リアルタイム配車マッチングプラットフォームの設計

リアルタイム配車プラットフォーム - バックエンドアーキテクチャ

コアコンポーネントと責任

1. APIゲートウェイとロードバランサー

• すべてのクライアントリクエスト（ライダーとドライバー）のエントリポイント
• 複数のリージョンとデータセンターにトラフィックを分散
• 認証、レート制限、リクエスト検証を処理
• 都市とリクエストタイプに基づいて適切なサービスにリクエストをルーティング

2. 配車リクエストサービス

• ライダーからの配車リクエスト（乗車地と目的地）を受け付けます
• リクエストデータを検証し、価格設定サービスを使用して推定運賃を計算します
• 配車リクエストイベントをメッセージキューに発行します
• 推定乗車時間と運賃を添えてリクエスト確認をライダーに返します
• 責任：リクエスト検証、運賃見積もり、リクエスト永続化

3. ドライバーマッチングサービス

• メッセージキューから配車リクエストイベントを消費します
• 位置情報インデックスから近くの利用可能なドライバーを検索します
• ドライバーの近さ、評価、利用可能性を考慮したマッチングアルゴリズムを実装します
• 選択されたドライバーにタイムアウトメカニズム付きでマッチオファーをブロードキャストします
• ドライバーの承諾/拒否を処理し、二重予約を防ぎます
• 責任：近接検索、マッチングロジック、ドライバー通知

4. 位置情報サービス

• すべてのアクティブなドライバーのリアルタイム位置情報インデックスを維持します
• 3秒ごとにドライバーから位置情報更新を受信します
• 近隣ドライバー検索のための高速な空間クエリを提供します
• 都市ごとのデータパーティショニングにより、不均一なトラフィック分布に対応します
• 責任：位置情報インデックス作成、空間クエリ、ドライバー利用可能性追跡

5. 配車管理サービス

• リクエストから完了までの配車ライフサイクルを管理します
• ステータスの遷移（リクエスト中 → 受諾 → 到着 → 進行中 → 完了）を調整します
• ライダーとドライバーの両方にステータス更新をブロードキャストします
• 配車キャンセルやエッジケースを処理します
• 責任：配車ステート管理、ステータスブロードキャスト、配車調整

6. 通知サービス

• WebSocketまたはServer-Sent Eventsを介してライダーとドライバーにリアルタイム更新を送信します
• マッチオファーとステータス変更のプッシュ通知を処理します
• リトライロジックで通知配信を管理します
• 責任：リアルタイムメッセージング、通知配信、接続管理

7. 配車履歴サービス

• すべての関連詳細を含む完了した配車記録を保存します
• ライダーとドライバーの配車履歴クエリを提供します
• 請求目的でのデータ耐久性を確保します
• 責任：配車記録永続化、履歴クエリ、データ耐久性

8. 価格設定サービス

• 距離、時間、およびサージプライシングに基づいて推定運賃を計算します
• 配車確定前に運賃見積もりを提供します
• ピーク時間中のサージプライシングを処理します
• 責任：運賃計算、サージプライシングロジック、見積もり生成

9. ドライバー利用可能性サービス

• ドライバーのオンライン/オフラインステータスと利用可能性を追跡します
• ドライバーのステータス遷移を管理します
• 利用不可能なドライバーの割り当てを防ぎます
• 責任：ドライバー状態管理、利用可能性追跡

データフローアーキテクチャ

配車リクエストから割り当てまでのフロー：

1. ライダーがAPIゲートウェイ経由で乗車地と目的地を指定してリクエストを送信します
2. 配車リクエストサービスが検証し、運賃見積もりを計算し、リクエストをデータベースに保存します
3. リクエストイベントが都市ごとにパーティション化されたKafkaトピックに発行されます
4. ドライバーマッチングサービスがイベントを消費し、位置情報サービスに近隣ドライバーをクエリします
5. マッチングサービスが近接性と評価に基づいて上位3〜5人のドライバーを選択します
6. マッチオファーが通知サービス（WebSocket）を介して選択されたドライバーに送信されます
7. 最初に承諾したドライバーが配車管理サービスをトリガーします
8. 配車管理サービスがドライバーの利用可能性をロックし、ライダーに通知します
9. 残りのドライバーはキャンセル通知を受け取ります
10. 配車が「承諾済み」ステータスに遷移し、両当事者に確認が通知されます

