達達-京東到家作為優(yōu)秀的即時配送物流平臺，實現(xiàn)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(yōu)質(zhì)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。

本文將描述訂單派發(fā)系統(tǒng)從無到有的系統(tǒng)演進以及方案設計與關(guān)鍵要點，為大家在解決相關(guān)業(yè)務場景上提供一個案例參考。

訂單派發(fā)架構(gòu)演進

在公司發(fā)展的初期，我們的外賣訂單從商戶發(fā)單之后直接出現(xiàn)在搶單池中，3公里之內(nèi)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(guān)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(tǒng)中缺少一個訂單核心調(diào)度者。有一種方案是選擇區(qū)域訂單的訂單調(diào)度員，由調(diào)度員根據(jù)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(diào)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(jīng)驗總結(jié)。

核心問題已經(jīng)出來了：個人的經(jīng)驗總結(jié)會是什么呢?

• 騎士正在配送的訂單的數(shù)量，是否已經(jīng)飽和
• 騎士的配送習慣是什么
• 某一階段的訂單是否順路，騎士是否可以一起配送
• 騎士到店駐留時間的預估
•  ...

理清核心問題的答案，我們的系統(tǒng)派單便成為了可能?；谝陨系脑恚唵闻砂l(fā)模式就可以逐漸從搶單池的訂單顯示演變成系統(tǒng)派單。

我們將會記錄商戶發(fā)單行為、騎士配送日志及運行軌跡等信息，并且經(jīng)過數(shù)據(jù)挖掘和數(shù)據(jù)分析，獲取騎士的畫像、騎士配送時間的預估、騎士到店駐留時間的預估等基礎信息;使用遺傳算法規(guī)劃出最優(yōu)的配送路徑...經(jīng)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(yè)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(fā)到搶單池中，正常情況使用派單模式通知騎士。

訂單派發(fā)模型

訂單派發(fā)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(jù)每個城市的調(diào)度情況，先進行輪詢N次的派單。大概的表現(xiàn)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(fā)的流程周期上可以看出來，派發(fā)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(fā)，那么整個系統(tǒng) 50% 的功能點就能迎刃而解。

我們先了解一下經(jīng)典的延遲方案：

1. 數(shù)據(jù)庫輪詢

通過一個線程定時的掃描數(shù)據(jù)庫，獲取到需要派單的訂單信息

• 優(yōu)點：開發(fā)簡單，結(jié)合quartz即可以滿足分布式掃描
• 缺點：對數(shù)據(jù)庫服務器壓力大,不利于項目后續(xù)發(fā)展

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(yōu)點：開發(fā)簡單，效率高，任務觸發(fā)時間延遲低
• 缺點：服務器重啟后，數(shù)據(jù)會丟失，要滿足高可用場景，需要hook線程二次開發(fā);宕機的擔憂;如果數(shù)據(jù)量暴增，也會引起OOM的情況產(chǎn)生

3. 時間輪 - TimingWheel

時間輪的結(jié)構(gòu)原理很簡單，它是一個存儲定時任務的環(huán)形隊列，底層是由數(shù)組實現(xiàn)，而數(shù)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?qū)臅r間格的時候，該列表中的所有任務都會被執(zhí)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(shù)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(zhuǎn)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(zhuǎn)動周期，時間指針(currentTime)指向wheelSize=0的數(shù)據(jù)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?shù)竭_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(yè)務的發(fā)展而不斷擴張，這樣會使時間輪占用很大的內(nèi)存空間，導致效率低下，因此便衍生出了層級時間輪的數(shù)據(jù)結(jié)構(gòu)。

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(qū)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(zhuǎn)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(zhí)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(jīng)歷了40ms之后，此時這個任務又被觸發(fā)到，不過還剩余10ms，還是不能立即執(zhí)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(jīng)歷10ms后，此任務真正到期，最終執(zhí)行相應的到期操作。

• 優(yōu)點：效率高，可靠性高(Netty,Kafka,Akka均有使用)，便于開發(fā)
• 缺點：數(shù)據(jù)存儲在內(nèi)存中，需要自己實現(xiàn)持久化的方案來實現(xiàn)高可用

訂單派發(fā)實現(xiàn)方案

結(jié)合了上述的三種方案，最后決定使用redis作為數(shù)據(jù)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(shù)據(jù)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(yè)務角度和開發(fā)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(fā)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(jié)點(作為是否有數(shù)據(jù)存儲在redis的依據(jù) )用來表示該時間段是否會時間事件觸發(fā)，同時會將這份數(shù)據(jù)放入到緩存中(key=dispatchTime+ip), 當7秒過后，觸發(fā)了該時間段的數(shù)據(jù)，便會從redis中獲取數(shù)據(jù)，異步執(zhí)行相應的業(yè)務邏輯。最后，防止由于重啟等一些操作導致數(shù)據(jù)的丟失，哨兵節(jié)點的維護也會在緩存中維護一份數(shù)據(jù)，在重啟的時候重新讀取

2. 緩存的key統(tǒng)一加上IP標識

由于我們的時間調(diào)度器是依附于自身系統(tǒng)的，通過將緩存的key統(tǒng)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(shù)據(jù)，從而防止分布式環(huán)境下的并發(fā)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(shù)據(jù)

使用異步線程，是考慮到如果上一個節(jié)點發(fā)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(diào)度的即時性問題。

我們在設計系統(tǒng)的時候，系統(tǒng)的完善度和業(yè)務的滿足度是互相關(guān)聯(lián)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(fā)生變更便會導致數(shù)據(jù)不會被消費;使用線程池異步處理也有概率導致數(shù)據(jù)不會被消費。這些不會被消費的數(shù)據(jù)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(tǒng)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。

為什么不使用ScheduledThreadPoolExecutor來定時輪詢redis? 即便這樣可以完成業(yè)務上的需求，獲取定時觸發(fā)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。

結(jié)語

我們在完成一個功能的時候，往往需要一些可視化的數(shù)據(jù)來確定業(yè)務發(fā)展的正確性。因此我們在開發(fā)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(shù)據(jù)可以看出來，90% 以上的訂單是通過派單發(fā)出并且被騎士認可接單。

訂單派發(fā)的模式是提升訂單曝光率有效的技術(shù)手段，我們一直結(jié)合大數(shù)據(jù)、人工智能等技術(shù)手段希望能更好的做好訂單派發(fā)，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。

作者：季炳坤，任職Java工程師，負責訂單派發(fā)，訂單權(quán)限，合并訂單等相關(guān)工作。

【本文來自51CTO專欄作者張開濤的微信公眾號(開濤的博客)，公眾號id: kaitao-1234567】

戳這里，看該作者更多好文