9 月 4 日，云片 CTO 林佳齐在高端技术人员学习型社交网络 EGO 进行了线上分享，与杰出技术领导者探讨云通讯稳定性实践与探索之路。

从满足自有业务需求到开放服务

云片并非一开始就做云通讯，而是先做了一款叫维客 CRM 的软件。这个软件面向淘宝商家提供会员营销服务，有大量短信需求。当时林佳齐负责短信平台的开发，对接行业服务商，发现这个行业虽然存在比较长时间，却没有一家能满足需求。为了提高短信服务稳定性，云片踩过无数坑，经过 1 年多的产品迭代，发现自己平台功能已经比服务商的更强大，所以就想把服务开放出来，让其他公司使用短信时能少踩坑少走弯路，这是云片的由来之一。

△短信发送流程

短信通过三大基础运营商的通道发出去，一般情况下单个通道的发送速度为几到几十不等；通道在运营商体系可分移动、联通、电信三类；大家通常听到的系统通道、营销通道、共享通道和专用通道的分类，是取决于短信服务商对通道的运营策略。

打造高可用高并发系统踩过的坑

1、发送速度

发送速度在工程师眼里即并发数，现在依然有很多公司，并没有这样的技术概念，而且服务也无法支持做性能压测，这意味着服务的性能是个黑盒子，你不知道具体的性能指标是多少，什么时候会出现瓶颈，这是一个技术风险。

2、系统处理速度和短信实际发送速度

解决并发问题后，开始筛选⼀些至少能把并发参数讲清楚的公司。但他告诉你的速度，可能并不是实际的短信（或者叫通道）发送速度，只是系统处理速度。造成的结果是，很可能短信需求提交出去了，但只是提交到服务商的缓冲队列中，并没有及时的发给客户。这是一个业务延迟风险。

3、专用通道

被坑多了我们开始关注通道速度。但是一个服务商要服务多个客户，不可能为每一个客户分配专属通道。这意味着大部分客户是以共享的方式来使用通道的，所以给你分配的通道速度，并不是实际可以获得的发送速度。这是一个至今还隐藏的坑。林佳齐建议解决的方案是找一家足够透明的公司，坦诚沟通。因为通道资源是有限的，有一些公司即使提供共享通道，也能通过技术手段保证发送速度不受影响。

前三个坑，如果服务商不能很好的解决，每个公司在接入的时候就要投入很多研发的资源，包括接口稳定性监控、短信延迟监控、多服务商接入和互备切换等，会增加研发成本。

4、短信效果

广告业有一句名言：我知道在广告上的投入有一半是无用的，但我不知道是哪一半。短信营销也一样，短信的效果没办法直观看到。对此，云片针对短信营销场景，做了精准营销服务。

精准营销的基本流程是筛选目标人群发送，根据数据报表分析营销效果并做调整优化，它解决的问题是：

• 精准筛选目标受众，节省短信营销成本；

• 支持在短信内容里插入短链接，精确统计每个正常手机号码的点击情况；

• 提供详细的发送效果数据报表：包括短信到达率、未送达原因分布、短链接点击率、点击省份分布等，短信发送效果清晰明了；

• 可以按点击情况导出数据后，对产生点击行为的用户进行二次营销。

云片云通讯系统演变过程

1、为了长远发展，给飞行中的飞机换引擎

云片早期平台部署在阿里云的早期版本上，随着业务量的增长，底层平台的问题逐渐暴露出来，包括物理机资源隔离不彻底等原因带来的 CPU、IO 及网络抖动。尽管我们对服务做了很多技术优化，但 IaaS 层的不稳定因素依然是个非常头痛的问题。

随着云片对服务的要求越来越高，我们开始考虑平台的迁移问题，做长期的规划。当时业务量刚好迎来增长高峰，而迁移涉及面非常广，从后端的 DB、中间件服务到前端的应用、域名解析，以及数据、配置和通道等资源迁移，是一个巨大工程。在保证线上业务不受影响，并且业务开发能正常进行的前提下，做平台的迁移是个很有挑战的事情。

