工指定。3）經(jīng)過的站點(diǎn)信息（包括站點(diǎn)的ID、站點(diǎn)名稱等），注意：車次還會(huì)記錄這些站點(diǎn)之間的順序關(guān)系；4）出發(fā)時(shí)間；看過GRASP九大模式中的信息專家模式的同學(xué)應(yīng)該知道，將職責(zé)分配給擁有執(zhí)行該職責(zé)所需信息的類。我們這個(gè)場景，車次具有一次出票的所有信息，所以我們應(yīng)該把出票的職責(zé)交給車次。另外學(xué)過DDD的同學(xué)應(yīng)該知道，聚合設(shè)計(jì)有一個(gè)原則，就是：聚合內(nèi)強(qiáng)一致性，聚合之間最終一致性。經(jīng)過上面的分析，我們知道要產(chǎn)生一張票，其實(shí)要影響很多和這個(gè)票對應(yīng)的線段相交的其他票的可用數(shù)量。因?yàn)樗械恼军c(diǎn)信息都在車次聚合內(nèi)部，所以車次聚合內(nèi)部自然可以維護(hù)所有的原子區(qū)間，以及每個(gè)原子區(qū)間的可用票數(shù)（相當(dāng)于是庫存數(shù)）。當(dāng)一個(gè)原子區(qū)間的可用票數(shù)為0的時(shí)候，意味著火車針對這個(gè)區(qū)間的票已經(jīng)賣完了。所以，我們完全可以讓車次這個(gè)聚合根來保證出票時(shí)對所有原子區(qū)間的可用票數(shù)的更新的強(qiáng)一致性。對于車次聚合根來說，這很簡單，因?yàn)橹皇菐状魏唵蔚膬?nèi)存操作而已，耗時(shí)可以忽略。一列火車假如有ABCD四個(gè)站點(diǎn)，那原子區(qū)間就是3個(gè)。對于G71，則是16個(gè)。
基于上面的聚合設(shè)計(jì)，出票時(shí)扣減庫存的邏輯是：
根據(jù)訂單信息，拿到出發(fā)地和目的地，然后獲取這段區(qū)間里的所有的原子區(qū)間。然后嘗試將每個(gè)原子區(qū)間的可用票數(shù)減1，如果所有的原子區(qū)間都?jí)驕p，則購票成功；否則購票失敗，提示用戶該票已經(jīng)賣完了。是不是很簡單呢？知道了出票的邏輯，那退票的邏輯也就很簡單了，就是把這個(gè)票的所有原子區(qū)間的可用票數(shù)加1就OK了。如果我們從線段的厚度的角度去考慮，那出票時(shí)，每個(gè)原子區(qū)間的厚度就是+1，退票時(shí)就是減一。就是相反的操作，但本質(zhì)是一樣的。
所以，通過這樣的思路，我們將一次訂票的處理控制在了一個(gè)聚合根里，用聚合根內(nèi)的強(qiáng)一致性的特性保證了訂票處理的強(qiáng)一致性，同時(shí)也保證了性能，免去了并發(fā)沖突的可能性。傳統(tǒng)電商那種把票單做類似商品的核心聚合根的設(shè)計(jì)，我當(dāng)時(shí)第一眼看到就覺得不妥。因?yàn)檫@違背了DDD強(qiáng)調(diào)的強(qiáng)一致性應(yīng)該由聚合根來保證、聚合根之間的最終一致性通過Saga來保證的原則。
還有一個(gè)很重要的概念我想說一下我的看法，就是座位和區(qū)間的關(guān)系。因?yàn)橛行┡笥押臀抑v，考慮座位號(hào)的問題，雖然都能減1，座位號(hào)也必須是同一個(gè)。我覺得座位是全局共享的，和區(qū)段無關(guān)（也許我的理解完全有誤，請大家指正）。座位是一個(gè)物理概念，一個(gè)用戶成功購買了一張票后，座位就會(huì)少一個(gè)，一張票唯一對應(yīng)一個(gè)座位，但是一個(gè)座位有可能會(huì)對應(yīng)多張票；而區(qū)間是一個(gè)邏輯上的概念，區(qū)間的作用有兩個(gè)：1）表示票的出發(fā)地和目的地；2）記錄票的可用數(shù)額。如果區(qū)間能連通（即該區(qū)間內(nèi)的每個(gè)原子區(qū)間的可用數(shù)額都大于0），則表示允許擁有一個(gè)座位。所以，我覺得座位和票（區(qū)間）是兩個(gè)維度的概念。
