阿里妹导读

本文主要介绍了 AE 策略中心的技术方案选型与落地实战。

项目背景

全链路营销是去中心化的运营方式，给用户发放精细化的营销权益，打造策略中心系统。根据用户的行为记录用户的喜好商品，在满足策略中心规则后，通过 C 端链路的触发实现营销权益发放和权益表达。

架构设计

架构调研

当前营销各应用都是采用 TMF 框架，由中台提供标准的节点，营销业务层进行节点编排，每个节点都提供相应的拓展点，可以让不同营销工具实现不同的营销玩法。

上图可以看出营销计算的流程是比较固定的，业务迭代一般在当前流程的节点上进行拓展，TMF 提供的拓展点就是采用策略模式。比如文案构建节点，不同的营销工具需要返回不同的文案，根据营销工具类型匹配文案构建类，执行业务规则。

但是全链路营销面向的是玩法层，所以每次迭代的业务流程都是不固定的，对用户的行为要求是不固定的，对下游的依赖也是变化的。所以根据不同的玩法模板，执行不同的业务流程节点，这样做后续的拓展性会比较好。

全链路营销具有两个链路：数据准备和权益发放，数据准备阶段是用户行为规则校验通过后通过 MQ 消息触发，权益发放阶段是在用户在访问某个资源位时，由上游调用策略中心触发。

用户的每个行为对我们来说都属于事件，只不过有的是同步触发，有的是异步触发，所以依赖不同的事件来编排不同的业务节点，编排方式可以通过配置中心或者 Java 硬编码的形式，拓展性和灵活性更高，整体建设了一个基于事件驱动的流程编排系统。

系统架构

策略中心将不同事件通过不同的渠道（channelCode）进行标识，不同的 channelCode 触发不同的流程编排。

策略中心的代码架构整体分为 4 层：

接入层：用户的行为校验，由行为规则域统一收敛，满足规则后发送 MQ 消息通知策略中心用户触发某个资源位的行为，由上游同步通知策略中心服务层：分渠道进行事件处理，然后统一调到领域层进行策略执行领域层：策略域包含多个子域，可自主编排多个子域的域能力，最后对外提供策略域能力基础层：基础设施层，包含外域依赖和存储依赖两个部分

流程设计

策略中心整体代码流程实现，如下图所示：

行为事件：代表用户完成了某个行为规则，MQ 消息中携带 ruleKey 作为 channelCode，策略中心会通过渠道查询策略活动，构建策略实例，完成数据的准备阶段，包括查询用户操作的商品、算法召回、处理商品折扣等，最后将策略实例的相关数据（商品、流程）存储到 Redis。资源位事件：代表用户点击了某个资源位，API 的入参中有 channelCode，策略中心同样进行活动查询、策略构建，然后从 Redis 中读取数据准备阶段的数据，填充到策略实例，开始进行权益的发放。

设计说明：

策略实例的驱动逻辑固定，不同玩法对应不同的策略模板，模板会编排不同的节点形成执行器链，新增一种玩法只需要新增一个策略模板即可，不会对其他玩法产生影响，拓展性好。分布式锁保证同一个策略实例在同一时刻只能被一个线程执行，如果行为事件和资源位事件同时执行，会造成数据覆盖的问题。不涉及数据覆盖问题的场景不需要加锁，所以可以通过入参或者策略模板配置来决定是否加锁。模型设计

领域模型

策略域的聚合为 TacticsInstanceContext，也就是上文一直提到的策略实例，聚合根是 TacticsActivity 策略活动。每个策略实例 TacticsInstanceContext 中包含一个策略活动和相关的执行参数以及执行结果，执行参数包含买家 ID、渠道、是否加锁、是否仅执行最优策略等信息，所以一个策略活动和一个用户唯一对应一个策略实例。

TacticsInstanceContext 只包含基础的策略执行数据，但是策略层有多个子域，各个子域对 Context 的依赖不同，所以需要对策略实例做能力的拓展，常见的方式有：

Context 中提供 map 拓展字段，将所有节点所需的数据统一放入拓展字段中，Context 中提供充血方法获取对应的数据。提供能力拓展的接口，增加 Context 子类实现拓展接口，节点执行前判断入参是否有该能力，在进行执行。

我们采用接口拓展的方式解决该问题，因为项目的核心设计思想就是策略 + 工厂模式，可以根据不同的策略模板（templateType）构建不同的 Context。

比如全链路营销 3.0 版本需要用户的商品数据，所以进行接口 IItemContext 的拓展：

策略模板

每种玩法对应一种策略模板，目前有全链路营销 2.0 和全链路营销 3.0 两个模板，所以通过模板工厂去获取模板的配置：

上图可以看出，getProcessorChain() 提供了核心的流程编排能力，因为每个事件对应一个 channelCode，所以流程编排是基于事件标识来完成，代码示例：

public List<String> getProcessorChain(String channelCode) { List<String> processorChain = Lists.newArrayList(); // channelCodeA 或 channelCodeB 理论上都是一个可配置的Set集合，这里进行简化 if ("channelCodeA".equals(channelCode)) { // 查询商品 processorChain.add(QueryacticsProcessor.PROCESSOR_NAME); // 处理商品营销数据 processorChain.add(HandleItemPromotionTacticsProcessor.PROCESSOR_NAME); // 记录行为事件消费成功 processorChain.add(EventTacticsProcessor.PROCESSOR_NAME); } else if ("channelCodeB".equals(channelCode)) { // 校验行为事件是否消费成功 processorChain.add(CheckEventTacticsProcessor.PROCESSOR_NAME); // 规则校验 processorChain.add(RuleCheckTacticsProcessor.PROCESSOR_NAME); // 查询资产 processorChain.add(QueryAssetTacticsProcessor.PROCESSOR_NAME); // 权益发放 processorChain.add(SendBenefitTacticsProcessor.PROCESSOR_NAME); // 构建结果 processorChain.add(BuildResultTacticsProcessor.PROCESSOR_NAME); } return processorChain;}

节点模型

接口类：

public interface TacticsProcessor { /** * 节点名称 */ String getProcessorName(); /** * 策略实例匹配校验 */ boolean validate(TacticsInstanceContext instanceContext); /** * 策略实例执行逻辑 */ void process(TacticsInstanceContext instanceContext);}

拓展子类：

幂等设计

业务玩法是循环发放权益，但是只有当前用户不存在可用的资产（未领取、过期、核销等），才进行发放。

权益系统可以保证一个幂等 ID 只会进行一次的资源扣减和资产的写入动作，并且当一次请求失败时，权益系统内部会主动重试或回滚，所以策略中心为了防止超发问题，做了两件事：

保证幂等 ID 的唯一性，可重入性；当存在可用的资产时，直接返回该资产，不进行权益发放；

当用户资产表查询出现抖动或者其他情况时，我们将发放的次数置为 0，第几次发放 willSendCnt 置为 1。如果用户是第一次领取，那么会执行真正的权益发放，符合业务流程；如果用户非首次领取，因为相同的幂等 ID 只会扣减一次资源，所以不会造成超发。

项目总结

本文主要介绍了 AE 策略中心的技术方案选型与落地实战。从最初版的逻辑平铺的技术设计，到基于事件驱动的流程编排系统，我们做了系统架构的优化和提升，未来可拓展性更强，业务迭代只需要增加新的的策略模板和节点即可，不会影响其他策略模板逻辑，符合开闭原则。