putcho01

Back

TABLE OF CONTENTS

通知システム設計の要点まとめ Blur image

はじめに#

業務で通知システムの設計を考える機会があり、そのときに調べたことや考えたことをまとめる。

通知システムは多くのプロダクトに存在するが、設計ポイントは意外と多い。
この記事は、今後自分が設計する際に参照できるよう、主要な観点を体系的に整理したもの。


要件整理#

設計前に以下の観点を明確にする。

機能要件#

観点確認事項
通知の種類Push / Email / SMS / In-App
送信主体システム / ユーザー / 管理者
トリガーイベント駆動 / スケジュール
ユーザー設定オプトイン / オプトアウト
テンプレート管理必要か
配信履歴確認機能が必要か

非機能要件#

観点確認事項
通知量1日あたりの通知数
許容遅延リアルタイム / 数分以内
配信保証best-effort / at-least-once
グローバル対応必要か
障害時の挙動リトライ / DLQ

システムアーキテクチャ#

全体構成#

flowchart TD
    A[イベントソース<br/>APIサーバー/バッチ] --> B[Notification Service]
    B --> C{ユーザー設定チェック<br/>レートリミット}
    C -->|ブロック| E[ドロップ / ログ]
    C -->|送信OK| D[チャネルごとに振り分け]

    D --> Q1[Push Queue]
    D --> Q2[Email Queue]
    D --> Q3[SMS Queue]
    D --> Q4[In-App Queue]

    Q1 --> F[Push Worker]
    Q2 --> G[Email Worker]
    Q3 --> H[SMS Worker]
    Q4 --> I[In-App Worker]

    F --> J[APNs / FCM]
    G --> K[SendGrid / SES]
    H --> L[AWS SNS]
    I --> M[WebSocket / DB]

    J & K & L & M --> N[配信結果ログ]
    N --> O[Notifications DB]
mermaid

ポイントは、チャネルごとにキューと Worker を分けること。キューを1つで共有すると、遅い(あるいは障害中の)プロバイダーのジョブが滞留して、ほかのチャネルまで遅れてしまう。分けておけば、たとえば SMS のプロバイダーが遅くなっても、SMS のジョブが自分のキューに溜まるだけで、Push と Email は流れ続ける。スケールやリトライの設定も、プロバイダーの特性に合わせてチャネルごとに調整できる。キューの実装は Kafka や SQS などが使える。

チャネル別の外部サービス#

チャネル外部サービス例
iOS PushAPNs(Apple Push Notification service)
Android PushFCM(Firebase Cloud Messaging)
EmailSendGrid / Amazon SES
SMSAWS SNS
In-App自前 WebSocket / Server-Sent Events

AWS で組む場合#

上の構成を AWS のマネージドサービスで組む場合の一例。

即時送信とスケジュール送信#

即時送信と予約(スケジュール)送信は、入口を分けて、同じ Input Queue に合流させる。時刻になったあとは、どちらも同じ流れで処理できる。

flowchart TD
    subgraph im[即時送信]
        A1[送信リクエスト API] -->|DB に pending で保存| D[(DB)]
        A1 -->|キューイング| Q[SQS Input Queue]
    end

    subgraph sc[スケジュール送信]
        A2[予約リクエスト API] -->|DB に scheduled で保存| D
        A2 -->|at 時刻 で1回限りのスケジュールを作成| S[EventBridge Scheduler]
        S -->|指定時刻| Q
    end

    Q --> R[Dispatcher<br/>状態確認・ガード・設定チェック・レートリミット]
    R --> N[次の図: チャネルごとの振り分け]
mermaid
  • 即時送信: API が DB に pending で保存し、Input Queue に積む。DB への保存とキューへの送信は別の操作なので、片方だけ成功しないよう、Outbox Pattern を使う(後述の「冪等性」の節を参照)
  • スケジュール送信: API が DB に scheduled で保存し、EventBridge Scheduler に1回限りのスケジュールを作る。時刻になると、Scheduler が Input Queue にメッセージを積む
    • 時刻は at(yyyy-mm-ddThh:mm:ss) で指定し、タイムゾーン(IANA)も指定できる。精度は60秒
    • 実行後もスケジュールはクォータを消費するので、完了後に削除する設定(ActionAfterCompletion の DELETE)にしておく
    • Scheduler は at-least-once。呼び出しの失敗は、リトライ設定と DLQ で受けられる。実行時刻を分散させたいときは、flexible time window を使う
  • SQS の遅延では足りない: SQS の遅延は最大15分まで。それより先の予約には、AWS のドキュメントも EventBridge Scheduler を勧めている
  • DB を正とする: Scheduler は時計の役割だけを持つ。キャンセルは、スケジュールの削除と、DB の状態の cancelled への更新の両方で行い、Dispatcher は処理の前に状態を確認する。DB には保存できたがスケジュールの作成に失敗して、scheduled のまま残った予約は、定期的に照合して再登録する
  • キューは優先度ごとに分ける: OTP のような急ぐ通知と、キャンペーンが同じ Input Queue に入ると、キャンペーンで OTP が遅れる。1本で始めて、必要が出てから分けてもよい

