【編者按】2015年看到一個系列選題，第一篇是《技術(shù)揭秘12306改造（一）：尖峰日PV值297億下可每秒出票1032張》。一年過去，應該又有很多變化。下述是一位技術(shù)專家——何望老師在其博客的分享，其對12306系統(tǒng)核心領(lǐng)域模型設(shè)計進行了深入討論，并希望利用業(yè)余時間基于ENode實現(xiàn)一套12306的核心功能，比如余票查詢、訂票的功能。這些系列內(nèi)容建議相互印證來看。

前言

春節(jié)期間，無意中看到一篇文章，文章中講到12306的業(yè)務復雜度遠遠比淘寶天貓這種電商網(wǎng)站要復雜。后來自己想想，也確實如此。所以，很想挑戰(zhàn)一下12306這個系統(tǒng)的核心領(lǐng)域模型的設(shè)計。一般的電商網(wǎng)站，購買都是基于商品的概念，每個商品有一定量的庫存，用戶的購買行為是針對商品的。當用戶發(fā)起購買行為時，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，具體復雜在哪里，我下面會進一步分析。

另外一個讓我寫這篇文章的原因，是我發(fā)現(xiàn)也許是否是因為目前12306的核心領(lǐng)域模型設(shè)計的不夠好，導致用戶購票時要處理的業(yè)務邏輯異常復雜，維護數(shù)據(jù)一致性的難度也幾百倍的上升，同時面對高并發(fā)的訂票也難以支持很高的TPS。我覺得，越是復雜的業(yè)務，就越要重視業(yè)務分析，重視領(lǐng)域模型的抽象和設(shè)計。如果不假思索，憑以往經(jīng)驗行事，則很可能會被以往的設(shè)計經(jīng)驗先入為主，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、如何負載均衡、如何排隊、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)務層面的思考，如分析業(yè)務、領(lǐng)域建模。我認為越是復雜的業(yè)務系統(tǒng)，則越要設(shè)計一個健壯的領(lǐng)域模型。如果一個系統(tǒng)的架構(gòu)我們設(shè)計錯了，還有補救的余地，因為架構(gòu)最終沉淀的只是代碼，調(diào)整架構(gòu)即可（一個系統(tǒng)的架構(gòu)本身就是不斷演進的）；而如果領(lǐng)域模型設(shè)計錯了，那要補救的代價是非常大的，因為領(lǐng)域模型沉淀的是數(shù)據(jù)結(jié)構(gòu)及其對應的大量數(shù)據(jù)，對任何一個大型系統(tǒng)，要改核心領(lǐng)域模型都是成本非常高的。

本文的重點不是在如何解決高并發(fā)的問題，而是希望從業(yè)務角度去分析，12306的理想模型應該是怎么樣的。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)務分析和如何建模的。所以我想寫一下自己的設(shè)計和大家交流學習。

需求概述

12306這個系統(tǒng)，核心要解決的問題是網(wǎng)上售票。涉及到2個角色使用該系統(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。購票和售票其實是一個場景，對用戶來說是購票，對鐵道部來說是售票。因此，我們要設(shè)計一個在線的網(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個核心訴求?？雌饋恚@3個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)日三個條件，查詢可能存在的車次，用戶可以看到每個車次經(jīng)過的站點名稱，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階段，本文重點分析訂票的模型設(shè)計和實現(xiàn)思路。

其實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。但相比前面兩個需求來說，我覺得這個需求相對次要一些。

需求分析

確實，12306也是一個電商系統(tǒng)，而且看起來商品就是票了。因為如果把一張票看成是一個商品，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。但是如果我們仔細想想，會發(fā)現(xiàn)12306要復雜很多，因為我們無法預先確定好所有的票，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，那是另外一個車次，叫G72），它有17個站（北京西是01號站，深圳北是17號站），3種座位（商務、一等、二等）。表面看起來，這不就是3個商品嗎？G71商務座、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跟頭的。實際上，G71有136*3=408種商品（408個SKU），怎么算來的？如下：

