聚合支付架构从零到一
0 前言
聚合支付主要是就是一个将所有的第三方支付，通过借助形式融合在一起，相当于对接一个支付接口，就可以使用各种支付的场景。如便利店购物，贴个码，上有微信支付，支付宝等各种支付。
它主要是针对一个微小商户进行一个收款工具，让商家他那边会有一个收钱吧商户通，第一个可以实时的收听语音报告，当前用户付款多少钱，第二个就是他可以去实时查看账单，了解当天营业额。
还有一个产品就是pos机，主要是一款生态 pos，它里面不仅继承了我们一个我们这个具备支付系统提供的服务，就比如微信支付宝，它们还集成了一个刷卡的功能，就是磁条卡芯片卡，还有各种支付方式。本文聚合支付只涉及交易流，不涉及资金流。
1 V1.0系统
-
工期短
基本上所有新项目都这尿性，天天被领导鞭策赶进度
-
业务不熟
不知道聚合支付到底做啥的，支付流程啥样？毕竟每个公司支付业务其实完全不一样，无法照搬！
-
交易量小
当时的交易量是只有前端的一两个产品在使用，每天的交易笔数也很小
-
人员缺乏
新成立的团队做新项目研发，那就只有我和另一十年老鸟同事
该背景下完成 V1.0系统架构，即虚线圈，具体分工：
- 交易前置
- 交易网关
直接操作 DB 没做甚至缓存的优化。
- 交易前置：支付核心业务处理，如记录商户交易流水、对接各个支撑服务
- 风控系统：交易单日/单笔限额、商户黑名单、欺诈行为识别等风险因素控制
- 路由系统：通过设定的优先级、限额等路由规则，选择合适的渠道，保证成功率，降低成本
- 交易网关：负责所有支付渠道的报文包装、数据加密、协议转换、签名验证、状态映射
当时就做这样简单架构，第一个开发比较快，直接拿需求进行改代码，方便测试以及上线。经几个月交易猛增，发现
2 系统瓶颈
2.1 渠道隔离
当时对接了几个渠道，特别渠道不稳定的话，如资源不可用、网络问题，导致超时，就会把所有渠道交易全部影响，级联反应导致交易链路雪崩。系统哪边挂了之后立马要赶紧联系。所以说这个渠道隔离放在第一位首要的。
2.2 接口膨胀
特别涉及相似业务的，如消费、撤销、退款接口，就每个业务类型都有这几个接口，随业务发展，也难维护，开发每次来个需求都考虑到底是改哪个接口，要不要都改。
2.3 动态扩容
聚合支付很多交易异步，用户下单时，我们会立即返回就下单成功，或者下单失败，但是这个交易有没有消费成功，我们需要设置定时的任务去查询最终付款结果。
2.4 定时调度
它需定时、定点、定量拉取订单处理，如拉取数据太多OOM，太少很多交易得不到执行。分布式下如何充分提升并发前提下充分使用机器资源变紧迫。
2.5 配置分散
传统将配置文件存放在每个节点，每次升级都要运维手动改。风险高且不好维护。
3 V2.0系统
3.1 设计方向
- 稳定：支付系统的根基
- 支付体验：用户使用支付功能时感知零延迟
- 低耦合：模块间减少依赖，需求变动风险控制在最小范围
过程试了多种方案，最终演变如下系统架构：
服务划分三条线，绿色和中间红色和最下面一条橙色：
绿色：交易核心、交易网关
任务作业和查询网关，独立部署
这俩业务线通过MQ解耦。
- 再独立查询服务，对前端业务仅提供流水查询功能
3.2 业务流程
业务发起一笔消费，先进入支付核心初始化流水、风控风险识别、渠道路由、渠道网关报文组装、上送、渠道应答。异步交易发送消息至 MQ 集群，任务作业监听消息，put 缓存，定时任务拉取进行状态查询，业务方通过查询服务查看该笔交易支付状态。
3.3 前置优化水平方向
<img src="https://my-img.javaedge.com.cn/javaedge-blog/2024/06/e71bbccbed3f07350c4e9af3dc0f44f9.png" style="zoom: 33%;" />
- 接入层：将共性接口统一。如下单，所有业务，不管微信支付还是啥，都归为下单，具体业务通过 serviceId 标识
- 服务层：共性逻辑，也就是核心逻辑全部抽离出来，然后进行统一下沉，作为底层服务，上层业务全部通过 serviceId 配置化实现，这样的话尽量去少改动核心业务逻辑
- 缓存层：随交易量增长，初代系统很多业务查询直连DB，有很大性能影响。所以就在 DB 之上将所有消费交易信息缓存，后续所有查询、更新操作全部打到缓存层，主要为提升服务性能
<img src="https://my-img.javaedge.com.cn/javaedge-blog/2024/06/5f72d08aad1d6c5ee454e909d6055b61.png" style="zoom:50%;" />
3.4 前置优化垂直拆分
- 核心交易：交易核心链路，用户感知最明显。如支付失败，用户立马感知，投诉或电话客服，该模块也包含退款业务
- 任务作业：将处理中的交易进行状态同步，和核心交易通过MQ解耦
- 查询服务：仅对公司内部提供一个交易状态查询功能
3.5 任务作业
内部查询策略设计为两个队列、一个批处理：
-
内存队列：实现如延迟10s、间隔5s或很多银行使用 2 的 N 次方进行查询