配車進行中のフロー：

1. ドライバーが乗車場所へ移動し、3秒ごとに位置情報更新を送信します
2. 位置情報サービスがリアルタイムインデックスでドライバーの位置を更新します
3. 配車管理サービスが乗車場所へのドライバーの近接性を監視します
4. ドライバーが到着すると、ステータスが「到着済み」に更新され、ライダーに通知されます
5. ライダーが車両に乗車すると、配車ステータスが「進行中」に変わります
6. ドライバーの位置を示す位置情報更新が定期的にライダーに送信されます
7. 目的地到着後、配車ステータスが「完了」に変わります
8. 配車記録が請求と分析のために配車履歴サービスに永続化されます

効率的なドライバー位置情報の保存とクエリ

位置情報インデックスアーキテクチャ：

• 地理空間データベース（例：Redisの地理空間インデックスまたは専用のジオデータベース）を使用します
• 都市ごとの位置情報インデックスのパーティショニングにより、不均一な分布に対応します
• 各都市は、ドライバーの位置を（緯度、経度）ペアとして持つ個別のソート済みセットを維持します
• 位置情報インデックスにドライバーID、現在の利用可能性ステータス、評価を保存します

クエリ戦略：

• 半径ベースの検索を実装します：乗車場所からNキロメートル以内のすべてのドライバーを見つけます
• 都市境界内での高速なルックアップのためにgeohashベースのパーティショニングを使用します
• よくアクセスされるゾーン（ホットスポット）をメモリにキャッシュします
• マルチレベルクエリのために階層的な空間インデックスを実装します

更新メカニズム：

• ドライバーは3秒ごとに位置情報更新を位置情報サービスに送信します
• 更新はバッチ処理され、最小限の遅延で位置情報インデックスに書き込まれます
• 一貫性を確保するためにライトスルーキャッシュを使用します
• 古いドライバーデータを削除するために、位置情報エントリにTTL（例：30秒）を実装します
• リアルタイム追跡のために、位置情報更新をイベントストリームに発行します

ピーク負荷の最適化：

• オフピーク時間中にホットスポットゾーンを事前計算します
• 高需要エリアには、より細かい粒度で個別のインデックスを維持します
• 極端なピーク負荷時には、近似最近傍探索を使用します
• 書き込み圧力を軽減するために、位置情報更新のバッチ処理を実装します

ピークトラフィックとホットスポット都市へのスケーリング

ピーク負荷処理（平均の25倍、通勤時間中）：

• 水平スケーリング：マッチングおよび配車管理サービスの追加インスタンスをデプロイします
• リクエストキューの深さとレイテンシメトリクスに基づく自動スケーリングポリシー
• ロードバランサーがサービスインスタンス全体にリクエストを分散します
• メッセージキュー（Kafka）がトラフィックスパイク中のバッファーとして機能します
• 優先度の高いライダーのための優先度付きリクエストキューイングを実装します

ホットスポット都市戦略：

• リクエストボリューム上位5〜10都市向けの専用サービスインスタンス
• 高トラフィック都市向けの個別の位置情報インデックス（より細かい空間解像度）
• 主要都市の近くに配置された地域データセンターでレイテンシを削減します
• 過負荷の都市での連鎖的な障害を防ぐためにサーキットブレーカーを実装します
• 動的なリソース割り当て：低トラフィック都市から高トラフィック都市へキャパシティをシフトします

データベースのスケーリング：

• 都市と日付で配車リクエストおよび配車履歴データベースをシャーディングします
• 配車履歴クエリ用のリードレプリカを使用します
• よくアクセスされる配車データ用のキャッシュレイヤー（Redis）を実装します
• リアルタイム配車更新用の書き込み最適化ストレージ

マッチングサービスのスケーリング：

• 都市ごとにマッチングサービスをパーティショニングして競合を減らします
• 各都市パーティション内でドライバー利用可能性のローカルキャッシュを実装します
• 利用不可能なドライバーを迅速に除外するために確率的データ構造（ブルームフィルター）を使用します
• ピーク時のスループットを向上させるために、マッチングリクエストをバッチ処理します

