即時物流看似簡單，表面看僅僅是物流最原始的配送模式，即：點對點配送。但是，在互聯(lián)網(wǎng)成為基礎(chǔ)設(shè)施的今天，大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等先進技術(shù)都在即時物流配送體系中得到應(yīng)用，數(shù)據(jù)驅(qū)動，智能調(diào)撥已經(jīng)成為即時物流的核心競爭力。我在篇中提出：如果即時物流與上游的傳統(tǒng)物流體系和智慧供應(yīng)鏈對接，將打通傳統(tǒng)物流配送最難的末端網(wǎng)絡(luò)，推動智慧供應(yīng)鏈向智慧供應(yīng)網(wǎng)變革，即時物流的小趨勢將推動智慧物流大趨勢發(fā)展。美團即時物流系統(tǒng)在國內(nèi)居于領(lǐng)先地位，美團的即時物流的大腦是如何建設(shè)的？美團外賣的即時物流分布式高并發(fā)系統(tǒng)是如何建設(shè)的？
背景
美團外賣已經(jīng)發(fā)展了五年，即時物流探索也經(jīng)歷了 3 年多的時間，業(yè)務(wù)從零孵化到初具規(guī)模，在整個過程中積累了一些分布式高并發(fā)系統(tǒng)的建設(shè)經(jīng)驗。最主要的收獲包括兩點：
即時物流業(yè)務(wù)對故障和高延遲的容忍度極低，在業(yè)務(wù)復(fù)雜度提升的同時也要求系統(tǒng)具備分布式、可擴展、可容災(zāi)的能力。即時物流系統(tǒng)階段性的逐步實施分布式系統(tǒng)的架構(gòu)升級，最終解決了系統(tǒng)宕機的風(fēng)險。
圍繞成本、效率、體驗核心三要素，即時物流體系大量結(jié)合 AI 技術(shù)，從定價、ETA、調(diào)度、運力規(guī)劃、運力干預(yù)、補貼、核算、語音交互、LBS 挖掘、業(yè)務(wù)運維、指標監(jiān)控等方面，業(yè)務(wù)突破結(jié)合架構(gòu)升級，達到促規(guī)模、保體驗、降成本的效果。
本文主要介紹在美團即時物流分布式系統(tǒng)架構(gòu)逐層演變的進展中，遇到的技術(shù)障礙和挑戰(zhàn)：訂單、騎手規(guī)模大，供需匹配過程的超大規(guī)模計算問題。
遇到節(jié)假日或者惡劣天氣，訂單聚集效應(yīng)，流量高峰是平常的十幾倍。物流履約是線上連接線下的關(guān)鍵環(huán)節(jié)，故障容忍度極低，不能宕機，不能丟單，可用性要求極高。數(shù)據(jù)實時性、準確性要求高，對延遲、異常非常敏感。
美團即時物流架構(gòu)
美團即時物流配送平臺主要圍繞三件事展開：一是面向用戶提供履約的 SLA，包括計算送達時間 ETA、配送費定價等；二是在多目標（成本、效率、體驗）優(yōu)化的背景下，匹配最合適的騎手；三是提供騎手完整履約過程中的輔助決策，包括智能語音、路徑推薦、到店提醒等。
在一系列服務(wù)背后，是美團強大的技術(shù)體系的支持，并由此沉淀出的配送業(yè)務(wù)架構(gòu)體系，基于架構(gòu)構(gòu)建的平臺、算法、系統(tǒng)和服務(wù)。龐大的物流系統(tǒng)背后離不開分布式系統(tǒng)架構(gòu)的支撐，而且這個架構(gòu)更要保證高可用和高并發(fā)。
分布式架構(gòu)，是相對于集中式架構(gòu)而言的一種架構(gòu)體系。分布式架構(gòu)適用 CAP 理論（Consistency 一致性，Availability 可用性，Partition Tolerance 分區(qū)容忍性）。在分布式架構(gòu)中，一個服務(wù)部署在多個對等節(jié)點中，節(jié)點之間通過網(wǎng)絡(luò)進行通信，多個節(jié)點共同組成服務(wù)集群來提供高可用、一致性的服務(wù)。
早期，美團按照業(yè)務(wù)領(lǐng)域劃分成多個垂直服務(wù)架構(gòu)；隨著業(yè)務(wù)的發(fā)展，從可用性的角度考慮做了分層服務(wù)架構(gòu)。后來，業(yè)務(wù)發(fā)展越發(fā)復(fù)雜，從運維、質(zhì)量等多個角度考量后，逐步演進到微服務(wù)架構(gòu)。這里主要遵循了兩個原則：不宜過早的進入到微服務(wù)架構(gòu)的設(shè)計中，好的架構(gòu)是演進出來的不是提前設(shè)計出來的。
分布式系統(tǒng)實踐
上圖是比較典型的美團技術(shù)體系下的分布式系統(tǒng)結(jié)構(gòu)：依托了美團公共組件和服務(wù)，完成了分區(qū)擴容、容災(zāi)和監(jiān)控的能力。前端流量會通過 HLB 來分發(fā)和負載均衡；在分區(qū)內(nèi)，服務(wù)與服務(wù)會通過 OCTO 進行通信，提供服務(wù)注冊、自動發(fā)現(xiàn)、負載均衡、容錯、灰度發(fā)布等等服務(wù)。當(dāng)然也可以通過消息隊列進行通信，例如 Kafka、RabbitMQ。在存儲層使用 Zebra 來訪問分布式數(shù)據(jù)庫進行讀寫操作。利用 CAT（美團開源的分布式監(jiān)控系統(tǒng)）進行分布式業(yè)務(wù)及系統(tǒng)日志的采集、上報和監(jiān)控。分布式緩存使用 Squirrel+Cellar 的組合。分布式任務(wù)調(diào)度則是通過 Crane。
