分布式环境下基于redis解决在线客服坐席动态分配的问题
客服分配主要考虑效率与公平
客服平常的工作状态通常在两种模式下：
1. 顾客的人数 > 客服的接待能力
2. 顾客的人数 < 客服的接待能力
第一种情况，不存在客服的公平问题，只需考虑分配效率。
第二种情况，效率不成为问题，只需分配考虑公平，让顾客尽可能的平均分配到客服，既提升客服的并行接待能力，又保证了对客服的公平性。
当然还有第三种情况，就是相等，这犹如立起来的硬币是一个瞬时的小概率事件而非常态，可以不考虑。
【分布式环境下基于redis解决在线客服坐席动态分配的问题】在分布式环境下，基于 redis 提供的共享数据结构来实现客服的动态分配，先说明下关键数据结构：
根据客服的业务分组，同一分组的在线客服存储在 redis 的 SortedSet 结构中（图1）
SortedSet 顾名思义是一种排序集，这里根据客服最近一次接待的时间戳来排序，时间戳离现时越近则排在越末尾。
客服接待了一个顾客时，更新时间戳，redis 则会对 SortedSet 中的元素重新排序，刚接待过的客服会被排到末尾。
图 1
每一个客服上线后在 redis 中存储一个 hash 结构来记录其动态属性，例如状态、正在接待人数、最大接待人数等（图2），同时将该客服加入其分组对应的 SortedSet 中。
重要的客服动态属性包括
SN：正在接待人数/会话数（Session Number）
CSU_x：客服坐席单元（Customer Service Unit），x为编号，例如客服最大接待能力为8，则其属性包括了 CSU_1 ~ CSU_8 一共 8 个 CSU 单元
MAX_CSU：最大客服坐席单元
STATUS：客服状态（在线/离开/挂起等）
ALLOT_FLAG：分配标记
图 2
客服分配过程如下（图3）：
1. 获取对应业务分组的客服列表（从 SortedSet 中获取并保持该排序）。
2. 轮询客服列表，对每个客服进行分配逻辑检查和判断（检查客服状态、正在接待人数是否达到最大人数限制等）。
3. 轮询过程中获取到一个通过各种业务规则检查的可分配客服，设置正在分配标记（阻止分布式环境下其他程序同时对其进行分配），则尝试进行分配。
3.1 尝试分配操作利用了 redis 的原子特性，模拟乐观锁机制。
3.2 对客服的正在接待人数属性进行原子 +1。
3.3 得到加1后的返回值和之前获取的正在接待人数做比较，例如检查时客服正在接待人数为 2，原子 +1 操作若没有并发冲突则会得到返回值 3，表明尝试分配成功，若返回值 > 3 说明产生了冲突，尝试分配失败。
3.3.1 若尝试分配成功，更新该客服的 CSU_x 属性对应的状态和最近接待时间，将该客服移到对应客服分组的 SortedSet 的末尾
3.3.2 若尝试分配失败，则回滚 +1 操作，进行 -1。
4. 由分配成功的程序取消该客服的正在分配标记，以确保该客服下次可以继续被分配。
5. 尝试分配失败的程序则继续尝试分配客服列表中剩下的客服
5.1 尝试分配失败意味着产生了乐观分配冲突，为避免持续的冲突，需要对剩余的客服列表进行打乱（洗牌 shuffle）处理
5.2 为了分配效率，在冲突的情况牺牲了公平性的考虑
5.3 从另一方面来说，分配产生冲突也意味着很大的几率是在前面分析的第 1 中情况下，这时牺牲公平考虑效率是合理的，因为分配过程没有考虑公平，但最终结果是公平的（所有客服都会达到接待满员）。
图 3
转载于:https://www.cnblogs.com/hehe520/archive/2012/12/24/6147643.html
推荐阅读
- 开学第一天（下）
- 【故障公告】周五下午的一次突发故障
- 人生感悟记＃环境仪器宋庆国成长记＃072
- 生活随笔｜好天气下的意外之喜
- MongoDB，Wondows下免安装版|MongoDB，Wondows下免安装版 （简化版操作）
- 汇讲-勇于突破
- Android中的AES加密-下
- 说的真好
- 六步搭建ES6语法环境
- 放下心中的偶像包袱吧