信頼性、耐障害性、データの一貫性

高可用性アーキテクチャ：

• アクティブ/アクティブ構成でのマルチリージョンデプロイメント
• 重要なデータをリージョン間でレプリケートし、結果整合性を保ちます
• 障害を分離するためにサーキットブレーカーとバルクヘッドを実装します
• サービスインスタンスのヘルスチェックと自動フェイルオーバー

地域障害への耐性：

• 各リージョン内の複数のデータセンター間でのデータレプリケーション
• クリティカルサービスのためのクロスリージョンフェイルオーバーを実装します
• セカンダリデータセンターに読み取り専用レプリカを維持します
• 障害発生時には、最小限の中断で正常なデータセンターにトラフィックをルーティングします
• 段階的な機能低下：位置情報サービスが利用できない場合は、マッチング精度を低下させます

データ一貫性戦略：

• ドライバーの利用可能性と配車割り当てに対する強い一貫性（二重予約防止）
• 位置情報更新と配車履歴に対する結果整合性
• マルチステップ操作のために、Sagaパターンを使用した分散トランザクションを使用します
• 重複リクエストを処理するために、冪等性キーを実装します

耐障害性メカニズム：

• メッセージキューは、配車リクエストとステータス更新の耐久性を提供します
• 失敗した操作に対して、指数バックオフ付きのリトライロジックを実装します
• 処理不能なメッセージのためのデッドレターキュー
• ドライバーのマッチオファーに対するタイムアウトメカニズムを実装します（例：30秒）
• 段階的な機能低下：マッチングサービスが遅い場合、より単純な近接ベースのマッチングを使用します

データ耐久性：

• 配車記録は、耐久性のあるストレージ（データベース+バックアップ）に直ちに永続化されます
• クリティカルな状態変更のためのライトアヘッドロギングを実装します
• 請求目的での配車履歴の定期的なバックアップ
• データ損失シナリオのためのポイントインタイムリカバリを実装します

監視とオブザーバビリティ：

• リクエストフロー追跡のための分散トレーシング
• レイテンシ、スループット、エラー率のリアルタイムメトリクス
• SLA違反と異常に対するアラート
• 新機能のためのカナリアデプロイメントを実装します

主要なトレードオフと設計上の決定

1. 位置情報更新の結果整合性と利用可能性の強い一貫性
   トレードオフ：位置情報更新は、書き込み負荷とレイテンシを削減するために結果整合性（3秒の更新ウィンドウ）を使用します。ドライバーの利用可能性は、二重予約を防ぐために強い一貫性を使用します。これにより、パフォーマンスと正確性のバランスが取れます。

2. マッチング速度と最適なドライバー選択
   トレードオフ：グローバルに最適なドライバーを見つけることよりも、マッチング速度（p95で2秒未満）を優先します。複雑な最適化アルゴリズムではなく、近接ベースのヒューリスティックを使用します。一部のマッチングが完璧ではない可能性があることを受け入れますが、迅速な応答を保証します。

3. 中央集権的なマッチングと分散型マッチング
   トレードオフ：一貫性とシンプルさのために、都市ごとに中央集権的なマッチングサービスを実装します。複雑さとレイテンシが増加する分散型マッチングは避けます。水平スケーリングがピーク負荷を処理します。

4. リアルタイム位置情報インデックスとバッチ位置情報更新
   トレードオフ：バッチ処理ではなく、3秒の更新ウィンドウを持つリアルタイム位置情報インデックスを使用します。より良いマッチング精度を提供しますが、より多くのインフラストラクチャが必要です。製品要件であるライブ追跡によって正当化されます。

5. 同期マッチングと非同期マッチング
   トレードオフ：配車リクエストとドライバーマッチングを分離するために、メッセージキューを使用した非同期マッチングを使用します。回復力を向上させ、独立したスケーリングを可能にします。システム全体の安定性を向上させるために、わずかな遅延（通常<500ms）を受け入れます。

6. 地理空間データベースと汎用データベース
   トレードオフ：汎用SQLデータベースではなく、位置情報クエリのために専用の地理空間データベース（または地理インデックス付きRedis）を使用します。空間クエリのパフォーマンスは向上しますが、運用上の複雑さが増します。

7. キャッシュ戦略
   トレードオフ：データベース負荷を削減するために、マルチレベルキャッシュ（ホットスポット用のインメモリ、地域データ用のRedis）を実装します。キャッシュされたデータの結果整合性を受け入れます。クリティカルな更新のためにキャッシュ無効化戦略を実装します。

