如今的内容型产品，不管提供的是什么类型的内容，在其主功能之外，不可避免的会有另一个十分重要的功能——消息中心。
而无论是信息流、论坛、信箱，还是私聊、群聊、通知，推拉模型是内容型（包括：社交型）产品架构的核心。做出正确选择的关键在于对产品形态和系统组件清晰的认识。
今天我们将重心放在消息中心上，聊一聊如何设计一个消息中心。
需求分析
消息中心通常会有两个功能（如下图所示）：
- 用户通知（点赞、评论、关注、@等）
- 官方通知
接下来我们将会对这两类通知进行一个简单的抽象。
首先，可以确定的是，对于用户通知，每个用户都不一样（我的点赞列表和你的点赞列表肯定是不一样的），因此对于每个人我们都需要维护一个「收件箱」。
当 A 点赞了 B 的内容，后端系统在收到了这一个点赞消息后，会将点赞信息写入 B 的 「收件箱」，并标明这是 A 在 xxx 时点赞的 xxx 内容。这是一个系统将消息 推送 给 B 的过程。
而对于官方通知，每个人（几乎）都是一样的（用户有可能设置了屏蔽，系统也可能指定了发送人群），并且官方通知是由系统自然下发的，因此对于系统来说需要维护一个系统「发件箱」。
发件箱维护了官方想给用户的通知，每次打开消息中心时，用户都会主动来系统「拉取」官方最新的消息，并和用户自己的「收件箱」里的官方通知进行比较，以确认是否已读该条通知。这是一个用户主动从系统「拉取」通知的过程。
推拉模型
其实到这里就已经点出了这两个场景背后的一套模型——推拉模型。而之所以在这两种场景选择不同的运行机制，其实背后牵扯到的是读写扩散的问题。
推模型
先看推模型，对于任何一个内容创作者来说，最开心的事情莫过于打开软件会有一堆点赞/评论的小红点。对于大 V 来说，打开 App 查看点赞消息的频率根本比不过别人给你点赞的频率，这是一个很典型的读少写多的场景。每当有一个用户点赞该大 V 时，都会将索引信息（一般为内容 ID、类型、发表时间等索引数据）写到用户的收件箱中。
- 优点：读很轻。仅需要读取消息列表即可。
- 缺点：写很重。一旦用户的内容质量很高，可能会收到大量的点赞/评论，会有大量的写入操作。
拉模型
再看拉模型，以官方通知为例，一般官方通知是由运营人员发布的，一个月可能也不会有几条，但是每次用户进入 App 时都会看看是否有新的官方通知进来，这是一个很典型的读多写少的场景。
- 优点：写很轻，节省空间。系统只需维护一个属于自己的消息列表即可。
- 缺点：读很重，计算量大。假设可以发送官方通知的生产者较多（例如淘宝里的一系列官方业务），则每次都需要从这些消息生产者里拉取最新的内容。
流程设计
用户通知
对于用户通知，流程设计如下：
对于该流程，有几点需要注意的：
异步发送
当用户出发了点赞/关注/评论行为时，被点赞/评论/关注的用户，其实不需要立即感知，因此也不需要立即将互动信息写入该用户的收件箱中，因此可以考虑以消息队列的方式通知出去，缓解系统压力。
缓存前置
写入消息时，如果直接写入用户收件箱，可能会导致用户在请求消息列表时，将请求全部打到 DB，造成系统故障，因此通常会在更新用户收件箱时双写用户缓存。
官方通知
相较于用户通知，官方通知由于引入官方运营这一角色，操作上会稍微复杂一些（如上图所示），因此整个系统的设计也会稍微复杂一些。
官方运营发送通知到「发件箱」中，「发件箱」中保留所有在线的通知列表。用户查看通知列表时，从官方「发件箱」中获取到未读通知，从自己的「收件箱」中查询历史通知。即：
- 运营写发件箱
- 用户读发件箱
- 用户写收件箱
流程示意图如下
官方运营在运营后台进行通知的编辑和发布，发布的通知更新到数据库中进行持久化存储。（这里选择 mysql 数据库进行数据持久化，下一章节将会提到）