Dispatcher は、Input Queue から取り出して、状態の確認、送信時のガード、設定チェック、レートリミット、チャネルごとの振り分けを行う。実装は、Lambda でも常駐のサービスでもよい。

実装向いている場合注意点
Lambda(SQS をイベントソースにする)処理が軽く、負荷の変動が大きい1回の実行は最大15分(既定は3秒)。同時実行数が増えると、DB への接続も増える
常駐のサービス(ECS など)大量配信で宛先の評価に時間がかかる。設定やレートリミットの状態をメモリに持ちたい。DB 接続を安定させたい運用の手間が増える。負荷に合わせたスケールを自分で設計する

どちらでも、Scheduler とキューは at-least-once なので、notificationId を使った条件付き更新で、二重処理を防ぐ。大量配信の「宛先の評価と分割」だけを別の処理に切り出す構成もある。

チャネルごとの振り分け#

Dispatcher のあとは、SNS と SQS でチャネルごとに振り分ける。

flowchart LR
    A[Dispatcher] -->|1回だけ publish| T[SNS トピック]

    subgraph sp[Push チャネル]
        direction LR
        QP[SQS] --> LP[Lambda] --> PP[APNs / FCM]
        QP -.->|失敗| DP[DLQ]
    end

    subgraph se[Email チャネル]
        direction LR
        QE[SQS] --> LE[Lambda] --> PE[SES]
        QE -.->|失敗| DE[DLQ]
    end

    subgraph ss[SMS チャネル]
        direction LR
        QS[SQS] --> LS[Lambda] --> PS[SNS SMS など]
        QS -.->|失敗| DS[DLQ]
    end

    T -->|channel = push| QP
    T -->|channel = email| QE
    T -->|channel = sms| QS
mermaid

SNS から SQS への Fan-out#

  • SNS のトピックに1回 publish すると、購読している SQS キューのそれぞれにメッセージが届く。SNS は受け手にすぐ届ける役割、SQS は受け手が同時に起動していなくてもメッセージを保持する役割を持つ
  • トピックの購読者は、既定ではすべてのメッセージを受け取る。サブスクリプションにフィルターポリシーを設定すると、メッセージ属性(または本文)の内容で受け取るメッセージを絞れる。図では channel 属性で Push、Email、SMS のキューに振り分けている
  • 振り分けは、フィルターポリシーを使う方法のほかに、チャネルごとにトピックを分ける方法もある。どちらにするかは設計の選択になる

Lambda で SQS を処理する#

  • Lambda は SQS をポーリングして、メッセージをバッチ(既定では最大10件)にして関数を呼び出す。成功すると、メッセージはキューから削除される
  • 関数がエラーになると、バッチ内のすべてのメッセージが、可視性タイムアウトのあとにキューへ戻る。Lambda のイベントソースマッピングは「少なくとも1回」処理するので、重複して処理されることがある。そのため、関数は冪等にしておく(後述の「冪等性」の節を参照)
  • 一部のメッセージだけが失敗する場合は、ReportBatchItemFailures を有効にして、失敗したメッセージだけをキューに戻す。有効にしないと、成功したメッセージも再処理される。関数がエラーを返すと Lambda はポーリングの並列度を徐々に下げるが、ReportBatchItemFailures を使えば、失敗があっても処理速度は落ちない。無効なトークンのように、一部の失敗が日常的に起こる通知には向いている
  • プロバイダーのレート制限に合わせて並列数を絞りたいときは、イベントソースマッピングの最大の同時実行数の設定を使う

失敗の隔離(DLQ)#

DLQ は、失敗する場所によって、付ける場所が2つに分かれる。

失敗する場所DLQ の付け方補足
SNS から SQS への配信SNS のサブスクリプションに DLQ(SQS キュー)を付ける付けないと、リトライを使い切ったメッセージは破棄される。SQS や Lambda 向けのリトライは、最大100,015回・23日間
Worker(Lambda)の処理SQS キューの redrive policy で DLQ を指定するmaxReceiveCount を超えて受信されたメッセージが、DLQ に移る
  • maxReceiveCount が低すぎると、1回の失敗で DLQ に入ってしまう。十分なリトライ回数を確保できる値にする
  • DLQ の保持期間は、元のキューより長くする。SNS のドキュメントは、DLQ の保持期間を最大の14日にすることを推奨している(後述の信頼性設計の表にある「14日」の根拠でもある)
  • DLQ のアラームは ApproximateNumberOfMessagesVisible で作る。SNS のドキュメントによると、NumberOfMessagesSent は、処理失敗で DLQ に移されたメッセージを数えないので向かない

