【解决方案】Java 互联网项目中消息通知系统的设计与实现（下）

技术分享 5个月前 (08-06) 0 999+

前言

书接上回，消息通知系统（notification-system）作为一个独立的微服务，完整地负责了 App 端内所有消息通知相关的后端功能实现。该系统既需要与文章系统、订单系统、会员系统等相关联，也需要和其它业务系统相关联，是一个偏底层的通用服务系统。

App 端内的消息通知类型常见有这几项：评论通知、点赞通知、收藏通知、订单通知、活动通知、个人中心相关通知等。该系统在可拓展性、高性能、较高可用性、数据一致性等方面有较高要求，最终目的是提升用户粘性、加强 App 与用户的互动、支撑核心业务的发展。

文章的（上）篇将从需求分析、数据模型设计、关键流程设计这 3 部分来说明，（下）篇将从技术选型、后端接口设计、关键逻辑实现这 3 部分来进行说明。

四、技术选型

我将该系统需要使用到的关键技术选型做成表格，方便梳理：

说明：

可以用 Spirng Cloud 或者 Spirng Cloud Alibaba，哪个习惯用哪个，只要是能打包成一个可运行的微服务即可；
也可以用非关系型数据库如 MongoDB 来代替 MySQL，表与表之间的关系不密切的前提下，性能会更高；
Redis 拿来做缓存中间件去存储非结构化的一些数据是非常合适的，很多场景下，突出的性能和便捷的 API 是它的优势；
MQ 其实是选用的，适合较为复杂的项目拿来异步/解耦，既可以 kafka 也可以 RabbitMQ，RocketMQ 是阿里亲生的，控制台用起来也方便；
其它开源依赖最好使用 apache 的顶级项目或者 Spring 官方的，像 hutool 这种第三方的包其实不太推荐，安全风险可能会比较高。

五、后端接口设计

作为一个偏底层的公共服务，基本上都会先由上游的业务系统进行调用，再服务于用户（即 App 端）。下面设计两个 Controller 分别针对业务端和 App 端，大家可以先参考一下接口规范，也写了总体的思路注释，关键逻辑会在下一节再展开讲。

5.1业务系统接口

暴露给业务系统的有 3 个接口：

获取通知配置
发送通知
撤回通知

@RestController @RequestMapping("notice/api") public class NoticeApiController {      @Resource     private NotificationService notificationService;      /**      * 新增通知，业务系统用      * @param dto      * @return 消息系统唯一 id      */     @PostMapping("/add")     public Response<Long> addNotice(@Valid @RequestBody AddNoticeDTO dto){         //业务方调用该接口前需要先根据 sourceId 确认来源，实现就是先入数据库，再入 Redis         return ResponseBuilder.buildSuccess(this.notificationService.addNotice(dto));     }      /**      * 撤回通知（同批量撤回），业务系统用      * @param idList，需要撤回的消息主键 id 集合      * @return 是否成功：true-成功，false-失败      */     @PostMapping("/recall")     public Response<Boolean> recallNotice(@RequestBody List<Long> idList){         //撤回只需要考虑先更新数据库，后更新 Redis         return ResponseBuilder.buildSuccess(this.notificationService.recallNotice(idList));     }      /**      * 获取通知配置      * @param sourceId 业务系统标识      * @return 配置详情信息      */     @GetMapping("/getNoticeConfig")     public Response<NotificationConfig> getNoticeConfig(@RequestParam(value = "noticeId") String sourceId){         //每个业务系统调用前需要校验通知配置，以防非法调用         return ResponseBuilder.buildSuccess(this.notificationService.getNoticeConfig(sourceId));     }      }

5.2App 端接口

开放给 App 端使用的有 2 个接口：

获取用户未读消息总数
获取用户消息列表

@RestController @RequestMapping("notice/app") public class NoticeAppController {      @Resource     private NotificationService notificationService;      /**      * 获取用户未读消息总数      */     @Auth     @GetMapping("/num")     public Response<NoticeNumVO> getMsgNum() {         //App 端的用户唯一 uuid         String userUuid = "";         return ResponseBuilder.buildSuccess(this.notificationService.getMsgNum(userUuid));     }      /**      * 获取用户消息列表      *      * @param queryDate：查询时间 queryDate      * @param pageIndex：页码，1开始      * @param pageSize：每页大小      * @param superType：消息父类型，1-评论、点赞、系统消息，2-通知，3-私信，4-客服消息      */     @Auth     @GetMapping("/list/{queryDate}/{pageIndex}/{pageSize}/{superType}")     public Response<List<Notification>> getNoticeList(@PathVariable String queryDate, @PathVariable Integer pageIndex,                                                       @PathVariable Integer pageSize, @PathVariable Integer superType) throws ParseException {         //App 端的用户唯一 uuid         String userUuid = "";         Date dateStr = DateUtils.parseDate(queryDate, new String[]{"yyyyMMddHHmmss"});         return ResponseBuilder.buildSuccess(this.notificationService.getNoticeList(userUuid, dateStr, pageIndex, pageSize, superType));     }  }