我覺得車次聚合根內(nèi)部應(yīng)該維護(hù)所有該車次已經(jīng)售出的票，已經(jīng)出售的票的的本質(zhì)是區(qū)間和座位的對應(yīng)關(guān)系。系統(tǒng)處理訂票時(shí)，用戶提交過來的是一段區(qū)間。所以，系統(tǒng)應(yīng)該做兩個(gè)事情：
當(dāng)?shù)玫揭粋€(gè)可用座位后，就可以生成一張票了，然后保存這個(gè)票到車次聚合根內(nèi)部即可。下面舉個(gè)例子：
假設(shè)現(xiàn)在的情況是座位有3個(gè)，站點(diǎn)有4個(gè)
座位：1,2,3
站點(diǎn)：abcd
票的賣法1：
票1：ab,1
票2：bc,2
票3：cd,3
票4：ac,3
票5：bd,1
這種選座位的方式應(yīng)該比較高效，因?yàn)榭偸莾?yōu)先從座位池里去拿座位，只有在萬不得已的時(shí)候才會(huì)去回收可重復(fù)利用的票。
上面的4，5兩個(gè)票，就是考慮回收利用的結(jié)果。
票的賣法2：
票1：ab,1
票2：bc,1
票3：cd,1
票4：ac,2
票5：bd,3
這種選座位的方式應(yīng)該相對低效，因?yàn)榭偸莾?yōu)先會(huì)去掃描是否有可回收的座位，而掃描相對直接從座位池里去拿票總是成本相對要高的。
上面的2，3兩個(gè)票，就是考慮回收利用的結(jié)果。
但是，優(yōu)先從座位池里拿票的算法有缺陷，就是會(huì)出現(xiàn)雖然第一步判斷認(rèn)為有可用的座位，但是這個(gè)座位可能不是全程都是同一個(gè)座位。舉例：
假設(shè)現(xiàn)在的情況是座位有3個(gè)，站點(diǎn)有4個(gè)
座位：1,2,3
站點(diǎn)：abcd
票的賣法3：
票1：ab,1
票2：bc,2
票3：cd,3
現(xiàn)在如果有人要買ad的票，那可用的座位有2，或者3。但是無論是2還是3，都要這個(gè)乘客中途換車位。比如賣給他座位2，那他ab是坐的座位2，但是bc的時(shí)候要坐座位1的。否則拿票2的那個(gè)人上車時(shí)，發(fā)現(xiàn)座位2已經(jīng)有人了。而通過優(yōu)先回收利用的算法，是沒這個(gè)問題的。
所以，從上面的分析我們也知道選座位的算法該怎么寫了，就是采用優(yōu)先回收利用座位的算法。我認(rèn)為不管我們這里怎么設(shè)計(jì)算法，都不影響大局，因?yàn)檫@一切都只發(fā)生在車次聚合根內(nèi)部，這就是預(yù)先設(shè)計(jì)好聚合根，明確出票職責(zé)在哪個(gè)對象上的好處。
通過這樣的模型設(shè)計(jì)，我們可以確保一次出票處理只會(huì)在一個(gè)車次聚合根內(nèi)進(jìn)行。這樣的好處是：
我覺得12306這樣的業(yè)務(wù)場景，非常適合使用CQRS架構(gòu)；因?yàn)槭紫人且粋€(gè)查多寫少、但是寫的業(yè)務(wù)邏輯非常復(fù)雜的系統(tǒng)。所以，非常適合做架構(gòu)層面的讀寫分離，即采用CQRS架構(gòu)。而且應(yīng)該使用數(shù)據(jù)存儲(chǔ)也分離的CQRS。這樣CQ兩端才可以完全不需要顧及對方的問題，各自優(yōu)化自己的問題即可。我們可以在C端使用DDD領(lǐng)域模型的思路，用良好設(shè)計(jì)的領(lǐng)域模型實(shí)現(xiàn)復(fù)雜的業(yè)務(wù)規(guī)則和業(yè)務(wù)邏輯。而Q端則使用分布式緩存方案，實(shí)現(xiàn)可伸縮的查詢能力。