Push 通知の考慮点#

APNs / FCM の基本仕様#

サーバーから Push を送るときに指定できる値は、届き方に直結する。

  • APNs はベストエフォートのサービスで、同じデバイストークンへの通知の順序は入れ替わりうると明記している。FCM も、配信順序は保証しないとしている
  • 通知の順序に依存した設計にはしない。順序が重要なら、アプリが開いたときにサーバーから最新の状態を取り直す
項目APNsFCM
オフライン時の保存即時に届けられない場合、最大30日以内で保存する。保存されるのは bundle ID ごとに1件だけ(多くは最新のもの)接続されるまで保存し、接続したらまとめて配信する。1か月以上接続されていない Android には、受け付けても即座に破棄する
有効期限apns-expiration(UNIX 秒)。0 なら1回だけ試行して、保存しない既定は4週間。Android と Web は ttl で0〜28日。0 なら保存せず、遅延が最も小さい
優先度apns-priority。10 は即時、5 は端末の電力を考慮、1 は電力を優先して端末を起こさない。省略時は 10Android は normal(既定)と high。high は端末を起こせるが、乱用すると電池を消費する
同じ通知の置き換えapns-collapse-id(64バイト以下)collapse_key。FCM は端末ごとに collapse key を最大4つまで保持する
ペイロードの上限4KB(4096バイト)。VoIP は5KB4096バイト(Firebase コンソールからは1000文字)
  • 有効期限: 期限切れの通知を届けても意味がない種類(「あと10分で終了」など)は、短い期限か 0 にする。どちらも「期限は守るよう努める」という扱いで、厳密な保証ではない
  • 優先度: ユーザーの操作を促す通知は即時、そうでない更新は電力を考慮する。FCM は、表示される通知につながらない high priority のメッセージを、normal へ引き下げることがある(アプリのインスタンス単位で、直近7日の挙動から評価する)
  • 置き換え: 最新の状態だけが意味を持つ通知(スコアの更新など)は、置き換えを使う。FCM は、notification message を常に collapsible とし、それ以外はすべて non-collapsible を既定とする。non-collapsible は Android で100件まで保存し、超えると保存済みのものがすべて破棄され、アプリには特別なメッセージが届く。このときアプリは、サーバーと全体を同期し直す
  • 種別: APNs は apns-push-type で、通知の内容に合う種別(alert や background など)を指定する。一致しないと、遅延や破棄が起きうる。background(サイレント Push)は、優先度 5 を使う(10 はエラー)。FCM は、FCM SDK が表示する notification message と、アプリが処理する data message を使い分ける
  • 接続: APNs は HTTP/2 と TLS 1.2 以上で接続し、接続は数時間〜数日使い回す。開発用と本番用でサーバーが別なので、環境の取り違えは BadDeviceToken の原因になる(後述の「無効・古いトークンの削除」を参照)

デバイストークン管理#

ユーザーとデバイストークンのマッピングが基本になる。

erDiagram
    USER ||--o{ DEVICE_TOKEN : "1対N"
    DEVICE_TOKEN {
        uuid id
        uuid user_id
        string platform
        string token
        boolean is_active
        timestamp last_seen_at
        timestamp deactivated_at
    }
mermaid

考慮すべきエッジケースは次のとおり。

  • 複数デバイス: 1ユーザーが複数端末を持つ場合、全デバイスに配信するかどうか
  • トークン失効: アプリ再インストール時にトークンが変わる。無効になったトークンの扱いは次の「無効・古いトークンの削除」で説明する
  • バッジカウント: iOS ではサーバー側でカウント管理が必要
  • サイレント Push: バックグラウンド同期用。通常 Push と使い分ける

無効・古いトークンの削除#

無効なトークンに送り続けると、リソースが無駄になるだけでなく、配信率が実態より低く見えてしまう。APNs はエラーが多い接続を切断することもある。

「削除すべき」と分かっていても、実際には次の3点を決めておかないと運用で困る。

  • 何をきっかけに無効と判断するか
  • すぐ消すのか、いったん無効にして後で消すのか
  • アクティブなトークンを誤って消さないための仕組み

トークンの状態遷移としては次のように整理できる。

stateDiagram-v2
    [*] --> Active: 登録
    Active --> Active: クライアントが月1回ほど更新
    Active --> Inactive: 送信エラー(即時)or 1か月未更新(日次バッチ)
    Inactive --> Active: 同じトークンで再登録
    Inactive --> [*]: 無効化から30日後に物理削除
mermaid