8. 請求データの整合性
   トレードオフ：請求に使用される配車記録に対して強い一貫性を確保します。データ耐久性を確保するために、配車完了に対するレイテンシが高くなることを受け入れます。請求異議申し立てのための監査ログを実装します。

単純化された仮定

1. 支払い処理は別のサービスで処理されます（範囲外）。
2. ドライバーの認証と検証は既に完了しています。
3. ライダーとドライバーの評価は事前に計算され、非同期で更新されます。
4. サージプライシングアルゴリズムは単純です（リクエスト/ドライバー比に基づく）。
5. 配車キャンセル料は別のサービスで処理されます。
6. 法規制遵守（データ居住性、プライバシー）はインフラストラクチャレベルで処理されます。
7. ドライバーマッチングは、近接性と利用可能性のみを考慮します（車両タイプ、乗客の好みは考慮しません）。
8. 推定乗車時間は、距離/平均速度 + ドライバー到着時間として計算されます。
9. 初期の設計では、ライドシェアリングや相乗りはサポートされません。
10. ドライバーの位置情報更新は、 reasonably accurate（GPSスプーフィング検出なし）であると仮定します。

技術推奨事項

• メッセージキュー：Apache Kafka（スケーラビリティのために都市ごとにパーティション化）
• 位置情報インデックス：Redis（地理空間インデックス付き）または専用ジオデータベース
• 配車データベース：PostgreSQL（都市/日付でシャーディング）
• 配車履歴：分析用の時系列データベースまたはデータウェアハウス
• リアルタイム通知：WebSocketサーバーまたはServer-Sent Events
• キャッシュ：分散キャッシュ用のRedis
• サービス間通信：内部サービスにはgRPC、外部APIにはREST
• 監視：メトリクスにはPrometheus + Grafana、ロギングにはELK
• 分散トレーシング：リクエスト追跡にはJaegerなど

このアーキテクチャは、ライダー向け操作の低レイテンシを優先しつつ、データの一貫性が最も重要な場所（ドライバーの利用可能性と請求）でデータの一貫性を維持します。設計はピーク負荷に対応するために水平スケーリングされ、レプリケーションとフェイルオーバーメカニズムを通じて地域障害時の可用性を維持します。

システム設計：リアルタイム配車マッチングプラットフォーム

このドキュメントでは、ライダーと近くのドライバーを効率的かつ確実にマッチングするために設計された、リアルタイム配車プラットフォームのバックエンドアーキテクチャの概要を説明します。

1. 主要なサービスとコンポーネント

• APIゲートウェイ: すべてのクライアントリクエスト（ライダーアプリ、ドライバーアプリ）のエントリポイントです。認証、レート制限を処理し、リクエストを適切なマイクロサービスにルーティングします。
• ユーザーサービス: ユーザープロファイル（ライダーとドライバー）、認証、認可を管理します。
• ロケーションサービス: ドライバーからのリアルタイムの位置情報更新を取り込み、保存します。近くのドライバーの効率的なクエリを提供します。
• マッチングサービス: ライドリクエストを見つけてドライバーを割り当てる責任を負うコアコンポーネントです。ロケーションサービスに近くのドライバーをクエリし、マッチングロジックを管理します。
• トリップサービス: リクエストから完了までのトリップのライフサイクルを管理します。トリップの詳細、ステータス、履歴、運賃見積もりを保存します。
• 通知サービス: ステータスの更新（例：ドライバーが承諾、ドライバーが到着）に関するリアルタイムプッシュ通知をライダーとドライバーに送信します。
• 運賃見積もりサービス: 距離、時間、都市固有の価格設定、ドライバーの空き状況に基づいて、運賃見積もりとピックアップ時間を計算します。
• ジオフェンシングサービス: （オプションですが有用）ルーティングと価格設定のために、都市の境界線、および都市内のゾーンを管理します。
• 分析/レポートサービス: ビジネスインテリジェンス、レポート作成、履歴分析のためにトリップデータを処理します。