如果賣北京西始發(fā)的，有16種賣法（因為后面有16個站），北京西到：保定、石家莊、鄭州、武漢、長沙、廣州、虎門、深圳。。。。都是一個獨立的商品，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)時間、出發(fā)地、目的地、車次、座位號。持有票的人就擁有了一個憑證，該憑證表示持有它的人可以坐某個車次的某個座位號，從某地到某地。所以，一張票，對用戶來說是一個憑證，對鐵道部來說是一個承諾；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，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，因為站票也有數(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，而是只會銷售一部分，比如40%。其余的還是會通過線下的方式銷售。不僅如此，可能有些站點上車的人會比較多，有些比較少，所以我們還會給不同的區(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張票售完就會顯示無票，就算其他站有票也會顯示無票的。每個車次肯定會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、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）某個區(qū)段最多允許出多少張；2）某個區(qū)段最少允許出多少張。當用戶訂票時，把用戶指定的區(qū)段和這兩種配置條件進行比較，兩個條件都滿足，則可以出票。不滿足，則認為無票了。下面舉個例子：

ABCDEFG，這是所有站點。座位總配額是100，假設(shè)B站點上車，E站下車的人比較少，那我們就可以設(shè)定BE這個區(qū)段最多只能出10張票。所以，只要是用戶的訂票是在這個區(qū)段內(nèi)的，就最多出10張。再比如，一列車次，總共100個座位配額，希望全程票最少滿足80張，那我們只要給AG這個區(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，我們總是針對某個車次進行配置，這些配置只是車次內(nèi)部售票時的一些額外的判斷條件（業(yè)務規(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，我們減少一些站點來討論。假設(shè)某個車次有A,B,C,D四個站點。那001這個人購買了A,B這個區(qū)間，系統(tǒng)會分配給001一個座位x；但是因為001坐到B站點后會下車，所以相當于x這個座位又空出來了，也就是說，從B站點開始，系統(tǒng)又可以認為x這個座位是可用的。所以，我們得出結(jié)論：同一個座位，其實可以同時出售AB,BC這兩張票。通過這個簡單的分析，我們知道，一列火車雖然只有有限的座位數(shù)，比如1000個座位。但可以賣出的票遠遠不止1000個。還是以A,B,C,D四個站點為例，假如火車總共有1000個座位，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)過所有站點的，那就是最多只能賣出1000張票了。而實際的場景，一定是介于1000到3000之間。然后實際的G71這個車次，有17個站，那到底可以賣出多少個票，大家應該可以算了吧。理論上這17個站中的任意兩個站點之間所形成的線段，都可以出售為一張票。我數(shù)學不好，算不太清楚，麻煩有數(shù)學好的人幫我算算，呵呵。

通過上面的分析，我們知道一張票的本質(zhì)是某個車次的某一段區(qū)間（一條線段），這個區(qū)間包含了若干個站點。然后我們還發(fā)現(xiàn)，只要區(qū)間不重疊，那座位就不會發(fā)生競爭，可以被回收利用，也就是說，可以同時預先出售。

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，比如有兩個區(qū)間發(fā)生重疊，那重疊部分的區(qū)間（可能夸一個或多個站點）是在爭搶座位的。因為假設(shè)一列火車有100個座位，那每個原子區(qū)間（兩個相鄰站點的連線），最多允許重疊99次。

所以，經(jīng)過上面的分析，我們知道了一個車次能夠出售一張車票的核心業(yè)務規(guī)則是什么？就是：這張車票所包含的每個原子區(qū)間的重疊次數(shù)加1都不能超過車次的總座位數(shù)，實際上重疊次數(shù)+1也可以理解為線段的厚度。

模型設(shè)計

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)計模型，來快速實現(xiàn)購票的需求，重點是怎么設(shè)計商品聚合以及減庫存的邏輯。