同時(shí)借助像ENode這樣的框架，我們可以實(shí)現(xiàn)in-memory + Event Sourcing的架構(gòu)。Event Sourcing技術(shù)，可以讓領(lǐng)域模型的所有狀態(tài)修改的持久化統(tǒng)一起來，本來要用ORM的方式保存聚合根最新狀態(tài)的，現(xiàn)在只需要簡單的通用的方式保存一個(gè)事件即可（一次訂票只涉及一個(gè)車次聚合根的修改，修改只產(chǎn)生一個(gè)事件，只需要持久化一個(gè)事件（一個(gè)JSON串）即可，保證了高性能，無須依賴事務(wù)，而且通過ENode可以解決并發(fā)問題）。我們只要保存了聚合根每次變化的事件（事件的結(jié)構(gòu)怎么設(shè)計(jì)，本文不做多的介紹了，大家可以思考下），就相當(dāng)于保存了聚合根的最新狀態(tài)。而正是由于Event Sourcing技術(shù)的引入，讓我們的模型可以一直存活在內(nèi)存中，即可以使用in-memory技術(shù)。不要小看in-memory技術(shù)，in-memory技術(shù)在某些方面對提高命令的處理性能非常有幫助。比如就以我們車次聚合根處理出票的邏輯，假設(shè)某個(gè)車次有大量的命令發(fā)送到分布式消息隊(duì)列，然后有一臺(tái)機(jī)器訂閱了這個(gè)隊(duì)列的消息，然后這臺(tái)機(jī)器處理這個(gè)車次的訂票命令時(shí)，由于這個(gè)車次聚合根一直在內(nèi)存，所以就省去了每次要去數(shù)據(jù)庫取出聚合根的步驟，相當(dāng)于少了一次數(shù)據(jù)庫IO。這樣的好處是，因?yàn)橐粋€(gè)車次能夠真正出售的票是有限的，因?yàn)樽痪湍敲磶讉€(gè)，比如就1000個(gè)座位，估計(jì)一般正常情況也就出個(gè)2000個(gè)左右的票吧（具體能出多少張票要取決于區(qū)間的相交程度，上面分析過）。也就是說，這個(gè)聚合根只會(huì)產(chǎn)生2000個(gè)事件，也就是說只會(huì)有2000個(gè)訂票命令的處理是會(huì)產(chǎn)生事件，并持久化事件；而其余的大量命令，因?yàn)檐嚧卧趦?nèi)存計(jì)算后發(fā)現(xiàn)沒有余票了，就不會(huì)做任何修改，也不會(huì)產(chǎn)生領(lǐng)域事件，這樣就可以直接處理下一個(gè)訂票命令了。這樣就可以大大提高處理訂票命令的性能。
另外一個(gè)問題我覺得還需要提一下，因?yàn)橛脩粲喥背晒螅€需要付款。但用戶有可能不去付款或者沒有在規(guī)定的時(shí)間內(nèi)完成付款。那這種情況下，系統(tǒng)會(huì)自動(dòng)釋放該用戶之前訂購的票。所以基于這樣的需求，我們在業(yè)務(wù)上需要支持業(yè)務(wù)級(jí)別的2pc。即先預(yù)扣庫存，也就是先占住這張票一定時(shí)間（比如15分鐘），然后付款成功后再真實(shí)給你這張票，系統(tǒng)做真正的庫存修改。通過這樣的預(yù)扣處理，可以保證不會(huì)出現(xiàn)超賣的情況。這個(gè)思路其實(shí)和傳統(tǒng)電商比如淘寶這樣的系統(tǒng)類似，我就不多展開了，我之前寫的Conference案例也是這樣的思路，大家有興趣的可以去看一下我之前錄制的視頻。
我覺得余票的查詢的實(shí)現(xiàn)相對簡單。雖然對于12306來說，查詢的請求占了80%，提交訂單的請求只占20%。但查詢由于對數(shù)據(jù)沒有修改，所以我們完全可以使用分布式緩存來實(shí)現(xiàn)。我們只需要精心設(shè)計(jì)好緩存的key即可；緩存key的多少要看成本，如果所有可能的查詢都設(shè)計(jì)對應(yīng)的key，那時(shí)間復(fù)雜度為1，查詢性能自然高；但代價(jià)也大，因?yàn)閗ey多了。如果想key少一點(diǎn)，那查詢的復(fù)雜度自然要上去一點(diǎn)。所以緩存設(shè)計(jì)無非就是空間換時(shí)間的思路。然后，緩存的更新無非就是：自動(dòng)失效、定時(shí)更新、主動(dòng)通知3種。通過CQRS架構(gòu)，由于CQ兩端是事件驅(qū)動(dòng)的，當(dāng)C端有任何狀態(tài)變化，都會(huì)產(chǎn)生對應(yīng)的事件去通知Q端，所以我們幾乎可以做到Q端的準(zhǔn)實(shí)時(shí)更新。