2. データフロー：ライドリクエストからトリップ完了まで

1. ライドリクエスト: ライダーアプリがライドリクエスト（ピックアップ、目的地）をAPIゲートウェイに送信し、APIゲートウェイがそれをマッチングサービスに転送します。ユーザーサービスがライダーを認証します。
2. 運賃とETAの見積もり: マッチングサービス（または専用の運賃見積もりサービス）がトリップサービス（履歴データ/価格設定ルール用）および場合によってはジオフェンシングサービスにクエリを実行し、ライダーアプリに運賃見積もりとピックアップ時間を提供します。
3. ドライバー検索: マッチングサービスが、ライダーのピックアップ場所から定義済みの半径内の空きドライバーについてロケーションサービスにクエリを実行します。
4. ドライバーへの通知: マッチングサービスが、通知サービスを介して、近くのドライバーのサブセットにライドオファーを送信します。これは、ドライバーに過負荷をかけず、迅速な応答時間を確保する方法で行われます。
5. ドライバーの承諾: ドライバーがアプリを介してリクエストを承諾します。このリクエストはAPIゲートウェイを経由してマッチングサービスに送信されます。
6. ドライバーの割り当てと二重予約防止: マッチングサービスが、ドライバーがまだ利用可能であることを確認します（例：分散キャッシュ内の短命のロックまたはステータスを確認します）。利用可能な場合、ドライバーをトリップに割り当てます。この割り当てはトリップサービスに記録されます。ドライバーのステータスはロケーションサービスで「乗車中」に更新されます。
7. トリップステータスの更新: トリップサービスがトリップステータスの変更（例：「承諾済み」、「ドライバー到着」、「進行中」）で更新されます。通知サービスがこれらの更新をライダーとドライバーの両方のアプリにプッシュします。
8. トリップ完了: ドライバーがトリップ完了をマークします。トリップサービスが最終的なトリップの詳細を記録し、最終運賃を計算し（場合によっては運賃見積もりサービスをベースラインとして使用）、ロケーションサービスでドライバーのステータスを「利用可能」に戻します。
9. トリップ履歴: すべてのトリップ詳細はトリップサービスに永続的に保存され、ライダーとドライバーがAPI経由でアクセスできます。

3. ドライバーの位置情報の効率的な保存とクエリ

• データストア: 特殊な地理空間データベース、または大量の書き込みスループットに対応するNoSQLデータベース（CassandraやDynamoDBなど）と地理空間インデックスレイヤー（GeoHashやR-treeなど）の組み合わせ。あるいは、非常に低いレイテンシの読み取りのために、地理空間機能を備えた専用のインメモリデータグリッド（RedisのGeoコマンドなど）。
• インデックス作成: ドライバーの位置情報は、GeoHashまたは同様の空間パーティショニングスキームによってインデックスが作成されます。これにより、バウンディングボックスまたは半径内のドライバーの効率的なクエリが可能になります。
• データモデル: 各ドライバーレコードには、現在の位置（緯度/経度）、最後の更新タイムスタンプ、空き状況ステータス、および場合によっては現在のトリップIDが格納されます。
• クエリ: ライドリクエストが発生すると、マッチングサービスは、ピックアップポイントからの半径内のドライバーについてロケーションサービスにクエリを実行します。このクエリは空間インデックスを使用して、候補を迅速に絞り込みます。
• リアルタイム更新: ドライバーは3秒ごとに位置情報更新を送信します。これらの更新は大量であり、非同期で処理される必要があります。おそらく、ロケーションストアに書き込む前にメッセージキュー（例：Kafka）を介して処理されます。

4. ピークトラフィックとホットスポット都市へのスケーリング

• マイクロサービスアーキテクチャ: サービスを分離することで、独立したスケーリングが可能になります。マッチングサービスやロケーションサービスなどのサービスは、最も水平スケーリングが必要になります。
• 非同期処理: メッセージキュー（Kafka、RabbitMQ）を、位置情報更新、通知、分析処理などのクリティカルパス以外の操作に使用することで、サービス間の依存関係を解消し、トラフィックのスパイクを平滑化します。
• データベースシャーディング/パーティショニング: ロケーションサービスとトリップサービスのデータベースをシャーディングします。位置情報の場合、地理的領域（都市またはGeoHashプレフィックス）によるシャーディングが効果的です。トリップの場合、ユーザーIDまたはトリップIDによるシャーディング。
• キャッシング: 分散キャッシュ（例：Redis、Memcached）で、ドライバーの空き状況や最近のトリップステータスなど、頻繁にアクセスされるデータを積極的にキャッシュします。
• ロードバランシング: 複数のレベル（APIゲートウェイ、サービス間通信）でインテリジェントなロードバランサーを使用して、トラフィックを均等に分散します。
• ホットスポット都市の処理: 動的なスケーリングポリシーを実装します。リクエスト量が多い都市には、より多くのリソースを割り当てることができます。ジオフェンシングは、都市ごとのリソースのルーティングと管理に役立ちます。マッチングサービスは、高需要エリアからのリクエストを優先したり、検索半径を動的に調整したりできます。
• 地理的に意識したルーティング: 特定の都市のユーザーの大部分に近いデータセンターまたはクラスターにリクエストをルーティングし、レイテンシを削減します。