傳統(tǒng)電商的思路

如果按照普通電商的思路，把票（站點區(qū)間）設(shè)計為商品（聚合根），然后為票設(shè)計庫存數(shù)量。我個人覺得是很糟糕的。因為一方面這種聚合根非常多（上面的G71就有408個）；另一方面，即便枚舉出來了，一次購票也一定會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雜度是難以評估的。而且這么多聚合根的更新要在一個事務里，這不是為難數(shù)據(jù)庫嗎？而且，這種設(shè)計必然帶來大量的事務的并發(fā)沖突，很可能導致數(shù)據(jù)庫死鎖?？傊?，我認為這種是典型的由于領(lǐng)域模型的設(shè)計錯誤，導致并發(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，只能排隊單線程處理，但是仍然解決不了要在一個事務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，他們要怎么實現(xiàn)車次內(nèi)的票之間的數(shù)據(jù)強一致性（就是保證所有出售的票都是符合上面討論的業(yè)務規(guī)則的）？所以，這種設(shè)計，我個人認為是思維定勢了，把火車票看成是普通電商的商品來看待。所以，我們有時做設(shè)計又要依賴于經(jīng)驗，又要不能被以往經(jīng)驗所束縛，真的不容易，關(guān)鍵還是要根據(jù)具體的業(yè)務場景多多深入分析，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)計思路呢？

我的思路

聚合設(shè)計

通過上面的分析我們知道，其實任何一次購票都是針對某個車次的，我認為車次是負責處理訂票的聚合根。我們看看一個車次包含了哪些信息？一個車次包括了：1）車次名稱，如G71；2）座位數(shù)，實際座位數(shù)會分類型，比如商務座20個，一等座200個；二等座500個；我們這里為了簡化問題，可以暫時忽略類型，我認為這個類型不影響核心的模型的設(shè)計決策。需要格外注意的是：這里的座位數(shù)不要理解為真實的物理座位數(shù)，很有可能比真實的座位數(shù)要少。因為我們不可能把一個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)過的站點信息（包括站點的ID、站點名稱等），注意：車次還會記錄這些站點之間的順序關(guān)系；4）出發(fā)時間；看過GRASP九大模式中的信息專家模式的同學應該知道，將職責分配給擁有執(zhí)行該職責所需信息的類。我們這個場景，車次具有一次出票的所有信息，所以我們應該把出票的職責交給車次。另外學過DDD的同學應該知道，聚合設(shè)計有一個原則，就是：聚合內(nèi)強一致性，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，其實要影響很多和這個票對應的線段相交的其他票的可用數(shù)量。因為所有的站點信息都在車次聚合內(nèi)部，所以車次聚合內(nèi)部自然可以維護所有的原子區(qū)間，以及每個原子區(qū)間的可用票數(shù)（相當于是庫存數(shù)）。當一個原子區(qū)間的可用票數(shù)為0的時候，意味著火車針對這個區(qū)間的票已經(jīng)賣完了。所以，我們完全可以讓車次這個聚合根來保證出票時對所有原子區(qū)間的可用票數(shù)的更新的強一致性。對于車次聚合根來說，這很簡單，因為只是幾次簡單的內(nèi)存操作而已，耗時可以忽略。一列火車假如有ABCD四個站點，那原子區(qū)間就是3個。對于G71，則是16個。

怎么判斷是否能出票

基于上面的聚合設(shè)計，出票時扣減庫存的邏輯是：

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。然后嘗試將每個原子區(qū)間的可用票數(shù)減1，如果所有的原子區(qū)間都夠減，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，每個原子區(qū)間的厚度就是+1，退票時就是減一。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聚合根里，用聚合根內(nèi)的強一致性的特性保證了訂票處理的強一致性，同時也保證了性能，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，我當時第一眼看到就覺得不妥。因為這違背了DDD強調(diào)的強一致性應該由聚合根來保證、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。因為有些朋友和我講，考慮座位號的問題，雖然都能減1，座位號也必須是同一個。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）。座位是一個物理概念，一個用戶成功購買了一張票后，座位就會少一個，一張票唯一對應一個座位，但是一個座位有可能會對應多張票；而區(qū)間是一個邏輯上的概念，區(qū)間的作用有兩個：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)的每個原子區(qū)間的可用數(shù)額都大于0），則表示允許擁有一個座位。所以，我覺得座位和票（區(qū)間）是兩個維度的概念。