确定迁移之后，云片开始对系统进行全面的、系统化的梳理，原先很多设计不合理的地方、历史遗留缺陷、环境依赖硬编码等问题，被重新审视。整个迁移的过程就是一个偿还技术债务的过程。经历这样一次飞机换引擎的挑战，云片系统架构、稳定性和可运维性都有极大提升，团队能力也得到历练而变得更加自信。

2、把监控工具做成分布式系统，提高稳定性

为了对所有通道进行自动化监控，云片开发了 Android 程序，安装在手机上做成监控机。由监控中心自动触发监控短信，监控手机负责上报采集到的信息，比如短信接收时间、短信内容等信息，监控中心再按规则策略判断是否存在异常，并通知路由中心做自动切换，达到及时屏蔽问题通道的目的。

以下是云片为了提高监控系统稳定性，对监控服务做的几个版本迭代：

各版本相应解决的问题是：

• 单机版：解决监控自动化问题，实现 7*24 小时自动监控和切换。

• 多机版：解决单机性能问题。随着需要监控的通道增加，单个监控机已经有性能瓶颈，需要更多的监控机来分摊压力。

• 心跳版：减少误报。随着监控手机越来越多，小概率的网络抖动、假死等问题更多的暴露出来，心跳版实现对问题手机做自动剔除的操作，减少监控的误报。

• 异地分布式版：解决地区性网络故障对监控的影响。包含两方面，一是办公网络不稳定问题，监控机用的是办公网络，网络抖动或断网时有出现，如果监控机都放在一个办公区网络，一旦网络出现问题，会出现监控空白时段；二是解决运营商的地区性网关故障问题，如果监控机都放在一个地区，如果该地区网关故障，就会导致监控误判。

经过以上版本的迭代，监控的稳定性已经非常高。云片的经验是整体服务的稳定性，是由一个个基础服务共同决定的，当我们对稳定性的要求越来越高时，每一个看似简单的服务都有很多细节需要考虑。

Q & A

1、短信供应商做了多久？

云片短信平台是 2012年开始做的，2013 年开始对外提供服务。如果算短信供应商的话，是做了 4 年多。

2、产品有哪些行业领先的特性？

• 实时数据分析

比如实时到达率统计、耗时分布、错误码分布等，方便第一时间查看短信质量。

• 注册验证码的场景深化

一方面云片提供短信接收失败自动转语音验证码的功能，比如手机号在黑名单里，会收不到短信，但语音验证码可以送达，能够提高短信注册成功率。这个功能只要在后台开启就可以实现，不需要开发。

另一方面，如果客户在注册成功后，回调云片的统计接口，我们可以帮客户做成功率的统计和监控，如果注册成功率低于设置的值，你会收到短信提醒。

• 营销场景的深化

这个在前面精准营销里已介绍过。总的来说可以帮助运营同学更高效的做短信营销，并一目了然的查看营销效果。

• 防轰炸或者短信防刷功能

短信验证码被恶意调用的情况，云片叫短信轰炸。我们实现了实时自动识别和防范机制，自动屏蔽恶意的短信，并通知给客户，最大程度帮助客户减少短信费用损失。

3、短信接口防刷、到达率优化、转换率优化能分享一些案例么？

接口防刷是云片客户经常碰到的问题，大部分情况是加图片验证码或者其他类似的手段可以解决。同时还需要网站做好自己的安全保护，比如对访问 IP 的限制等。

到达率有两个影响因素：一是手机号质量，手机号正常的情况下到达率接近 100%，云片提供失败原因分布统计，可以直观看到手机号的质量。二是黑名单，包括自己的账户黑名单和供应商黑名单。一般来说，供应商的系统类的短信黑名单库小一点，到达率高；营销短信命中黑名单的概率大一些，到达率会略低。

转化率方面，前面在讲云片产品特点的时候有提到，我们在提升注册验证码方面提供转语音验证码功能，能帮助提升验证码短信的成功率；营销转化率方面主要是通过精确营销，提供更多数据参考，理论上做精准的筛选有利于转化率的提升。另外，转换率也跟到达率有关系，必须得保证到达率在一定比例之上。