该队列主要针对单笔交易执行快速状态同步，提升用户体验
"2的N次方进行查询"这个策略一般是在系统设计中对于状态查询的优化策略。如一个操作需要查询外部系统以确认状态，第一次查询在操作完成后立刻执行，若没有得到确认，那就等待一些时间后再查询一次。这里的"等待一些时间"就可能采取"2的N次方"的间隔策略。
如第一次查询失败后，系统会等待21（也就是2）秒再查询一次，如果还是失败，那就等待22（也就是4）秒后再次查询，以此类推。这样做的好处在于可以避免在接口繁忙的时候造成过度查询，对接口进行压力保护，同时也节省了系统资源。 缓存队列：基于Redis集群，结合分布式调度框架 Elastic-Job 设计。主要针对状态延迟的订单，进行批量状态同步
DB批处理：结合 Elastic-Job 设计，主要提供人工干预的入口，当渠道延迟比较长、或者渠道异常的情况下，执行批量状态同步
3.6 分片策略
任务分片：把一个任务分散到不同机器运行，既解决单机计算能力上限问题，也降低部分任务失败对整体系统影响。
elastic-job 不直接提供数据处理的功能，只将分片项分配各个运行中的作业服务器（即Job 实例，部署在一台机器上的多个 Job 实例也能分片）。开发需自行处理分片项与真实数据对应关系。
数据分片：订单号取模存储（zset）
3.7 数据结构
- 有序集合（zset）：按分片逻辑，将订单号取模，存放至对应队列
- string：交易明细序列化存储
设计思路
- MQ 消费者（作业节点），接收到消息后，将数据存入缓存
- 作业节点根据分片项、score 范围，定时从对应的缓存队列中获取指定数量的订单号
- 业务循环处理，根据订单号再去缓存中获取对应的详细信息
- 执行查询逻辑
zset元素数据过期，需业务自己处理，可单独建立检测机制，也可每次执行业务时执行判断，过期则移除，不然集合越来越大。
4 高可用设计
4.1 渠道隔离
高并发访问下，系统所依赖渠道稳定性对系统影响很大，外部依赖存在大量不可控因素，如网络连接变慢，资源突然繁忙，暂时不可用，选型容错开源框架 Hystrix，隔离方案选择 thread。
4.2 查询网关
交易系统中，查询业务量一般是支付业务的 6 倍，甚至更高，这样对查询服务性能就会有更高的要求。减少对核心交易影响，提升稳定性。
4.3 通道商户缓存
通道信息（机构号、商户号、密钥等）属静态信息，初次使用时存入分布式缓存系统（设置TTL，防止僵尸数据），同时增加手动修改的入口，方便人工干预。
- 千里之堤毁于蚁穴：用容错就是避免蚁穴变大，依赖服务不可用时，服务调用方通过技术手段，向上提供有损服务，保证业务柔性可用
- 线程池资源隔离：Java 的 Servlet 容器 Tomcat或 Jetty 都是多线程模型，用 Worker 线程处理请求。当业务请求打满 Worker 线程的最大值后，剩余请求被放到等待队列（或拒绝），若等待队列也满，那这台 Web Server 就会拒绝服
QPS 较高的服务，那基本上这种场景下，你的服务也会跟着被拖垮。假如上游服务也没有设置合理的超时时间，故障就会扩散。这种故障逐级放大的过程，就是服务雪崩效应。采用容错框架 Hystrix 解决此问题。 通过 Hystrix 命令模式，将每个类型的业务请求封装成对应的命令请求。每个命令请求对应一个线程池，创建好的线程池是被放入到 ConcurrentHashMap 中。
尽管线程池提供线程隔离，也要有超时设置，不能无限阻塞以致于线程池一直饱和。
Hystrix 线程监控
实时展示各业务线程池资源，研发以此为参考评估资源是否够用、是否需升级机器资源等：
2.0全面对接内部监控平台，关注：
- 节点耗时监控：如哪个时间点、哪个节点耗时较多，通过百分比直观看出瓶颈
- 成功率监控：折线图定时刷新数据，将各个时间点的交易记录数、成功笔数、失败笔数进行汇总计算，渠道接口异常时可以第一时间发出告警
- 应答码监控：应答码 TOP 排行榜，方便研发分析数据，提前将问题通知给渠道，减少后续可能出现更大的问题；部分应答码重点监控，通过设定告警阀值，超过阀值短信及电话告警，研发第一时间接入处理，减少可能造成的损失
- 邮件巡检报告：用于第二天研发自助数据分析
5 规划
动态分片：包括数据分片、任务分片，业务量持续倍数增长情况，各环节分片策略如何做到自动化，充分压榨各机器性能
智能路由：遇到渠道异常、临时停用渠道等case，需将用户切换至其他渠道，当下是人工拉数据手工操作，后续思考如何让路由更智能
全链路的监控：我们现在链路监控只是从前端到后端有一个请求的跟踪号，但是这个都分散在我们业务日志里面的。所以说我们下一步就准备做一个全链路的监控，就相当于把每一个每笔交易，它具体在哪个时间点在哪个机器上，然后在哪个渠道，然后它状态做的什么变更，做一个完整的记录，通过一个可视化的界面提供出来，方便客服、运营等其他协作部门使用
获取更多干货内容，记得关注我哦。
本文由博客一文多发平台 OpenWrite 发布！
