就营销活动搭建的发展过程而言：最初的营销活动的搭建通常是“定制化”的，面临一个需求、一个场景写一个活动，慢慢地重复性活动越来越多，开始借鉴模板的思想，制作几套活动开始每次换肤，但是次次换肤限定了玩法套路，容易导致用户疲劳，效果开始衰退。

这时候活动的诉求已经变成在现有的模版思想上灵活串联现有玩法，并不断新增玩法，所以开始沉淀一个又一个的标准“玩法”，比如说任务、签到、抽奖、投票、答题、助力、组团、打榜等等若干玩法，然后每次有新的活动我们只需要手动开发串联即可。

整个的对于玩法的串联，可以通过定制开发解决，也可以通过研发配置解决，最终可以完全脱离研发运营配置解决，本篇要描述的就是营销活动中，用户参与流程或者说玩法串联的流程编排问题。

一、分析现状

正如前面所提到的，我们对于常用的玩法进行沉淀之后，我们获得了各类形式的抽奖、答题、任务、签到等玩法，在使用的过程中，通常是玩法A的某个动作在某种场景下关联玩法B的某个动作，比如用户第一次参与答题获得一次抽奖机会，用户任务完成获得现金等等。

如果纯研发开发定制关联的话，每次面临开发的关系是相对复杂的，按照量级来算基本是：m*n*s （输出事件、输入动作、场景），即使每次都有沉淀，玩法和玩法的交互关系基本是过度复杂、难以维护的，所以我们需要一个“总线”工具来集中管理这些交互，降低复杂度。

二、整体设计思路

对于这些易变且复杂的逻辑，最直观的思路是剥离业务决策逻辑与代码决策逻辑。在活动编排的场景下，业务逻辑是玩法事件之间的关联关系及决策关系，代码关联就是各类事件的接受、各类事件的call。

1. 事件驱动设计

所以需要规范下玩法的输入输出，然后有一个地方能够对这些事件配置关联，对于关联之间的业务决策逻辑，只需要借鉴一下决策引擎就可以了。整个抽象完成后活动串联的成本已经从m*n*s降低到m+n，并且直接进入到研发配置关联阶段，成本至少能缩减80%以上，并为后续的运营可直接手动配置提供了功能开发的切入口。

说到这里大家应该发现本质上就是一个业务事件总线，如果看过SOA事件交互总线的定义，本质上思想是一样的，只不过我们不需要SOA这么强的定义。不光是SOA架构设计中会有相关描述，如果熟知微服务架构、事件驱动架构还有DDD设计思想等，也存在大量对于事件总线设计的描述。

这里的业务事件总线不过是在这些思想之上，根据活动业务场景进行本地化处理，增加了一些动态决策、配置关联的能力。

2. 上下文共享问题

在把各种玩法解耦，然后通过业务事件总线进行玩法关联，每个玩法内部基本形成一个信息孤岛，只关心自己内部的变化，其实是不利于活动逻辑的。高门槛任务加的抽奖机会面向的奖品集合往往价值更高，不同的组团（不同身份团队成员）面向的奖励价值也是不同，很多时候需要依赖用户参与的上下文信息，如果打破信息孤岛，通常有两种处理思路：

1）把奖励这些需要上下文的玩法做成一种基础能力，感知所有玩法的上下文，奖励作为一种微内核的存在，每个玩法直接带着上下文调用。

2）进一步抽象这些感知上下文的应用，将业务规则进一步剥离，仅有业务规则（规则引擎）感知上下文信息，其他玩法的上下文对于一个玩法来说只是普通 key-value 而已，具体使用在持有业务规则的表达式中执行。

整体来看两种思路本质上都是可以的，适用于不同的系统发展阶段，活动相对较多，第一种就足够了，复杂活动较多，第二种就相对适合。

整体比较来看：

• 第一种：实现相对简单，对玩法的要求相对较低，但是如果一个操作，同时涉及多个玩法的上下文，处理相对费劲。并且需要上下文的操作如果变多且关联，架构就逐渐退化到手动强关联。

• 第二种：实现相对复杂，对于玩法可配置要求较高，但扩展性较好，对于复杂活动的处理更加轻松。

3. 上下文的设计

上下文的设计相对简单，可以粗暴地理解为一个 get 的路由分发，大家可以理解为一个具有业务特性的 dataSource，可以根据一个 key 来找到我们所需要的用户参与的上下文信息。

具体的实现方案可以是一个集中存储，用来存放活动的上下文，也可以是逻辑上的集中存储，做一层代理透过玩法注入的 method 活动上下文。

上下文 + 动态决策编排 = 活动编排引擎

三、性能保证

由于需要处理一个业务或者几个业务下的事件流转，业务事件总线是一个对性能要求相对较高“系统节点”，需要尽可能保证它的性能极佳的特点，这里就来说一下对于事件总线的整体优化过程（按照老套路，先优化点、再优化分布式场景下“量”），先看结果：

1. 更少&更快的IO

对于事件总线的使用，尽可能不发生网络 IO，首先对于事件总线调用的应该本地化，第二是事件总线对于外部事件的调用尽量本地化，仅作为逻辑上的模块。

如果因为扩展性、可用性等若干因素，当前的架构不允许或者不支持整个活动玩法打包到一起部署，便免不了发生 IO，那就一句话，尽可能地利用 epoll，这些事作为一个业务开发来说交给基础架构来处理就好啦。

2. 更快的存储

硬编码 > 内存 > 本地磁盘 > 网络IO，常规事件之间的关联关系直接内存存储（可以DB预加载至进程内），强关联事件配置直接硬编码（硬编码的配置问题可以利用一些表达式），避免发生网络IO、磁盘IO。

3. 合理的优化分布式下的量

事件异步化处理&微批处理这类优化吞吐的直接拿来主义，看看 kafka 之类的 mq 的优化思路，我相信大家就知道该怎么做了，像这种场景直接就别重复造轮子了，用 kafka 实现异步化就足够了。

平衡一致性、可用性，前面提到了尽可能利用快的存储，在分布式场景下，如果能接受多节点不一致可以用这个思路，如果一致性要求相对较高可以用单点的 redis 进行关联关系的存储，如果对可靠性要求很高再退一步使用 mysql 这些。

通常来说，事件总线总并没有显著的业务热点，横向扩容基本可以解决所有量的问题，意义需要注意的就是这个业务上的单点，做好资源隔离就可以啦。

4. 数据一致性保证

事件总线并不是一个强业务实体，属于一个纯虚构的概念，我们只需要使用到事件总线的流程能得到保证即可。

对于分布式事务的场景，这个依赖于分布式事务的实现方案，如果是TCC类，只要保证事件能正常参与进事务中即可，对于依赖于事务型消息的分布式事务，可以替换下事件总线的“事件调用维护”，在事务消息队列上做封装即可。

对于没有分布式事务的处理场景下，最大程度利用幂等重试，做好事件处理的补单极致就好了，顺便说下，围绕“事件总线”做幂等重试是一个不错的处理思路。

四、现有的轮子

打开搜索引擎搜一下业务事件总线，阿里云、腾讯云都有相似的解决方案，只不是针对的业务场景相对较少，这东西并不复杂一个人两个周基本就能开发完成上线了，最重要的是对应思想的本地化实现，如果现实工作过程中遇到了相似的场景，综合评估下成本来落地就好了。