美团即时物流的分布式系统架构设计

作者 | 宋斌 ，文末延伸：王继祥

来源丨高效开发运维

编者按：即时物流看似简单，表面看仅仅是物流最原始的配送模式，即：点对点配送。但是，在互联网成为基础设施的今天，大数据、云计算、物联网等先进技术都在即时物流配送体系中得到应用，数据驱动，智能调拨已经成为即时物流的核心竞争力。如果即时物流与上游的传统物流体系和智慧供应链对接，将打通传统物流配送最难的末端网络，推动智慧供应链向智慧供应网变革，即时物流的小趋势将推动智慧物流大趋势发展。美团即时物流系统在国内居于领先地位，美团的即时物流的大脑是如何建设的？今天向大家推荐一篇美团资深技术专家宋斌的文章，供大家参考。（王继祥）

团外卖的即时物流分布式高并发系统是如何建设的？   背景   

美团外卖已经发展了五年，即时物流探索也经历了 3 年多的时间，业务从零孵化到初具规模，在整个过程中积累了一些分布式高并发系统的建设经验。最主要的收获包括两点：

1. 即时物流业务对故障和高延迟的容忍度极低，在业务复杂度提升的同时也要求系统具备分布式、可扩展、可容灾的能力。即时物流系统阶段性的逐步实施分布式系统的架构升级，最终解决了系统宕机的风险。

2. 围绕成本、效率、体验核心三要素，即时物流体系大量结合 AI 技术，从定价、ETA、调度、运力规划、运力干预、补贴、核算、语音交互、LBS 挖掘、业务运维、指标监控等方面，业务突破结合架构升级，达到促规模、保体验、降成本的效果。

本文主要介绍在美团即时物流分布式系统架构逐层演变的进展中，遇到的技术障碍和挑战：

• 订单、骑手规模大，供需匹配过程的超大规模计算问题。

• 遇到节假日或者恶劣天气，订单聚集效应，流量高峰是平常的十几倍。

• 物流履约是线上连接线下的关键环节，故障容忍度极低，不能宕机，不能丢单，可用性要求极高。

• 数据实时性、准确性要求高，对延迟、异常非常敏感。

美团即时物流架构

美团即时物流配送平台主要围绕三件事展开：一是面向用户提供履约的 SLA，包括计算送达时间 ETA、配送费定价等；二是在多目标（成本、效率、体验）优化的背景下，匹配最合适的骑手；三是提供骑手完整履约过程中的辅助决策，包括智能语音、路径推荐、到店提醒等。

在一系列服务背后，是美团强大的技术体系的支持，并由此沉淀出的配送业务架构体系，基于架构构建的平台、算法、系统和服务。庞大的物流系统背后离不开分布式系统架构的支撑，而且这个架构更要保证高可用和高并发。

分布式架构，是相对于集中式架构而言的一种架构体系。分布式架构适用 CAP 理论（Consistency 一致性，Availability 可用性，Partition Tolerance 分区容忍性）。在分布式架构中，一个服务部署在多个对等节点中，节点之间通过网络进行通信，多个节点共同组成服务集群来提供高可用、一致性的服务。

早期，美团按照业务领域划分成多个垂直服务架构；随着业务的发展，从可用性的角度考虑做了分层服务架构。后来，业务发展越发复杂，从运维、质量等多个角度考量后，逐步演进到微服务架构。这里主要遵循了两个原则：不宜过早的进入到微服务架构的设计中，好的架构是演进出来的不是提前设计出来的。

分布式系统实践

上图是比较典型的美团技术体系下的分布式系统结构：依托了美团公共组件和服务，完成了分区扩容、容灾和监控的能力。前端流量会通过 HLB 来分发和负载均衡；在分区内，服务与服务会通过 OCTO 进行通信，提供服务注册、自动发现、负载均衡、容错、灰度发布等等服务。当然也可以通过消息队列进行通信，例如 Kafka、RabbitMQ。在存储层使用 Zebra 来访问分布式数据库进行读写操作。利用 CAT（美团开源的分布式监控系统）进行分布式业务及系统日志的采集、上报和监控。分布式缓存使用 Squirrel+Cellar 的组合。分布式任务调度则是通过 Crane。

在实践过程还要解决几个问题，比较典型的是集群的扩展性，有状态的集群可扩展性相对较差，无法快速扩容机器，无法缓解流量压力。同时，也会出现节点热点的问题，包括资源不均匀、CPU 使用不均匀等等。