在實踐過程還要解決幾個問題，比較典型的是集群的擴展性，有狀態(tài)的集群可擴展性相對較差，無法快速擴容機器，無法緩解流量壓力。同時，也會出現(xiàn)節(jié)點熱點的問題，包括資源不均勻、CPU 使用不均勻等等。
首先，配送后臺技術(shù)團隊通過架構(gòu)升級，將有狀態(tài)節(jié)點變成無狀態(tài)節(jié)點，通過并行計算的能力，讓小的業(yè)務(wù)節(jié)點去分擔(dān)計算壓力，以此實現(xiàn)快速擴容。
第二是要解決一致性的問題，對于既要寫 DB 也要寫緩存的場景，業(yè)務(wù)寫緩存無法保障數(shù)據(jù)一致性，美團內(nèi)部主要通過 Databus 來解決，Databus 是一個高可用、低延時、高并發(fā)、保證數(shù)據(jù)一致性的數(shù)據(jù)庫變更實時傳輸系統(tǒng)。通過 Databus 上游可以監(jiān)控業(yè)務(wù) Binlog 變更，通過管道將變更信息傳遞給 ES 和其他 DB，或者是其他 KV 系統(tǒng)，利用 Databus 的高可用特性來保證數(shù)據(jù)最終是可以同步到其他系統(tǒng)中。
第三是我們一直在花精力解決的事情，就是保障集群高可用，主要從三個方面來入手，事前較多的是做全鏈路壓測評，估峰值容量；周期性的集群健康性檢查；隨機故障演練（服務(wù)、機器、組件）。事中做異常報警（性能、業(yè)務(wù)指標、可用性）；快速的故障定位（單機故障、集群故障、IDC 故障、組件異常、服務(wù)異常）；故障前后的系統(tǒng)變更收集。事后重點做系統(tǒng)回滾；擴容、限流、熔斷、降級；核武器兜底。
單 IDC 的快速部署 & 容災(zāi)
單 IDC 故障之后，入口服務(wù)做到故障識別，自動流量切換；單 IDC 的快速擴容，數(shù)據(jù)提前同步，服務(wù)提前部署，Ready 之后打開入口流量；要求所有做數(shù)據(jù)同步、流量分發(fā)的服務(wù)，都具備自動故障檢測、故障服務(wù)自動摘除；按照 IDC 為單位擴縮容的能力。
多中心嘗試
美團 IDC 以分區(qū)為單位，存在資源滿排，分區(qū)無法擴容。美團的方案是多個 IDC 組成虛擬中心，以中心為分區(qū)的單位；服務(wù)無差別的部署在中心內(nèi)；中心容量不夠，直接增加新的 IDC 來擴容容量。
單元化嘗試
相比多中心來說，單元化是進行分區(qū)容災(zāi)和擴容的更優(yōu)方案。關(guān)于流量路由，美團主要是根據(jù)業(yè)務(wù)特點，采用區(qū)域或城市進行路由。數(shù)據(jù)同步上，異地會出現(xiàn)延遲狀況。SET 容災(zāi)上要保證同本地或異地 SET 出現(xiàn)問題時，可以快速把 SET 切換到其他 SET 上來承擔(dān)流量。
智能物流的核心技術(shù)能力和平臺沉淀
機器學(xué)習(xí)平臺，是一站式線下到線上的模型訓(xùn)練和算法應(yīng)用平臺。之所以構(gòu)建這個平臺，目的是要解決算法應(yīng)用場景多，重復(fù)造輪子的矛盾問題，以及線上、線下數(shù)據(jù)質(zhì)量不一致。如果流程不明確不連貫，會出現(xiàn)迭代效率低，特征、模型的應(yīng)用上線部署出現(xiàn)數(shù)據(jù)質(zhì)量等障礙問題。
JARVIS 是一個以穩(wěn)定性保障為目標的智能化業(yè)務(wù)運維 AIOps 平臺。主要用于處理系統(tǒng)故障時報警源很多，會有大量的重復(fù)報警，有效信息很容易被淹沒等各種問題。此外，過往小規(guī)模分布式集群的運維故障主要靠人和經(jīng)驗來分析和定位，效率低下，處理速度慢，每次故障處理得到的預(yù)期不穩(wěn)定，在有效性和及時性方面無法保證。所以需要 AIOps 平臺來解決這些問題。
未來的挑戰(zhàn)
經(jīng)過復(fù)盤和 Review 之后，我們發(fā)現(xiàn)未來的挑戰(zhàn)很大，微服務(wù)不再“微”了，業(yè)務(wù)復(fù)雜度提升之后，服務(wù)就會變得膨脹。其次，網(wǎng)狀結(jié)構(gòu)的服務(wù)集群，任何輕微的延遲，都可能導(dǎo)致的網(wǎng)絡(luò)放大效應(yīng)。另外復(fù)雜的服務(wù)拓撲，如何做到故障的快速定位和處理，這也是 AIOps 需要重點解決的難題。最后，就是單元化之后，從集群為單位的運維到以單元為單位的運維，也給美團業(yè)務(wù)部署能力帶來很大的挑戰(zhàn)。