ポイントは、削除を 無効化(is_active = false)と物理削除の2段階 に分けること。無効化した時点で送信対象から外れるので、配信への悪影響は止まる。物理削除は少し待つことで、誤判定があっても戻せる。

送信エラーによる即時の無効化#

Worker が送信結果を受け取った時点で、エラーの種類を見て判断する。

sequenceDiagram
    participant W as Worker
    participant P as APNs/FCM
    participant D as device_tokens

    W->>P: 通知を送信
    P-->>W: エラー(Unregistered など)
    W->>W: 無効化してよいエラーか判定
    W->>D: is_active = false に更新
    Note over W,D: 次回以降の送信対象から外れる
mermaid
受け取ったエラー対応補足
APNs 410(Unregistered / ExpiredToken)即時に無効化レスポンスの timestamp より後に再登録されていれば無効化しない
FCM UNREGISTERED(404)即時に無効化iOS を FCM 経由で送る場合も、APNs ではなくこちらが返る
APNs 400 BadDeviceToken条件付きで無効化sandbox と production の取り違えでも発生する。環境設定が正しいと確かな場合だけ
FCM INVALID_ARGUMENT(400)条件付きで無効化ペイロード不正でも返る。ペイロードが正しいと確かな場合だけ

環境の取り違えで BadDeviceToken を信じて消すと、有効なトークンが一斉に消える。条件付きの2つは、判定できなければ無効化せずログとアラートに留めるのが安全。

410 の timestamp は、APNs がトークンの失効を確認した時刻。アプリがその後にトークンを再取得して再登録している場合があるので、再登録のほうが新しければ無効化しない。

-- APNs 410 の timestamp より後に再登録されたトークンは無効化しない
UPDATE device_tokens
SET is_active = false, deactivated_at = now()
WHERE token = :token
  AND last_seen_at <= :apns_timestamp;
sql

一定期間更新のないトークンの定期削除#

アンインストールされたまま放置されたトークンは、送信してみるまでエラーにならないことがある。そこで、最後にクライアントから報告があった時刻(last_seen_at)を見て、日次バッチで整理する。

-- 1か月以上更新されていないトークンを無効化
UPDATE device_tokens
SET is_active = false, deactivated_at = now()
WHERE is_active = true
  AND last_seen_at < now() - interval '30 days';

-- 無効化から30日経過したものを物理削除
DELETE FROM device_tokens
WHERE is_active = false
  AND deactivated_at < now() - interval '30 days';
sql

updated_at ではなく last_seen_at を別に持つのは、is_active の切り替えなどでも行は更新されるため。「クライアントが最後にトークンを報告した時刻」を区別して残す必要がある。

FCM のドキュメントでは、古いトークンの目安は既定で1か月とされている。ただし「ユースケースに合わせて決める」という位置づけなので、アプリの利用頻度が低いサービスや、休眠ユーザーへの再開キャンペーンを重視するサービスでは、もっと長くしてよい。

クライアントによるトークンの更新#

定期削除を入れるなら、その前提として クライアント側でトークンを定期的にサーバーへ報告する仕組みが必要。これがないと、トークンが変わらないまま使い続けているアクティブなユーザーまで、1か月後に「古いトークン」として無効化される。

  • アプリ起動時に現在のトークンを取得し、サーバーに送る
  • 月1回程度の更新で十分(FCM は、週1回以上にしても利点はないとしている)
  • サーバーは受け取ったら last_seen_at = now() に更新し、is_active = true、deactivated_at = NULL に戻す。無効化済みのトークンが再登録された場合も同じ処理をする
sequenceDiagram
    participant A as アプリ
    participant S as Server
    participant D as device_tokens

    A->>A: 起動時に現在のトークンを取得
    A->>A: 前回の報告から約1か月経っているか確認
    A->>S: 経過していればトークンを送信
    S->>D: UPSERT(last_seen_at = now)
    Note over S,D: 無効化済みのトークンも Active に戻る
mermaid
INSERT INTO device_tokens (id, user_id, platform, token, last_seen_at, created_at, updated_at)
VALUES (:id, :user_id, :platform, :token, now(), now(), now())
ON CONFLICT (token) DO UPDATE
SET user_id = :user_id,
    is_active = true,
    last_seen_at = now(),
    deactivated_at = NULL,
    updated_at = now();
sql

