知序
返回
保存草稿
发布
H1
H2
H3
1
2
3
Excalidraw 图
AI 写作
AI 优化
目录
输入内容后显示目录
Markdown
# 27 - 消息通知系统设计 > 导读:读完你能讲清一套通知系统的数据模型、百万用户公告如何不逐条写入、已读状态怎么存,以及多端同步与未读计数如何落地。适合准备系统设计面试、或要落地站内信/Push 模块的后端同学。 ## 一、先建立全局认知 ### Q:这套通知系统要覆盖哪些场景? A:目标是一套消息通知系统,支持站内信(系统公告、互动通知)、App 推送、短信/邮件三条渠道,并满足三个硬性要求:支持已读未读状态、多端同步、以及百万级用户的系统公告不能逐条写入。最后一条是整篇文章的题眼。 ### Q:通知有哪些类型?为什么先要分类? A:分类决定了后面的存储与投递策略,不同触发方式的量级和读取模式完全不同: ``` 按触发方式: 1. 系统公告:运营发布,所有用户可见(如"系统升级通知") 2. 互动通知:用户行为触发(如"张三点赞了你的文章") 3. 事务通知:业务流程触发(如"订单已发货") 按推送渠道: 1. 站内信:App/Web 内展示 2. Push 推送:App 通知栏 3. 短信/邮件:外部渠道 ``` 关键区别在"一条消息对应多少接收人":系统公告是一条内容对百万用户(一对多),互动/事务通知是一条内容对一个用户(一对一)。前者写一条即可,后者必须为每个接收人生成关系记录。这个区别决定了系统公告要走"拉取模式"。 术语先行: - 拉取模式(Pull):消息只存一份,用户查询时按自身条件去"捞",不预先为每个用户建记录。 - 推送模式(Push):消息产生时就为每个接收人写一份记录,用户直接读自己的收件箱。 ### Q:数据模型怎么设计? A:采用"消息内容表 + 用户关系表"的两表结构。前者存消息本体(一份内容),后者存"谁拥有这条消息、读没读": ```sql -- 通知消息表(存储消息内容) CREATE TABLE notification ( id BIGINT PRIMARY KEY AUTO_INCREMENT, type TINYINT NOT NULL, -- 1 系统公告 2 互动通知 3 事务通知 title VARCHAR(200), content VARCHAR(2000), sender_id BIGINT DEFAULT 0, -- 发送者(0=系统) target_type TINYINT NOT NULL, -- 1 全员 2 指定用户 biz_type VARCHAR(50), -- 业务类型(like/comment/order) biz_id VARCHAR(64), -- 业务 ID create_time DATETIME DEFAULT NOW() ); -- 用户通知关系表(记录已读状态) CREATE TABLE user_notification ( id BIGINT PRIMARY KEY AUTO_INCREMENT, user_id BIGINT NOT NULL, notification_id BIGINT NOT NULL, is_read TINYINT DEFAULT 0, -- 0 未读 1 已读 read_time DATETIME, create_time DATETIME DEFAULT NOW(), INDEX idx_user_read (user_id, is_read, create_time) ); ``` `target_type` 区分"全员"与"指定用户",是拉取模式的核心开关;`user_notification` 上的联合索引 `idx_user_read` 服务"按用户查未读"这一最频繁的查询。 ---  [编辑 Excalidraw 源图](/images/java-interview-copy/system-design/27-design-notification-design-notification-delivery-model-diagram.excalidraw) ## 二、理解核心机制 ### Q:百万用户的系统公告怎么发,才不用逐条写入? A:用拉取模式:系统公告只在 `notification` 表写一条记录(`target_type=全员`),用户查询时把"个人通知"和"系统公告"合并返回。 ```java // 错误做法:给每个用户插入一条记录 → 100 万用户 = 100 万条记录 // 正确做法:拉取模式(Pull) // 系统公告只写一条 notification 记录(target_type=全员) // 用户查询时,合并"个人通知"和"系统公告" public List<NotificationVO> getNotifications(Long userId, int page, int size) { // 1. 查询个人通知(互动通知、事务通知) List<NotificationVO> personal = notificationMapper .selectPersonalNotifications(userId, page, size); // 2. 查询系统公告(用户注册时间之后发布的公告) User user = userMapper.selectById(userId); List<NotificationVO> announcements = notificationMapper .selectAnnouncements(user.getCreateTime(), page, size); // 3. 