如何為票分配座位

我覺得車次聚合根內(nèi)部應該維護所有該車次已經(jīng)售出的票，已經(jīng)出售的票的的本質(zhì)是區(qū)間和座位的對應關(guān)系。系統(tǒng)處理訂票時，用戶提交過來的是一段區(qū)間。所以，系統(tǒng)應該做兩個事情：

1. 先根據(jù)區(qū)間去判斷是否有可用的座位；
2. 如果有可用座位，則再通過算法去選擇一個可用的座位；

當?shù)玫揭粋€可用座位后，就可以生成一張票了，然后保存這個票到車次聚合根內(nèi)部即可。下面舉個例子：

假設(shè)現(xiàn)在的情況是座位有3個，站點有4個
座位：1,2,3
站點：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該比較高效，因為總是優(yōu)先從座位池里去拿座位，只有在萬不得已的時候才會去回收可重復利用的票。
上面的4，5兩個票，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該相對低效，因為總是優(yōu)先會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，就是會出現(xiàn)雖然第一步判斷認為有可用的座位，但是這個座位可能不是全程都是同一個座位。舉例：
假設(shè)現(xiàn)在的情況是座位有3個，站點有4個
座位：1,2,3
站點：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的時候要坐座位1的。否則拿票2的那個人上車時，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。我認為不管我們這里怎么設(shè)計算法，都不影響大局，因為這一切都只發(fā)生在車次聚合根內(nèi)部，這就是預先設(shè)計好聚合根，明確出票職責在哪個對象上的好處。

模型分析總結(jié)

1. 我認為票不是核心聚合根，票只是一次出票的結(jié)果，一個憑證而已。
2. 12306真正的核心聚合根應該是車次，車次具有出票的職責，一次出票具體做的事情有：
   • 判斷是否可出票；
   • 選擇可用的座位；
   • 更新一次出票時所有原子區(qū)間的可用票數(shù)，用于判斷下次是否能出票；
   • 維護所有已售出的票，用于為選擇可用座位提供依據(jù)；

通過這樣的模型設(shè)計，我們可以確保一次出票處理只會在一個車次聚合根內(nèi)進行。這樣的好處是：

1. 不需要依賴數(shù)據(jù)庫事務就能實現(xiàn)數(shù)據(jù)修改的強一致性，因為所有修改只在一個聚合根內(nèi)發(fā)生；
2. 在保證數(shù)據(jù)強一致性的同時還能提供很高的并發(fā)處理能力，具體設(shè)計見下面的架構(gòu)設(shè)計；

架構(gòu)設(shè)計（非本文重點，沒興趣的朋友可以略過）

我覺得12306這樣的業(yè)務場景，非常適合使用CQRS架構(gòu)；因為首先它是一個查多寫少、但是寫的業(yè)務邏輯非常復雜的系統(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)。而且應該使用數(shù)據(jù)存儲也分離的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)計的領(lǐng)域模型實現(xiàn)復雜的業(yè)務規(guī)則和業(yè)務邏輯。而Q端則使用分布式緩存方案，實現(xiàn)可伸縮的查詢能力。

訂票的實現(xiàn)思路

同時借助像ENode這樣的框架，我們可以實現(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事件即可（一次訂票只涉及一個車次聚合根的修改，修改只產(chǎn)生一個事件，只需要持久化一個事件（一個JSON串）即可，保證了高性能，無須依賴事務，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，本文不做多的介紹了，大家可以思考下），就相當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)某個車次有大量的命令發(fā)送到分布式消息隊列，然后有一臺機器訂閱了這個隊列的消息，然后這臺機器處理這個車次的訂票命令時，由于這個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，相當于少了一次數(shù)據(jù)庫IO。這樣的好處是，因為一個車次能夠真正出售的票是有限的，因為座位就那么幾個，比如就1000個座位，估計一般正常情況也就出個2000個左右的票吧（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，這個聚合根只會產(chǎn)生2000個事件，也就是說只會有2000個訂票命令的處理是會產(chǎn)生事件，并持久化事件；而其余的大量命令，因為車次在內(nèi)存計算后發(fā)現(xiàn)沒有余票了，就不會做任何修改，也不會產(chǎn)生領(lǐng)域事件，這樣就可以直接處理下一個訂票命令了。這樣就可以大大提高處理訂票命令的性能。