参考: FCM 登録トークン管理のベスト プラクティス ↗、Handling notification responses from APNs ↗


大量配信(Fan-out)パターン#

100万人へのセグメント通知など、大量配信時は Fan-out パターンを使う。

flowchart TD
    A[Campaign Service] --> B[User Segmentation]
    B --> C[対象ユーザーを分割<br/>1000人 × 1000バッチ]
    C --> D[Batch 1 Queue]
    C --> E[Batch 2 Queue]
    C --> F[Batch N Queue]
    D & E & F --> G[Push / Email Workers]
mermaid

アプリ内受信箱の保存方式#

In-App 通知はアプリ内の受信箱に残るので、ここにも Fan-out の判断がある。上で説明した「配信を Worker に分割する話」とは別で、通知をどう保存するかの話になる。

  • fan-out on write: 宛先ごとに行を書いておく
  • fan-out on read: 1行だけ書いておき、読み出すときに組み立てる
flowchart LR
    subgraph W[fan-out on write]
        direction LR
        W1[お知らせを作成] --> W2[宛先ごとに1行ずつ書く<br/>100万人なら100万行]
        W2 --> W3[(inbox)]
        W4[受信箱を開く] --> W5[自分の行を<br/>新しい順に取得]
        W3 --> W5
    end

    subgraph R[fan-out on read]
        direction LR
        R1[お知らせを作成] --> R2[1行だけ書く]
        R2 --> R3[(announcements)]
        R4[受信箱を開く] --> R5[個人宛 + 全体宛 + 既読状態を<br/>合成して新しい順に並べる]
        R3 --> R5
        R6[(個人宛 inbox)] --> R5
        R7[(既読・削除状態)] --> R5
    end
mermaid
fan-out on writefan-out on read
メリット読み出しが単純で速い(自分の行を取るだけ)書き込みが1行で済み、一斉送信がすぐ終わる
既読・削除が行の列で済むストレージが少ない
未読数は件数を数えるだけ後から内容を修正・取り消しすると全員に反映される
宛先ごとに内容を変えられる後から登録したユーザーにも見せられる
デメリット書き込みが宛先の数に比例する読み出しのたびに合成が必要で、ページネーションが複雑
一斉送信の途中は、見える人と見えない人が出る未読数の計算が難しい
内容を修正すると全行を更新する既読・削除のために別テーブルが必要
ストレージが増え続ける「購入歴のある人だけ」のような条件を読み出し時に評価しづらい
向いている用途個人宛(コメント、いいね、配送状況)全員宛(お知らせ、メンテナンス告知)

実際には、どちらか一方に決めるより ハイブリッド にすることが多い。

  • 個人宛の通知は fan-out on write
  • 全員宛のお知らせは fan-out on read
  • セグメント宛は、対象人数が少なければ write、非常に多ければ read に寄せる(宛先数に閾値を決めて切り替える)

fan-out on read の未読数は、ユーザーごとに「ここまで読んだ」という時刻(last_read_at)を持つと数えやすくなる。created_at > last_read_at の件数が未読になる。個別の既読や削除は、ユーザーが操作したときだけ状態の行を作れば、書き込みを「見た人数分」に抑えられる。


予約配信と宛先の確定#

予約配信では、予約したときから送信時刻までの間に、宛先の状況が変わりうる。予約後に配信停止したユーザー、条件を満たさなくなったユーザー、新たに条件を満たしたユーザーなどがいる。そのため、宛先をいつ確定させるかを決めておく必要がある。

待たせる仕組みそのもの(DB のポーリング、遅延キュー、スケジューラなど)は、ここでは扱わない。AWS での一例は、前の「AWS で組む場合」を参照。

確定のタイミング#

方式内容メリットデメリット
予約時に確定宛先のリストを予約時点で固定して保存する件数が確定している(承認や見積もりに使える)。誰に送るかを後から説明できる。送信時の負荷が読める予約後に条件を満たさなくなった人にも送る。新たに条件を満たした人には送れない。大量の宛先を保存する
送信時に確定セグメントの条件だけを保存し、送信時に評価する最新の状態を反映できる。宛先を保存しなくてよい予約時には件数が分からず、承認時の想定とずれる。評価が送信時刻に集中する。結果が再現しにくい
送信の少し前に確定送信時刻の N 分前に評価して宛先を固定し、そこから送る最新性と負荷の平準化を両立できるN 分前以降は、宛先の変更やキャンセルを制限する必要がある

方式にかかわらず必要なこと#

  • 送信時のガード: 宛先が予約時に決まっていても、送信直前に「まだ送るべきか」を判定する
    • たとえば、「カートに入れたままの商品のリマインド」を予約したあとで購入済みになったら、送らない
    • 配信停止や退会したユーザーは、必ず送信時に除外する。ユーザーの意思は、最新のものを優先する
    • 設定、トークンの有効性、Quiet Hours の確認もここで行う
  • 送った相手の記録: 送信時に評価する方式では、「誰に送ったか」を配信ログに必ず残す。残さないと、「なぜこの人に送ったのか」を後から説明できない