首先，配送后台技术团队通过架构升级，将有状态节点变成无状态节点，通过并行计算的能力，让小的业务节点去分担计算压力，以此实现快速扩容。

第二是要解决一致性的问题，对于既要写 DB 也要写缓存的场景，业务写缓存无法保障数据一致性，美团内部主要通过 Databus 来解决，Databus 是一个高可用、低延时、高并发、保证数据一致性的数据库变更实时传输系统。通过 Databus 上游可以监控业务 Binlog 变更，通过管道将变更信息传递给 ES 和其他 DB，或者是其他 KV 系统，利用 Databus 的高可用特性来保证数据最终是可以同步到其他系统中。

第三是我们一直在花精力解决的事情，就是保障集群高可用，主要从三个方面来入手，事前较多的是做全链路压测评，估峰值容量；周期性的集群健康性检查；随机故障演练（服务、机器、组件）。事中做异常报警（性能、业务指标、可用性）；快速的故障定位（单机故障、集群故障、IDC 故障、组件异常、服务异常）；故障前后的系统变更收集。事后重点做系统回滚；扩容、限流、熔断、降级；核武器兜底。

单 IDC 的快速部署 & 容灾

单 IDC 故障之后，入口服务做到故障识别，自动流量切换；单 IDC 的快速扩容，数据提前同步，服务提前部署，Ready 之后打开入口流量；要求所有做数据同步、流量分发的服务，都具备自动故障检测、故障服务自动摘除；按照 IDC 为单位扩缩容的能力。

多中心尝试

美团 IDC 以分区为单位，存在资源满排，分区无法扩容。美团的方案是多个 IDC 组成虚拟中心，以中心为分区的单位；服务无差别的部署在中心内；中心容量不够，直接增加新的 IDC 来扩容容量。

单元化尝试

相比多中心来说，单元化是进行分区容灾和扩容的更优方案。关于流量路由，美团主要是根据业务特点，采用区域或城市进行路由。数据同步上，异地会出现延迟状况。SET 容灾上要保证同本地或异地 SET 出现问题时，可以快速把 SET 切换到其他 SET 上来承担流量。

智能物流的核心技术能力和平台沉淀

机器学习平台，是一站式线下到线上的模型训练和算法应用平台。之所以构建这个平台，目的是要解决算法应用场景多，重复造轮子的矛盾问题，以及线上、线下数据质量不一致。如果流程不明确不连贯，会出现迭代效率低，特征、模型的应用上线部署出现数据质量等障碍问题。

JARVIS 是一个以稳定性保障为目标的智能化业务运维 AIOps 平台。主要用于处理系统故障时报警源很多，会有大量的重复报警，有效信息很容易被淹没等各种问题。此外，过往小规模分布式集群的运维故障主要靠人和经验来分析和定位，效率低下，处理速度慢，每次故障处理得到的预期不稳定，在有效性和及时性方面无法保证。所以需要 AIOps 平台来解决这些问题。

未来的挑战

经过复盘和 Review 之后，我们发现未来的挑战很大，微服务不再“微”了，业务复杂度提升之后，服务就会变得膨胀。其次，网状结构的服务集群，任何轻微的延迟，都可能导致的网络放大效应。另外复杂的服务拓扑，如何做到故障的快速定位和处理，这也是 AIOps 需要重点解决的难题。最后，就是单元化之后，从集群为单位的运维到以单元为单位的运维，也给美团业务部署能力带来很大的挑战。

---

作者简介

宋斌，美团资深技术专家，长期参与分布式系统架构、高并发系统稳定性保障相关工作。目前担任即时物流团队后台技术负责人。2013 年加入美团，参与过美团外卖 C 端、即时物流体系从零搭建。现在带领团队负责调度、清结算、LBS、定价等业务系统、算法数据平台、稳定性保障平台等技术平台的研发和运维。最近重点关注 AIOps 方向，探索在高并发、分布式系统架构下，如何更好的做好系统稳定性保障。

==========

延伸阅读：美国的即时物流技术（本号编辑整理）

最近几年，即时配送业务在全球范围内掀起了一波快速发展的浪潮，全球各地都出现了很多创业公司，其中国外知名的包括美国的Uber Eats(全球)、英国的Deliveroo、印度的Swiggy、Zomato(分别被美团和阿里投资)，印尼的go-jek等等。

在美国多数城市都使用汽车配送，使用汽车配送不会发生国内这种频发的交通事故、安全性相对较高，但是遇到的第一个问题是配送密度低、地域广泛，导致配送的时间长，还经常遇到堵车、没有地方停车，停车费和罚单高的离谱等问题。汽车和短途交通工具结合，美国能够从事最后一公里配送的可用劳动力非常稀少。因此，美国科技企业纷纷加大科技研发方面的投入， 希望用新技术，降低“最后一公里”物流成本，并进一步加快运送速度，提高服务质量。