同時(shí)由于CQ兩端的完全解耦，Q端我們可以設(shè)計(jì)多種存儲(chǔ)，如數(shù)據(jù)庫和緩存（Redis等）；數(shù)據(jù)庫用于線下維護(hù)關(guān)系型數(shù)據(jù)，緩存用戶實(shí)時(shí)查詢。數(shù)據(jù)庫和緩存的更新速度相互不受影響，因?yàn)槭遣⑿械?。對同一個(gè)事件，可以10臺(tái)機(jī)器負(fù)責(zé)更新緩存，100臺(tái)機(jī)器負(fù)責(zé)更新數(shù)據(jù)庫。即便數(shù)據(jù)庫的更新很慢，也不會(huì)影響緩存的更新進(jìn)度。這就是CQRS架構(gòu)的好處，CQ的架構(gòu)完全不同，且我們隨時(shí)可以重建一種新的Q端存儲(chǔ)。不知道大家體會(huì)到了沒有？
關(guān)于緩存key的設(shè)計(jì)，我覺得主要從查詢余票時(shí)傳遞的信息來考慮。12306的關(guān)鍵查詢是：出發(fā)地、目的地、出發(fā)日期三個(gè)信息。我覺得有兩種key的設(shè)計(jì)思路：1）直接設(shè)計(jì)了該查詢條件的key，然后快速拿到車次信息，直接返回；這種方式就是要求我們系統(tǒng)已經(jīng)枚舉了所有車次的所有可能出現(xiàn)的票（區(qū)間）的緩存key，相信你一定知道這樣的key是非常多的。2）不是枚舉所有區(qū)間，而是把每個(gè)車次的每個(gè)原子區(qū)間（相鄰的兩個(gè)站點(diǎn)所連成的直線）的可用票數(shù)作為key。這樣，key就非常少了，因?yàn)檐嚧渭偃缬?0000個(gè)，然后每個(gè)車次平均15個(gè)區(qū)間，那也就15W個(gè)key而已。當(dāng)我們要查詢時(shí)，只需要把用戶輸入的出發(fā)地和目的地之間的所有原子區(qū)間的可用票數(shù)都查出來，然后比較出最小可用票數(shù)的那個(gè)原子區(qū)間。則這個(gè)原子區(qū)間的可用票數(shù)就是用戶輸入的區(qū)間的可用票數(shù)了。當(dāng)然，到這里我提到考慮出發(fā)日期。我認(rèn)為出發(fā)日期是用來決定具體是哪個(gè)車次聚合根的。同一個(gè)車次，不同的日期，對應(yīng)的聚合根實(shí)例是不同的，即便是同一天，也可能有多個(gè)車次聚合根，因?yàn)橛行┸嚧我惶煊袔装嗟模热缟衔?點(diǎn)發(fā)車的一班，下午3點(diǎn)發(fā)車的一般。所以，我們也只要把日期也作為緩存key的一部分即可。
本文完全是憑自己對12306這個(gè)網(wǎng)站的核心業(yè)務(wù)的簡單思考而得到的一些設(shè)計(jì)結(jié)果。如果真正的DDD領(lǐng)域建模，更多的是要和業(yè)務(wù)一線的工作人員、領(lǐng)域?qū)＜疫M(jìn)行深入溝通，才能更深入的了解該領(lǐng)域內(nèi)的業(yè)務(wù)知識(shí)，從而才能設(shè)計(jì)出更靠譜的領(lǐng)域模型和架構(gòu)設(shè)計(jì)。我本人非常慚愧因?yàn)闆]有上12306買過火車票，家離的比較近，就算要買也是家人給我買:）所以，本文所分享的內(nèi)容難免是紙上談兵。但我覺得12306這個(gè)系統(tǒng)的業(yè)務(wù)確實(shí)比傳統(tǒng)的電商系統(tǒng)要復(fù)雜，且并發(fā)又這么高。所以，我覺得這個(gè)系統(tǒng)真的很值得大家重視模型的設(shè)計(jì)，而不只是只關(guān)注技術(shù)層面的實(shí)現(xiàn)。有興趣的朋友們可以聯(lián)系我。