選び方の目安#

  • 個人宛の通知(発送予定のリマインドなど): 宛先はイベントに紐づく1人なので、予約時に確定する。送信時には、条件のガードだけをかける
  • 「このリストの人」(抽選の当選者など): 予約時に確定する
  • 条件で決まるセグメント(「購入歴のある人」など): 送信時、または送信の少し前に確定する

「確定の時刻」を決めておくと、キャンセルや変更の締め切りにもできる。ユーザーのローカル時間で送る場合は、タイムゾーンごとに送信時刻が違うので、評価もタイムゾーンごとに別の時刻に行う。


信頼性設計#

リトライと Dead Letter Queue#

flowchart LR
    A[Queue] --> B[Worker]
    B -->|成功| C[配信完了]
    B -->|失敗| D{リトライ回数}
    D -->|上限未満| E[Exponential Backoff<br/>再エンキュー]
    E --> B
    D -->|上限超過| F[DLQ<br/>Dead Letter Queue]
    F --> G[アラート / 手動対応]
mermaid
項目推奨設定
最大リトライ回数3〜5回
バックオフ戦略Exponential Backoff + Jitter
DLQ 保持期間14日

冪等性(Idempotency)#

キューは同じメッセージを2回渡すことがあり、Worker が落ちればリトライもされる。そのため、同じ通知を2回送ってしまう可能性がある。これを抑えるのが冪等性で、notification_id をキーに送信済みかどうかを確認する。

at-least-once(最低1回は届く)にする場合は、確認 → 送信 → マーク の順にする。

sequenceDiagram
    participant Q as Queue
    participant W as Worker
    participant R as Redis
    participant P as APNs/FCM

    Q->>W: メッセージ受信
    W->>R: notification_id は送信済み?
    alt 送信済み
        R-->>W: YES
        W-->>Q: ACK(スキップ)
    else 未送信
        R-->>W: NO
        W->>P: 通知を送信
        P-->>W: 成功
        W->>R: 送信済みとしてマーク
        W-->>Q: ACK
    end
    Note over W,R: 送信後・マーク前に落ちると、リトライで重複して届く
mermaid

送信とマークの間で落ちた場合に重複するのは、この順序では避けられない。逆に、マークを先にすると重複はしなくなるが、マーク後・送信前に落ちると通知が届かなくなる。どちらの失敗を許容するかで順序を選ぶ。

順序保証途中で落ちたとき向いている通知
確認 → 送信 → マークat-least-once重複して届くことがある欠落が困る通知(OTP、決済、配送状況)
確認 → マーク → 送信at-most-once届かないことがある重複が困る通知(キャンペーン)

後者は、他社事例の ZOZO が採用している順序。送信は外部サービスへの副作用なので、「必ず1回だけ」にすること(exactly-once)は難しい。どちらかに倒して、許容する失敗を決めるのが現実的になる。

  • notification_id をキーに Redis や DB で送信済みチェックを行う
  • Outbox Pattern を使い、DBへの書き込みと送信を原子的に管理する方法も有効

データモデル#

通知テーブル#

CREATE TABLE notifications (
    id              UUID PRIMARY KEY,
    user_id         UUID NOT NULL,
    type            VARCHAR(50) NOT NULL,
    channel         VARCHAR(20) NOT NULL,
    -- pending / sent / delivered / failed
    status          VARCHAR(20) NOT NULL,
    content         JSONB NOT NULL,
    scheduled_at    TIMESTAMP,
    sent_at         TIMESTAMP,
    delivered_at    TIMESTAMP,
    created_at      TIMESTAMP NOT NULL
);

CREATE INDEX idx_notifications_user_created ON notifications (user_id, created_at);
CREATE INDEX idx_notifications_status ON notifications (status);
sql

デバイストークンテーブル#

CREATE TABLE device_tokens (
    id              UUID PRIMARY KEY,
    user_id         UUID NOT NULL,
    platform        VARCHAR(20) NOT NULL,  -- ios / android / web
    token           VARCHAR(255) NOT NULL UNIQUE,
    is_active       BOOLEAN DEFAULT true,
    last_seen_at    TIMESTAMP NOT NULL,    -- クライアントが最後にトークンを報告した時刻
    deactivated_at  TIMESTAMP,
    created_at      TIMESTAMP NOT NULL,
    updated_at      TIMESTAMP NOT NULL
);

CREATE INDEX idx_device_tokens_user_platform ON device_tokens (user_id, platform);
CREATE INDEX idx_device_tokens_active_last_seen ON device_tokens (is_active, last_seen_at);
sql