六、关键逻辑实现

本小节会针对 APP 端的两个接口进行详细讲解，未读消息数和消息列表的实现需要 Redis + MySQL 的紧密配合。

6.1Redis存储结构

下面先着重介绍一下本系统的 Redis 缓存结构设计，全局只使用 Hash 结构，新增消息时+1，撤回消息时-1，已读消息时做算术更新：

Redis-Hash 结构

说明：

Redis-key 是固定 String 常量 "sysName.notice.num.key"；
Hash-key 为 App 端用户唯一的 userUuid；
Hash-value 为该用户接收的消息总数，新增 +1，撤回 -1。

如果大家对于 Redis 的基本结构还不太了解，参考下我的这篇博客：https://www.cnblogs.com/CodeBlogMan/p/17816699.html

下面是关键实现步骤的代码示例：

新增消息

    //先入 MySQL     Notification notification = this.insertNotice(dto);     //再入 Redis     redisTemplate.opsForHash().increment(RedisKey, dto.getTargetUserUuid(), 1);

撤回消息

    //先更新 MySQL     this.updateById(notification);     //再更新 Redis     redisTemplate.opsForHash().increment(RedisKey, userUuid, -1);

注意：

写操作和更新操作都是先操作数据库，然后再同步入 Redis。原因：数据库里的数据是源头，且存的是结构化的持久性数据；Redis 只是作为缓存，发挥 Redis 读取速度快的优点，存储的是一些 size 不大的热点数据。

6.2已读消息处理

已读和未读其实就是两种状态，Redis 里一开始存储的都是未读数，当用户点击查看列表时，前端会调用后端的消息列表接口，消息列表直接查数据库（记录了已读和未读状态），此时同步更新 Redis 里的未读消息数，那么此时：未读消息数 = Redis总数 - MySQL已读消息数。

下面的代码说得比较清楚了：

查询未读消息数

    Integer num;     //先读 redis，没有再读数据库，最后再把数据库读出的放回 redis     num = (Integer) redisTemplate.opsForHash().get(RedisKey, userUuid);     //防止一开始新增通知的时候没放进 redis 里，null 表示什么都没有，而不是 0     if (Objects.nonNull(num)) {         msgNumVO.setMsgNum(num);     }else {         num = this.getNoticeNum(userUuid, queryDate);         log.info("缓存中没有未读消息总数，查数据库：{}", num);         msgNumVO.setMsgNum(num);         //放入缓存，取出什么放什么         redisTemplate.opsForHash().put(RedisKey, userUuid, num);     } return num;

查询消息列表

 wrapper.eq(Notification::getTargetUserUuid, userUuid)         .eq(Notification::getSuperType, superType)         .eq(Notification::getMsgStatus, StatusEnum.TRUE.getType())         .le(Notification::getCreateTime, dateTime)         .orderByDesc(Notification::getCreateTime);     List<Notification> queryList = pageInfo.getResult();     //查询后即要同步去更新数据库中该类型下的消息为已读     this.updateListBySuperType(wrapper);     long isReadNum;     isReadNum = queryList.stream().filter(val -> NumberUtils.INTEGER_ZERO.equals(val.getIsRead())).count();     //关键的一步，同步更新 redis 里的未读消息数     Integer redisNum = (Integer) redisTemplate.opsForHash().get(RedisKey.INITIAL_NOTICE_NUM_PERFIX, userUuid);     //要先判断 redis 里是否为 null，和 0 不一样     int hv = Objects.isNull(redisNum) ? 0 : (int) (redisNum - isReadNum);     redisTemplate.opsForHash().put(RedisKey, userUuid, Math.max(hv, 0)); return queryList;

6.3缓存定时清除

由于在上述的 redis-hash 结构中并没有加入 expire 过期时间，那么显而易见的是这个结构随着时间增加会越来越大，最终导致形成一个大key，给 redis 的读/写性能带来影响。
所以这里需要给出一个方案来解决这个问题，我的核心思路是：

每当写redis计数的时候同时用另一个 key 记操作时间，每10分钟执行一次定时任务；
逐一将时间 key 的 value (即操作时间)根据 uuid 拿出来，如果当前系统时间 - 该uuid的操作时间>3600ms（即一个小时）那么就将该 uuid 的数据删除；
下次调接口先读数据库，再写进 redis 里面，具体看代码。

@Component @Slf4j public class HandleNoticeCache {     private static final Long FLAG_TIME = 3600L;     @Resource     private RedisTemplate redisTemplate;     @Scheduled(cron = " * 0/10 * * * ? ")     public void deleteNoticeCache(){         HashOperations<String, String, Integer> hashOperations = redisTemplate.opsForHash();         //通知操作的全部 uuid，数据量一大可能导致 OOM         Set<String> uuidList = hashOperations.keys(RedisKey.NOTICE_NUM_TIME);         if (CollectionUtils.isNotEmpty(uuidList)){             uuidList.forEach(val -> {                 Integer operateTime = hashOperations.get(RedisKey.NOTICE_NUM_TIME, val);                 if (Objects.nonNull(operateTime)){                     //当前系统时间-操作的记录时间                    long resultTime =  System.currentTimeMillis() - operateTime;                    if (resultTime > FLAG_TIME){                        hashOperations.delete(RedisKey.NOTICE_NUM_PERFIX, val);                        log.info("删除通知的 uuid 为：{}", val);                        hashOperations.delete(RedisKey.COMMENT_NUM_PERFIX, val);                        log.info("删除评论通知的 uuid 为：{}", val);                }                 }             });         }     }  }