另外一個問題我覺得還需要提一下，因為用戶訂票成功后，還需要付款。但用戶有可能不去付款或者沒有在規(guī)定的時間內(nèi)完成付款。那這種情況下，系統(tǒng)會自動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)務上需要支持業(yè)務級別的2pc。即先預扣庫存，也就是先占住這張票一定時間（比如15分鐘），然后付款成功后再真實給你這張票，系統(tǒng)做真正的庫存修改。通過這樣的預扣處理，可以保證不會出現(xiàn)超賣的情況。這個思路其實和傳統(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。

查詢余票的實現(xiàn)思路

我覺得余票的查詢的實現(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現(xiàn)。我們只需要精心設(shè)計好緩存的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)計對應的key，那時間復雜度為1，查詢性能自然高；但代價也大，因為key多了。如果想key少一點，那查詢的復雜度自然要上去一點。所以緩存設(shè)計無非就是空間換時間的思路。然后，緩存的更新無非就是：自動失效、定時更新、主動通知3種。通過CQRS架構(gòu)，由于CQ兩端是事件驅(qū)動的，當C端有任何狀態(tài)變化，都會產(chǎn)生對應的事件去通知Q端，所以我們幾乎可以做到Q端的準實時更新。

同時由于CQ兩端的完全解耦，Q端我們可以設(shè)計多種存儲，如數(shù)據(jù)庫和緩存（Redis等）；數(shù)據(jù)庫用于線下維護關(guān)系型數(shù)據(jù)，緩存用戶實時查詢。數(shù)據(jù)庫和緩存的更新速度相互不受影響，因為是并行的。對同一個事件，可以10臺機器負責更新緩存，100臺機器負責更新數(shù)據(jù)庫。即便數(shù)據(jù)庫的更新很慢，也不會影響緩存的更新進度。這就是CQRS架構(gòu)的好處，CQ的架構(gòu)完全不同，且我們隨時可以重建一種新的Q端存儲。不知道大家體會到了沒有？

關(guān)于緩存key的設(shè)計，我覺得主要從查詢余票時傳遞的信息來考慮。12306的關(guān)鍵查詢是：出發(fā)地、目的地、出發(fā)日期三個信息。我覺得有兩種key的設(shè)計思路：1）直接設(shè)計了該查詢條件的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，而是把每個車次的每個原子區(qū)間（相鄰的兩個站點所連成的直線）的可用票數(shù)作為key。這樣，key就非常少了，因為車次假如有10000個，然后每個車次平均15個區(qū)間，那也就15W個key而已。當我們要查詢時，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)的那個原子區(qū)間。則這個原子區(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。當然，到這里我提到考慮出發(fā)日期。我認為出發(fā)日期是用來決定具體是哪個車次聚合根的。同一個車次，不同的日期，對應的聚合根實例是不同的，即便是同一天，也可能有多個車次聚合根，因為有些車次一天有幾班的，比如上午9點發(fā)車的一班，下午3點發(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。

總結(jié)

本文完全是憑自己對12306這個網(wǎng)站的核心業(yè)務的簡單思考而得到的一些設(shè)計結(jié)果。如果真正的DDD領(lǐng)域建模，更多的是要和業(yè)務一線的工作人員、領(lǐng)域?qū)＜疫M行深入溝通，才能更深入的了解該領(lǐng)域內(nèi)的業(yè)務知識，從而才能設(shè)計出更靠譜的領(lǐng)域模型和架構(gòu)設(shè)計。我本人非常慚愧因為沒有上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這個系統(tǒng)的業(yè)務確實比傳統(tǒng)的電商系統(tǒng)要復雜，且并發(fā)又這么高。所以，我覺得這個系統(tǒng)真的很值得大家重視模型的設(shè)計，而不只是只關(guān)注技術(shù)層面的實現(xiàn)。