每当网络上爆出热点新闻,混迹于各个社交媒体的小伙伴们全都开启了讨论模式。一条消息的产生是如何在群聊中传递的呢?让我们一起来探索即时通讯系统(IM)的原理。
IM 系统架构的原理
当你在群聊“相亲相爱一家人”中,发送了一条“我找到女朋友了,今天带回家吃饭”,你自然是希望全家人都收到你的喜讯,为你女朋友的到来分头准备。那么正常的流程应该是这样:遍历群成员、查询每个成员的在线状态、如果小伙伴们在线则实时进行推送,如果小伙伴们不在线则暂存至离线库待上线后主动拉取。
这种模式就是传统的 IM 架构,由于发送成功的消息不会落入离线库,因此聊天记录多端漫游无法实现。如果在线用户推送发生异常,会导致个别人员丢失关键发言,错失重要信息。为了保证消息存储的可靠性,我们对 IM 系统架构进行了优化,不管成员是否在线都要先把消息和发送对象存储起来,再进行推送。流程变成:遍历群成员、为群聊的每一个人对应的消息队列都存一份消息、查询每个成员的在线状态、对在线成员进行推送。这就是所谓的写扩散模型。
这里显然还存在一个问题,我们向每个小伙伴的消息队列中都存储了相同的“我找到女朋友了,今天带回家吃饭”消息,对磁盘和带宽造成了很大的浪费,这是写扩散的最大弊端。所以我们继续优化,群消息实体存储一份,用户只存消息ID索引。流程优化为:遍历群聊的成员、先存一份消息实体、群聊所有人都存一份 ID引用、查询每个成员的在线状态、对在线成员进行推送。这就是所谓的读扩散模型。
简单总结下:
1.读扩散:读取操作很重,写入操作很轻,资源消耗相对小一些。
2.写扩散:读取操作很轻,写入操作很重,资源消耗相对大一些。
IM 系统架构优化实践
接下来,让我们使用 GaussDB(forRedis)来实现一个简单的 IM 应用。
使用 GaussDB(forRedis)的 List 类型实现一个消息队列,防止发送端瞬时高流量会压爆消息处理模块;
收到消息后,先生成一个全局唯一 ID 标识该信息,将消息 ID 和消息内容存入 String 类型的消息存储库中,如果消息字段复杂也可以考虑使用 Hash 类型;
对于消息中可索引的信息,将消息的索引信息存入 Zset 类型的消息索引库中,这样无论是接收者还是发送者,都可以按照一定规则对历史消息进行检索;
通过查询 Set 类型的消息关系群组库,查询该信息的接收者集合,这个集合可以根据一定的规则动态增删;
将消息 ID 推入 Stream 类型的消息同步库,每个 Stream 对象对应一个接收者,接收者可以通过 XRANG 命令获取一个范围内的未读信息 ID;
最后,接收者再通过这组 ID,从消息存储库中读取消息原始内容,即完成了一次消息传递。
WhyGaussDB(forRedis)?
IM 系统有哪些痛点?高斯 Redis 如何解决这些痛点?
开源 Redsi 数据库可靠性差,甚至丢数据,会直接导致 IM 系统瘫痪。
GaussDB(forRedis)对数据进行分片,在故障场景下可以自动进行接管,最多可以满足 N-1 个计算节点故障;存储层使用华为自研的企业级存储池 DFVPool,基于分布式、强一致、高性能的先进架构,实现 3AZ6 副本存储,保证了在任何时间点的数据强一致,故障情况下数据不丢失。
大流量、高并发场景如何支持连接管理,按业务况分散压力?
GaussDB(forRedis)可以满足 IM 系统对可用性的要求,客户端程序通过 ELB 接入 GaussDB(forRedis)实例,可实现自动负载均衡。
突发的高流量、大量的历史消息数据如何处理?
GaussDB(forRedis)采用先进的存算分离架构,在 IM 系统持续运营的过程中,如果出现突发流量,可以迅速对计算层资源进行秒级扩缩容,快速扛住流量尖峰;历史消息持续增长时,也可以单独对存储层资源大小进行秒级动态调整,最高可扩容至 PB 级。
GaussDB(forRedis)广泛适用于社交媒体、游戏、电商、推荐系统等领域,在海量并发场景具备极强的高可用能力。如果你需要一款稳定可靠的高性能企业级 KV 数据库,不妨试试 GaussDB(forRedis)。
审核编辑黄宇
-
通讯系统
+关注
关注
0文章
70浏览量
12207 -
华为云
+关注
关注
3文章
2468浏览量
17414
发布评论请先 登录
相关推荐
评论