通知发生变更时，会发送通知变更消息。基于该消息更新单条通知的缓存，并更新官方发件箱列表（供前台查询）。
用户查看通知列表时，若为第一页，需要从官方发件箱队列查看是否有未读的通知。
若有未读通知，则和历史通知第一页合并，返回给用户。同时异步写入用户的收件箱中。
持久化方案
说完了核心的业务流程后，接下来要面临的问题就是，数据存在哪？
上文有提到会将官方通知的发件箱利用 mysql 持久化，因为官方通知的数量较少，且官方通知是一个拉模型，重读轻写，压力多半由缓存来扛，所以底层数据存储在 mysql 中并无大碍。
重难点主要在用户的「收件箱」。
之前有提过，用户收件箱的逻辑是一个重写轻读的推模型，一旦大 V 的内容更新，他的收件箱可能在一瞬间涌入大量的写流量。另外，对于几个头部大 V 来说，收到几千万的点赞并不是什么难事，每一个点赞信息都要写入到该用户的收件箱中，这就要求了底层存储需要能支持海量数据。
基于以上情景，MySQL 可能并不是一个合适的持久化方案。此时，我们可以尝试使用 HBase。
MySQL 与 HBase
MySQL 和 HBase 是我们日常应用中常用的两个数据库，分别解决应用的在线事务问题和大数据场景的海量存储问题。
综合对比
MySQL：是常用的数据库，采用行存储模式，底层是 binlog，用来存储业务数据，数据存储量较小。
HBase：列式数据库，底层是 hdfs，可以存储海量的数据，主要用来存储海量的业务数据和日志数据。
从引擎结构看差异
HBase 和 MySQL 的核心差异在于底层的数据结构，HBase 使用 LSM(Log-Structure Merge)树，Innodb 使用 B 树。
LSM 树，即日志结构合并树(Log-Structured Merge-Tree)。其实它并不属于一个具体的数据结构，它更多是一种数据结构的设计思想。
它的核心思路其实非常简单，就是假定内存足够大，因此不需要每次有数据更新就必须将数据写入到磁盘中，而可以先将最新的数据驻留在内存中，等到积累到最后多之后，再使用归并排序的方式将内存内的数据合并追加到磁盘队尾 (因为所有待排序的树都是有序的，可以通过合并排序的方式快速合并到一起)。
LSM 具有批量特性，存储延迟。当写读比例很大的时候（写比读多），LSM 树相比于 B 树有更好的性能。因为随着 insert 操作，为了维护 B 树结构，节点分裂。读磁盘的随机读写概率会变大，性能会逐渐减弱。多次单页随机写，变成一次多页随机写,复用了磁盘寻道时间，极大提升效率。
因此，由引擎结构(B Tree vs LSM Tree)看到的能力差异：
- MySQL：读写均衡、存在空间碎片
- HBase：侧重于写、存储紧凑无浪费、Io 放大、数据导入能力强
从架构对比看差异
相比 MySQL，HBase 的架构特点：
- 完全分布式（数据分片、故障自恢复)
- 底层使用 HDFS(存储计算分离)。
由架构看到的能力差异：
- MySQL：运维简单(组件少)、延时低(访问路径短)
- HBase：扩展性好、内置容错恢复与数据冗余
总结
本文我们讲述了如何从官方通知和用户通知两个方面切入，设计一个 App 的常见功能——消息中心。但该方案仍然有很多潜在的问题：如果官方通知的来源很多呢？如何解决写扩散带来的成本问题？这些都是值得探索的问题。
事实上，消息中心虽然是一个十分常见的功能，但背后涉及到的东西非常复杂，发布/订阅、推拉模型、读写扩散等问题都会影响到我们的架构设计。
架构设计的过程，就是取舍的过程，而如何取舍，则是一门学问。对于现在纷繁复杂的互联网业务，永远没有最好的架构，只有最适合的架构。
最后，我们抛个问题，朋友圈是推模型还是拉模型？
