Facebook之前上线了新的messages实现，以前草草的看过相关的几篇blog还有facebook同学在qcon上讲的hbase的slide，但其实看的都很粗略，尤其是之前去facebook和相关同学交流后，发现和自己之前理解的太不一样了，于是近几天又翻出了messages的几篇blog来仔细的看了看，看完后的感触就是facebook在设计其messages实现时，会尽可能做到物尽其用，对于不满足的则更多的是在应用层来处理，这样可以保证很好的灵活性以及扩展性，下面就来讲讲我现在理解的facebook messages实现，请各位看官拍砖，:)

Facebook的这套新的messages实现用于email/sms/即时聊天等多个场景中，大附件或大内容的存储使用haystack（Facebook用其来存图片），小数据则在N次对比（MySQL、Cassandra和HBase）后选择了hbase，结合hbase的特性，facebook设计了如下的schema：


表名未知，:)，maybe是usermetadata，单个用户的数据存储在同一行中（多个版本），有4个cf：
1、Action Logs
记录用户messages的变化日志，同时也将有利于实现跨表的事务问题，版本为时间戳，在将旧的inbox的数据迁移到新的messages时，facebook的做法就是根据旧的数据形成了actionlogs，然后再用mapreduce直接写入hbase，而它提到的另外一点好处就是，如果将来metadataentities/indexes要改的话，也只需要reply action logs就行了。
2、Metadata Entities
记录metadata的实际信息，例如threads、messages信息，版本为action logs的id。
3、Metadata Indexes
记录metadata的索引信息，以k/v方式为值，例如已读的、未读的等，版本为action logs的id。
4、Keyword Search Index
根据lucene parse出来的结果存储的keyword –> message的索引，每列就是一个keyword，版本为messageId。
在这个设计中，facebook很巧妙的借助了hbase的{rowkey,cl,version}的有序存储来实现业务的需求，另外为了避免hbase随机读的弱点，facebook设计了一层cache来尽可能减少对hbase的查询。

为了能够统一的支撑各种message场景，facebook设计了一层app serverlogic来支撑，facebook将cluster划分为了多个cell，每个cell负责一部分用户的请求，cell中的多台服务器按照一致性hash来组成，之所以这么设计一方面是为了保持比较好的扩展性，另一方面则是围绕hbase的特性来打造的，为了实现一致性hash以及帮助app端某用户应该到哪台服务器上处理，提供了一个discoveryservice，这个service基于zookeeper来实现，cell中每台server在启动后会向zk注册，discoveryservice会注册一个zk的watcher，这样discovery service就知道server的变动状况了。

当用户发送一条message时，会经过这样的过程：
1、访问discovery service，获取处理当前用户的appserver node；
2、向appserver node发送请求，appserver node会相应的将message的大数据存储到haystack上，组装message并存储，并根据message的类型调用相应的处理器进行后续处理。

当用户收到一个message时，会经过这样的过程：
1、解析message，提取大数据部分存储至haystack；
2、访问discovery service，获取处理此用户的appserver node；
3、在hbase中存储对此用户的action log以及message的small bodies；
4、以前facebook采用的是根据actionlog异步刷入hbase，原因是之前index/entities表里都是粗粒度的schema，同步刷的话比较浪费，现在则逐渐改为细粒度的schema了，所以就可以同步写了index/entities和keyword search index了；
5、dirty掉memcache上的一些信息，例如未读的message数。
用户可能会同时收到多条message，那么其中有几个部分就必须有事务的支持了，由于任何一个用户在某一时间内都只会在固定的一台server上处理，因此facebook的做法就是在app server上来保证事务的问题。

当用户访问inbox时，会经过这样的过程：
1、访问discovery service，获取处理此用户的appserver node；
2、查看本地cache中是否有user的active metadata（第一页会直接cache），有的话就直接进行必要的indexjoin，获取到对应的数据，返回，没有的话就去hbase中装载并放入本地cache，blog上的数据表明，app cache大概能cache5%–10%的users，由于facebook的用户不是同时使用，而使用者基本有一定的黏性，因此cache的命中率差不多能到95%。

当用户根据keyword搜索一条message时，会经过这样的过程：
1、访问discovery service，获取处理此用户的appserver node；
2、访问keyword search index列，获取top n的messageId，由于hbase存储的有序性，这个性能还是不错滴，然后从cache的active metadata中获取实际的信息。

为了防止大家被误导，原信息请大家查看以下的参考资料。
参考资料：
1、See the Messages that Matter
2、The Underlying Technology of Messages
3、Scaling the Messages Application Back End
4、Inside Facebook Messages’ Application Server
5、Hbase @ Facebook,The technology behind messages