全体宛お知らせのテーブル(fan-out on read 用)#

先ほどの notifications は1行が1人の宛先なので、fan-out on write の形になっている(In-App は channel = 'in_app' の行)。全員宛のお知らせを fan-out on read で持つ場合は、次の2つのテーブルを使う。

-- 全員宛のお知らせ(1回の送信につき1行だけ書く)
CREATE TABLE announcements (
    id            UUID PRIMARY KEY,
    audience      VARCHAR(20) NOT NULL,  -- all / segment
    content       JSONB NOT NULL,
    published_at  TIMESTAMP NOT NULL,
    expires_at    TIMESTAMP
);

CREATE INDEX idx_announcements_published ON announcements (published_at);

-- ユーザーごとの既読・削除状態(ユーザーが操作したときだけ行を作る)
CREATE TABLE announcement_user_states (
    user_id          UUID NOT NULL,
    announcement_id  UUID NOT NULL,
    read_at          TIMESTAMP,
    dismissed_at     TIMESTAMP,

    PRIMARY KEY (user_id, announcement_id)
);
sql

読み出すときは、全員宛のお知らせに既読・削除状態を結合し、個人宛の notifications と新しい順に合成する。登録日より前のお知らせを見せない条件も、ここで入れられる。

SELECT a.id, a.content, a.published_at, s.read_at
FROM announcements a
LEFT JOIN announcement_user_states s
  ON s.announcement_id = a.id AND s.user_id = :user_id
WHERE a.published_at <= now()
  AND (a.expires_at IS NULL OR a.expires_at > now())
  AND a.published_at >= :user_created_at
  AND s.dismissed_at IS NULL
ORDER BY a.published_at DESC
LIMIT 20;
sql

ユーザー設定とレートリミット#

ユーザー設定の尊重#

flowchart LR
    A[通知イベント] --> B{ユーザーが<br/>このチャネルを<br/>有効にしているか?}
    B -->|No| C[スキップ]
    B -->|Yes| D{Quiet Hours内か?}
    D -->|Yes| E[遅延送信 or スキップ]
    D -->|No| F[送信]
mermaid

レートリミット設計#

スパム防止のために、ユーザーごと・通知タイプごとに制限を設ける。

制限の種類例
チャネル別上限Email: 1日10通まで
通知タイプ別マーケティング通知は週3回まで
バースト制限1分間に3通まで
Quiet Hours22:00〜08:00 は送信しない

他社事例#

Slack#

参考: Slack 通知を設定する(Slack ヘルプ) ↗

ここで書くのは、公開されているヘルプから読み取れるユーザー側の挙動で、内部の実装は確認できていない。

  • デスクトップとモバイルの両方に通知が届く前提で、デフォルトでは、デスクトップの画面が1分間ロックされたとき、またはカーソルの動きが10分間ないときにモバイル通知が届く。デスクトップを使っている間は、モバイルに重複して通知しない
  • モバイル通知のタイミングは、「送信されたらすぐ」「非アクティブになったらすぐ」「さらに遅らせる」から選べる。両方に同時に届く設定もある
  • 通知する内容(すべてか、メンションとダイレクトメッセージだけか)を選べ、特定のチャンネルだけ例外にできる。キーワード通知や、曜日・時間を指定した通知スケジュールもある

複数の端末へ重複して通知しないためには、サーバー側でユーザーのデスクトップの状態(アクティブかどうか)を把握している必要があると考えられる。この記事の「ユーザー設定の尊重」や Quiet Hours の設計につながる事例。

Uber(RAMEN)#

参考: Uber のリアルタイム Push 基盤(Uber Engineering) ↗

ポーリングをやめ、サーバーからアプリへ変更を即座に届けるためのリアルタイム Push 基盤 RAMEN。

  • 役割の分離: Push のタイミングを決める Fireball、ペイロードを組み立てる API ゲートウェイ、クライアントとの接続を保持する配信サービスに分かれている
  • 配信プロトコル: 当初の SSE から gRPC に移行している
  • 優先度: メッセージを High、Medium、Low の3段階に分け、接続が確立したときは優先度の高い順に送る。High にはサーバー側のリトライと、リージョン間のレプリケーションが付く
  • 配信保証: at-least-once。TTL(数秒〜最大30分)が切れるまで再送し、確認応答とシーケンス番号で、接続が切れたあとも未配信のメッセージを再送できる
  • 信頼性: サーバー側の信頼性として 99.99% を報告している