5. 信頼性、耐障害性、データの一貫性

• 冗長性: 複数のアベイラビリティゾーンとリージョンにサービスをデプロイします。クリティカルなサービスには、マルチリージョンアクティブアクティブまたはアクティブパッシブ構成を使用します。
• データの永続性: 組み込みのレプリケーションと永続性を備えたデータベースを使用します。クリティカルなトリップデータについては、分散SQLデータベースまたは強力な永続性保証を備えた高可用性NoSQLストアの使用を検討します。
• 冪等性: 特にドライバーの割り当てやライドの承諾など、クリティカルな操作では、可能な限りAPIを冪等に設計し、再試行を適切に処理できるようにします。
• サーキットブレーカーと再試行: カスケード障害を防ぐために、サービス間にサーキットブレーカーとインテリジェントな再試行メカニズムを実装します。
• ヘルスチェックと監視: すべてのサービスとインフラストラクチャに対する包括的なヘルスチェック。堅牢な監視およびアラートシステム。
• データの一貫性:
  • 強い一貫性: 二重予約を防ぐためのドライバー割り当てなど、クリティカルな操作に必要です。これは、分散ロック（例：ZooKeeperまたはRedisのRedlock経由）またはデータベースがサポートしている場合は分散トランザクション内のアトミック操作を使用して達成できます。ドライバーが「割り当て済み」の状態は、強く一貫している必要があります。
  • 結果整合性: トリップ履歴の同期、運賃見積もり（再計算可能）、ユーザープロファイル更新など、重要度の低い更新には許容されます。これにより、可用性とパフォーマンスが向上します。

6. 主要なトレードオフ

• 一貫性と可用性のトレードオフ: ドライバーの割り当ての場合、分散ロックサービスが失敗した場合の潜在的な一時的な利用不可性やレイテンシの増加を許容しても、二重予約を防ぐために強い一貫性が優先されます。トリップステータスの更新やドライバーの位置情報のブロードキャストの場合、可用性とスループットを最大化するために結果整合性が許容されます。
• レイテンシとコスト/複雑性のトレードオフ: ロケーションサービスにインメモリ地理空間データベースや複雑なインデックス作成スキームを使用すると、サブ秒のクエリ時間を達成できますが、運用上の複雑さとコストが増加します。よりシンプルなアプローチでは、定期的な再インデックス作成や不正確な半径検索が含まれる可能性があり、シンプルさのためにレイテンシをいくらか犠牲にします。
• リアルタイム更新とバッテリー寿命/データ使用量のトレードオフ: ドライバーの3秒ごとの更新間隔は、マッチングのためのリアルタイム位置情報データを提供することと、ドライバーのバッテリー寿命とモバイルデータ使用量を節約することとのトレードオフです。この間隔は動的に調整される可能性があります。
• サービスの粒度: 多くのマイクロサービスに分割することは、スケーラビリティと独立したデプロイメントを提供しますが、サービス間通信のオーバーヘッドと複雑さが増加します。よりモノリシックなアプローチはシンプルですが、スケーリングと保守が困難になります。

単純化のための仮定:

• 支払い処理は、別の、範囲外のサービスによって処理されます。
• ドライバーのオンボーディングと検証は、別の管理システムによって処理されます。
• コアのマッチングとトリップ管理ロジックに焦点を当てており、複雑なルーティングやリアルタイムの需要と供給比率に基づく動的な価格設定などのエッジケース（ただし、アーキテクチャはこれらを追加することをサポートしています）ではありません。