美国即时物流配送，运用算法+大数据分析+人工智能，实施分布式系统的架构升级，对配送过程进行优化，降低配送成本，提高配送速度。即时物流业务对故障和高延迟的容忍度极低，在业务复杂度提升的同时也要求系统具备分布式、可扩展、可容灾的能力。围绕成本、效率、体验核心三要素，即时物流体系大量结合AI技术，从定价、ETA、调度、运力规划、运力干预、补贴、核算、语音交互、LBS挖掘、业务运维、指标监控等方面，业务突破结合架构升级，达到促规模、保体验、降成本的效果。即时物流业务对故障和高延迟的容忍度极低，在业务复杂度提升的同时也要求系统具备分布式、可扩展、可容灾的能力。

在配送系统优化过程中，美国和国内几乎都面临着相同问题，如果处理不好，会严重影响优化的效果：

1，用户的需求存在着极大的波动。以外卖为例，午饭和晚饭时间的订单数目会远远高于其他时间。在低峰期，如果有较多的司机会导致的运力浪费;相反，在高峰期，较少的司机又会导致订单的延误。

2，法律以及配送人员本身的行为会影响对于运力的分配。例如配送人员会因为接收订单数过多，配送时间长，每单运费较低而选择离职去其他平台，因此需要为他保证每日适度的接收订单数目和每单不低于10美元的收入。同时，如何合理的分配订单，减少司机的绕路情况;多送订单给予奖励，使得他们更愿意接收订单，这一点也很重要。

3，因为配送服务的性质越来越多地向即时服务过渡，所以系统的响应时间必须足够短。往往要求系统在几分钟内，就要给出合理的调度方法，充分利用每一个配送人员，并对新信息及时给出回应。这意味着算法在合理的基础之上要更简洁，进一步加大了计算分析的难度。

4，参与建设商家的IT系统变得异常重要。配送除了和平台直接关联的司机有关外，还与合作商家有关系，合作商家的对it系统的熟练使用程度会大大降低调度的响应时间。同时，商家it系统是建立在对商家业务形态非常熟悉的基础完成上的，这样才会与配送环节高度匹配。

对于配送系统的优化，由于系统的复杂程度很高，算法设计上具有难度，具有很高的知识与技术门槛，对于设计人员来讲，需要较强的物流建模能力和数据分析能力。

在美国即时配送平台GEOSOO就是很好的例子。这家公司根据O2O即时物流的市场情况，将配送人员根据雇佣方式、服务时长、经验多少;客观条件交通路线、语言熟练度、城市分布、商家分布区域;商家产品标准化流程等做了分类，通过整数规划模型，对分单过程和配送过程分别建模，建立算法数据和计算平台，同时考虑了用户和司机的行为，并针对模型建立对世界深度感知，并对O2O即时配送平台运营进行了机器学习优化。

GESOO即时配送的解决方案是，采用一套“分布式存储+AI中心调度”协作的同城物流模式，实现UBER+达达的结合，达到降本提速的作用。利用和国内美团类似的分布式架构，通过：

LBS系统：提供正确位置(用户/商户/司机)以及两点之间正确的驾驶导航。

多传感器：提供室内定位以、精细化场景刻画、司机运动状态识别

时间预估：提供所有配送环节时间的准确预估

调度系统：多人多点实时调度系统，完成派单决策：谁来送?怎么送?

定价系统：实时动态定价系统，完成定价决策：用户收多少钱?给司机多少钱?

规划系统：配送网络规划系统，完成规划决策：站点如何划分?运力如何运营?

实现最后一公里时效性的有效保障，通过此种模式已经将配送时间从2小时缩短到1小时，和国内的速度持平，这在美国即时配送领域非常难得，美国目前多数城市都不能实现同城当日达，对于即时配送更是可望不可求。GESOO即时配送省去了仓储分拣，通过GESOOAI智慧大脑，对1000多众包司机进行实时的智能调度和管控，以即时响应各类配送场景和订单需求，将门店发货的配送时长控制在30分钟之内。并通过全自动调度降低整体运营成本，将配送信息与车辆信息、路况信息实时动态匹配，从系统整体层面做优化，同城服务半径可达 50迈，2小时可送达，在运输距离较远的情况下依然能保证高时效。

技术赋能时代，即时物流离不开大数据、人工智能、GPS+GIS定位、移动互联网、智能手机等的支撑，例如人工智能能预测运力需求，提高配送效率，智能调配订单，降低资源浪费;大数据能够积累配送单量、路线、时间等数据;GPS+GIS定位协助配送员完成路线规划，实时监督配送员;移动互联网为实时信息传递提供通路;智能手机将线下配送员纳入到共享信息环境。

版权申明：内容来源网络，版权归原作者所有。如有侵权烦请告知，我们会立即删除并表示歉意。谢谢。

正文结束

推荐阅读 ↓↓↓

一个人学习、工作很迷茫？

点击「阅读原文」加入我们的小圈子！