合并排序 List<NotificationVO> merged = mergeAndSort(personal, announcements); // 4. 标记已读状态(系统公告的已读用单独的表或 Redis 记录) markReadStatus(userId, merged); return merged; } ``` 代价是每次查询都要多做一次合并与排序,且分页语义变复杂(两路数据源的 offset 要一起算)。换来的是写放大从"百万条"降到"一条",这个交换非常划算。 ### Q:系统公告的已读状态怎么存? A:用 Redis Bitmap,每条公告一个 Bitmap,用户 ID 作为 offset: ```java // 系统公告已读状态:用 Redis Bitmap // 每条公告一个 Bitmap,用户 ID 作为 offset public boolean isAnnouncementRead(Long userId, Long announcementId) { return redis.opsForValue().getBit("announce:read:" + announcementId, userId); } public void markAnnouncementRead(Long userId, Long announcementId) { redis.opsForValue().setBit("announce:read:" + announcementId, userId, true); } // 100 万用户的 Bitmap 只占 125KB ``` 为什么不用关系表:若每条公告给百万用户各插一条已读记录,一条公告就是百万行。Bitmap 用位图把每个用户的已读压成 1 bit,100 万用户仅 125KB。代价是它只适合"公告-用户"这种稠密且 ID 连续的场景,且 Bitmap 需与公告生命周期一起管理。 ### Q:互动通知是怎么生产和消费的? A:互动通知用 MQ 异步解耦——点赞等业务动作只负责发事件,通知的落库、聚合、推送由消费者处理: ```java // 点赞触发通知 public void onLike(Long userId, Long articleId) { // 1. 业务逻辑:点赞 likeService.like(userId, articleId); // 2. 发送通知事件到 MQ(异步解耦) NotificationEvent event = new NotificationEvent(); event.setType("like"); event.setSenderId(userId); event.setTargetUserId(articleService.getAuthorId(articleId)); event.setBizId(articleId.toString()); mqProducer.send("notification-topic", event); } // 通知消费者 @RocketMQMessageListener(topic = "notification-topic") public class NotificationConsumer implements RocketMQListener<NotificationEvent> { public void onMessage(NotificationEvent event) { // 1. 聚合相同类型通知("张三、李四等 5 人点赞了你的文章") // 2. 写入数据库 Notification notification = buildNotification(event); notificationMapper.insert(notification); UserNotification un = new UserNotification(event.getTargetUserId(), notification.getId()); userNotificationMapper.insert(un); // 3. 更新未读计数(Redis) redis.opsForValue().increment("unread:" + event.getTargetUserId()); // 4. 实时推送(WebSocket) webSocketService.push(event.getTargetUserId(), notification); // 5. 根据用户设置,决定是否发 App Push / 短信 pushIfNeeded(event.getTargetUserId(), notification); } } ``` 为什么用 MQ:通知是典型的"最终一致"场景,点赞的核心链路不应该被通知的落库、推送拖慢或拖垮。代价是引入了消息积压、重复消费问题,消费者需要做幂等。替代方案是业务代码同步写通知,代价是核心接口 RT 变长、故障耦合,不推荐。 ### Q:多端同步怎么做? A:用 WebSocket 长连接 + Redis 未读计数。用户所有设备都挂在同一个 userId 下,任一端的操作通过连接广播到其他端: ```java // 方案:WebSocket + 未读计数 // 1. 