Netflix の RENO も優先度でキューを分けていた。Uber は優先度を「送る順番と信頼性の手厚さ」に使っているのが対比になる。

ZOZO(ZOZOTOWN)#

参考: リアルタイムなプッシュ通知を可能にした配信基盤の紹介 ↗

マス配信とパーソナライズ配信で基盤を分離し、後者向けにリアルタイム Push 配信基盤を新設した事例。

flowchart LR
    A[パーソナライズ<br/>配信基盤] -->|Pub/Sub| B[配信基盤<br/>Cloud Functions]
    B --> C{重複配信チェック<br/>Cloud Datastore}
    C -->|未送信| D[FCM]
    C -->|送信済み| E[スキップ]
    D --> F[実績 Pub/Sub]
    F --> G[Dataflow]
    G --> H[BigQuery]
mermaid
  • 入力に Pub/Sub を採用: 複数システムから統一インターフェースで受け付けるため
  • 重複配信制御の順序: 送信より先に登録する。「確認 → 送信 → 登録」ではなく「確認 → 登録 → 送信」にすることで at-most-once を実現(登録後に中断してもリトライ時に重複しない)
  • 配信保証の選択: キャンペーン配信は重複送信を避けたいため at-most-once を採用。トランザクション通知では exactly-once が必要になる(課題として認識)
  • 実績を BigQuery に保存: 配信率の集計だけでなく、最適なチャネル選択のための機械学習データとして活用

Netflix(RENO)#

参考: Rapid Event Notification System at Netflix ↗

220M+ ユーザーの視聴体験をデバイス間でリアルタイムに同期するための通知基盤 RENO(Rapid Event Notification System)。

ユースケース内容
視聴アクティビティ「続きを見る」リストを全デバイスで同期
パーソナライズ更新レコメンデーションエンジンの結果を即時反映
プラン変更契約変更を全デバイスに即時反映
マイリスト更新追加・削除を全デバイスで同期
プロフィール変更成熟度レーティング等の設定変更を反映
flowchart TD
    A[Member Actions<br/>System Events] --> B[Manhattan<br/>イベント管理エンジン]
    B -->|優先度別ルーティング| C[High Priority Queue<br/>SQS]
    B -->|優先度別ルーティング| D[Low Priority Queue<br/>SQS]
    C --> E[High Priority Cluster]
    D --> F[Low Priority Cluster]
    E & F --> G[Outbound Messaging<br/>System]
    E & F --> H[Zuul Push<br/>TV/Web向け永続接続]
    E & F --> I[Cassandra<br/>通知ストア]
    G --> J[APNs / FCM]
    H --> K[Smart TV / Web]
    I -->|ポーリング| L[Legacy Devices]
mermaid
  • イベント優先度シャーディング: ユーザー起因のイベント(プロフィール変更)は高優先度、システム診断シグナルは低優先度として独立クラスターで処理。スケール設定も独立して調整可能
  • ハイブリッド配信モデル(Push + Pull): モバイルは常時接続しているが、スマートTV は電源オフ中が多い。Push だけだと TV が通知を見逃し、Pull だけだとモバイルが通信制限に引っかかる。両方を組み合わせることでデバイス特性の差異を吸収
  • Targeted Delivery: デバイスカテゴリ別に配信対象を絞り込み、不要なトラフィックを削減
  • Thundering Herd 対策:
    • イベントの鮮度フィルター(閾値超過の古いイベントを破棄)
    • オンラインデバイスのみに配信(Zuul のデバイス状態レジストリを活用)
    • スケールアップポリシーをスケールダウンより積極的に設定
    • 重複イベントのマージ(iOS/Android のバックグラウンド通信制限対策)
  • Bulkheaded Delivery: APNs・FCM など下流サービスへの配信を並列化。一方の障害が他プラットフォームの配信をブロックしない

設計チェックリスト#

スケーラビリティ#

  • メッセージキューで非同期処理
  • Worker の水平スケール
  • バッチ処理で大量配信(Fan-out)
  • チャネル別に独立スケール

信頼性#

  • at-least-once 配信保証
  • Exponential Backoff リトライ
  • DLQ による障害隔離
  • 重複送信への対策(冪等性)と、許容する失敗の選択(at-least-once または at-most-once)

ユーザー体験#

  • ユーザー設定の尊重(オプトイン/オプトアウト)
  • レートリミット(スパム防止)
  • Quiet Hours 対応
  • 通知の優先度付け
  • 予約配信の宛先を確定する時点の決定と、送信時のガード(配信停止・退会の除外)

運用#

  • 配信率・開封率のモニタリング
  • 無効トークンの定期クリーンアップ
  • DLQ のアラート設定
  • テンプレートのバージョン管理

参考資料#

profile

putcho01

サーバーサイドエンジニア。 GoとGCPをよく触っています。

通知システム設計の要点まとめ
Author Nagattyo
Published at 2026年11月22日