用户连接 WebSocket @ServerEndpoint("/ws/notification/{userId}") public class NotificationWebSocket { private static final ConcurrentHashMap<Long, Set<Session>> userSessions = new ConcurrentHashMap<>(); @OnOpen public void onOpen(Session session, @PathParam("userId") Long userId) { userSessions.computeIfAbsent(userId, k -> ConcurrentHashMap.newKeySet()).add(session); // 推送当前未读数 int unread = getUnreadCount(userId); session.getAsyncRemote().sendText(JSON.toJSONString(Map.of("unread", unread))); } // 推送新通知到用户的所有设备 public static void push(Long userId, Notification notification) { Set<Session> sessions = userSessions.get(userId); if (sessions != null) { String msg = JSON.toJSONString(notification); sessions.forEach(s -> s.getAsyncRemote().sendText(msg)); } } } // 2. 已读同步:一端标记已读,其他端实时更新 public void markRead(Long userId, Long notificationId) { userNotificationMapper.markRead(notificationId); redis.opsForValue().decrement("unread:" + userId); // 通知其他端刷新未读数 NotificationWebSocket.push(userId, Map.of("type", "readSync", "id", notificationId)); } ``` 要注意 `userSessions` 是单机的 `ConcurrentHashMap`,多实例部署时无法跨节点推送,实际需要引入 Redis Pub/Sub 或专门的推送服务做广播。这里给出的是单机模型。 ## 三、放进真实场景 ### Q:未读计数为什么不能每次 COUNT(*)? A:因为它是最频繁的读操作——每次进 App 都要显示红点,而 `COUNT` 要扫索引。解法是用 Redis 维护计数,并支持分类计数: ``` 未读计数是高频读操作,不能每次 COUNT(*) 查数据库: 1. Redis 维护未读计数:INCR/DECR 操作 2. 一键已读:直接将计数置 0,批量更新数据库(异步) 3. 分类计数:按类型分别维护(互动 3 条、系统 2 条、事务 1 条) unread:total:{userId} = 6 unread:like:{userId} = 3 unread:comment:{userId} = 2 unread:system:{userId} = 1 ``` 代价是 Redis 与数据库可能不一致,需要定时对账或把 Redis 当作权威源、数据库当作归档。 ### Q:通知量太大,用户打开通知列表很慢怎么办? A:① 分类 Tab 展示(互动/系统/事务),每个 Tab 独立分页;② 只加载最近 N 天的通知,历史通知归档到冷存储;③ 热点用户的通知列表缓存到 Redis。 ### Q:如何实现"张三、李四等 5 人点赞了你的文章"这种聚合通知? A:短时间内同一业务对象的同类型通知做合并。用 Redis 维护聚合窗口:`aggregate:like:{articleId}:{authorId}`,窗口内累计发送者列表,窗口结束后生成一条聚合通知。 替代方案是逐条落库,代价是通知列表被同类事件刷屏。聚合的代价是"窗口内通知不会实时出现",需要用户能接受短暂延迟。 ## 四、总结与自测 ### Q:面试里怎么答这道题? A:分四点作答: 1. 系统公告用拉取模式,不逐条写入;已读状态用 Redis Bitmap,百万用户只占 125KB 2. 互动通知通过 MQ 异步处理,支持聚合("5 人点赞了你") 3. 多端同步用 WebSocket 实时推送,未读计数用 Redis 维护 4. 推送渠道根据用户偏好设置决定(站内信/Push/短信),通过策略模式实现多渠道分发 ### Q:这套设计的核心取舍是什么? A:一句话概括:**把"写放大"换成"读时合并",把"同步"换成"异步"**。系统公告不逐条写(写省了,读时合并公告),通知生产走 MQ(核心链路快了,换来最终一致与幂等成本),未读计数放 Redis(读快了,换来一致性对账成本)。每个取舍都要能说出对应的代价。 --- ## 自测 1. 系统公告为什么用拉取模式?如果改成推送模式,一条公告会产生多少行数据? 2. 为什么已读状态用 Redis Bitmap 而不是关系表?它不适用的场景是什么? 3. 互动通知为什么要走 MQ?引入后需要额外解决什么问题? 4. 单机 `ConcurrentHashMap` 维护 WebSocket 会话在多实例部署下会怎样?怎么解决?
预览
发布文章
添加摘要让读者更快了解文章内容
取消
确认发布
AI 写作助手
输入一个主题,AI 将为你生成一篇 Markdown 博客文章
AI 正在写作中...
取消
开始生成
AI 优化助手
描述你的修改需求,AI 将在原文基础上进行补充或微调
AI 正在优化中...
取消
开始优化
画布
从已有图里选
✕
图名
保存后生成 /images/excalidraw/<图名>.svg(只能用字母、数字、短横线、下划线、点)
取消
保存并插入