千万级WebSocket消息推送服务技术分析

拉模式和推模式区别

拉模式（定时轮询访问接口获取数据）

• 数据更新频率低，则大多数的数据请求时无效的
• 在线用户数量多，则服务端的查询负载很高
• 定时轮询拉取，无法满足时效性要求

推模式（向客户端进行数据的推送）

• 仅在数据更新时，才有推送
• 需要维护大量的在线长连接
• 数据更新后，可以立即推送

基于WebSocket协议做推送

• 浏览器支持的socket编程，轻松维持服务端的长连接
• 基于TCP协议之上的高层协议，无需开发者关心通讯细节
• 提供了高度抽象的编程接口，业务开发成本较低

WebSocket协议的交互流程

客户端首先发起一个Http请求到服务端，请求的特殊之处，在于在请求里面带了一个upgrade的字段，告诉服务端，我想生成一个websocket的协议，服务端收到请求后，会给客户端一个握手的确认，返回一个switching， 意思允许客户端向websocket协议转换，完成这个协商之后，客户端与服务端之间的底层TCP协议是没有中断的，接下来，客户端可以向服务端发起一个基于websocket协议的消息，服务端也可以主动向客户端发起websocket协议的消息，websocket协议里面通讯的单位就叫message。

传输协议原理

• 协议升级后，继续复用Http协议的底层socket完成后续通讯
• message底层会被切分成多个frame帧进行传输，从协议层面不能传输一个大包，只能切成一个个小包传输
• 编程时，只需操作message，无需关心frame（属于协议和类库自身去操作的）
• 框架底层完成TCP网络I/O，WebSocket协议的解析，开发者无需关心

服务端技术选型与考虑

NodeJs

• 单线程模型（尽管可以多进程），推送性能有限

C/C++

• TCP通讯、WebSocket协议实现成本高

Go

• 多线程，基于协程模型并发
• Go语言属于编译型语言，运行速度并不慢
• 成熟的WebSocket标准库，无需造轮子

基于Go实现WebSocket服务端

用Go语言对WebSocket做一个简单的服务端实现，以及HTML页面进行调试，并对WebSocket封装，这里就直接给出代码了。

WebSocket服务端

package main

import (
		"net/http"
		"github.com/gorilla/websocket"
		"github.com/myproject/gowebsocket/impl"
		"time"
		)
var(
	upgrader = websocket.Upgrader{
		// 允许跨域
		CheckOrigin:func(r *http.Request) bool{
			return true
		},
	}
)

func wsHandler(w http.ResponseWriter , r *http.Request){
	//	w.Write([]byte("hello"))
	var(
		wsConn *websocket.Conn
		err error
		conn *impl.Connection
		data []byte
	)
	// 完成ws协议的握手操作
	// Upgrade:websocket
	if wsConn , err = upgrader.Upgrade(w,r,nil); err != nil{
		return 
	}

	if conn , err = impl.InitConnection(wsConn); err != nil{
		goto ERR
	}

	// 启动线程，不断发消息
	go func(){
		var (err error)
		for{
			if err = conn.WriteMessage([]byte("heartbeat"));err != nil{
				return 
			}
			time.Sleep(1*time.Second)
		}
	}()

	for {
		if data , err = conn.ReadMessage();err != nil{
			goto ERR
		}
		if err = conn.WriteMessage(data);err !=nil{
			goto ERR
		}
	}

	ERR:
		conn.Close()

}

func main(){

	http.HandleFunc("/ws",wsHandler)
	http.ListenAndServe("0.0.0.0:7777",nil)
}

前端页面

	
	  


	
	
WebSocket Test
  
	
	send
	close
	
 	
	

封装WebSocket

package impl

import (
		"github.com/gorilla/websocket"
		"sync"
		"errors"
		)

type Connection struct{
	wsConnect *websocket.Conn
	inChan chan []byte
	outChan chan []byte
	closeChan chan byte

	mutex sync.Mutex  // 对closeChan关闭上锁
	isClosed bool  // 防止closeChan被关闭多次
}

func InitConnection(wsConn *websocket.Conn)(conn *Connection ,err error){
	conn = &Connection{
		wsConnect:wsConn,
		inChan: make(chan []byte,1000),
		outChan: make(chan []byte,1000),
		closeChan: make(chan byte,1),

	}
	// 启动读协程
	go conn.readLoop();
	// 启动写协程
	go conn.writeLoop();
	return
}

func (conn *Connection)ReadMessage()(data []byte , err error){
	
	select{
	case data = <- conn.inChan:
	case <- conn.closeChan:
		err = errors.New("connection is closeed")
	}
	return 
}

func (conn *Connection)WriteMessage(data []byte)(err error){
	
	select{
	case conn.outChan <- data:
	case <- conn.closeChan:
		err = errors.New("connection is closeed")
	}
	return 
}

func (conn *Connection)Close(){
	// 线程安全，可多次调用
	conn.wsConnect.Close()
	// 利用标记，让closeChan只关闭一次
	conn.mutex.Lock()
	if !conn.isClosed {
		close(conn.closeChan)
		conn.isClosed = true 
	}
	conn.mutex.Unlock()
}

// 内部实现
func (conn *Connection)readLoop(){
	var(
		data []byte
		err error
		)
	for{
		if _, data , err = conn.wsConnect.ReadMessage(); err != nil{
			goto ERR
		}
//阻塞在这里，等待inChan有空闲位置
		select{
			case conn.inChan <- data:
			case <- conn.closeChan:		// closeChan 感知 conn断开
				goto ERR
		}
		
	}

	ERR:
		conn.Close()
}

func (conn *Connection)writeLoop(){
	var(
		data []byte
		err error
		)

	for{
		select{
			case data= <- conn.outChan:
			case <- conn.closeChan:
				goto ERR
		}
		if err = conn.wsConnect.WriteMessage(websocket.TextMessage , data); err != nil{
			goto ERR
		}
	}

	ERR:
		conn.Close()

}

千万级弹幕系统的架构设计

技术难点

内核瓶颈

• 推送量大：100W在线 * 10条/每秒 = 1000W条/秒
• 内核瓶颈：linux内核发送TCP的极限包频 ≈ 100W/秒

锁瓶颈

• 需要维护在线用户集合（100W用户在线），通常是一个字典结构
• 推送消息即遍历整个集合，顺序发送消息，耗时极长 
• 推送期间，客户端仍旧正常的上下线，集合面临不停的修改，修改需要遍历，所以集合需要上锁

CPU瓶颈

• 浏览器与服务端之间一般采用的是JSon格式去通讯
• Json编码非常耗费CPU资源
• 向100W在线推送一次，则需100W次Json Encode

优化方案

内核瓶颈

• 减少网络小包的发送，我们将网络上几百字节定义成网络的小包了，小包的问题是对内核和网络的中间设备造成处理的压力。方案是将一秒内N条消息合并成1条消息，合并后，每秒推送数等于在线连接数。

锁瓶颈

• 大锁拆小锁，将长连接打散到多个集合中去，每个集合都有自己的锁，多线程并发推送集合，线程之间推送的集合不同，所以没有锁的竞争关系，避免锁竞争。
• 读写锁取代互斥锁，多个推送任务可以并发遍历相同集合

CPU瓶颈

• 减少重复计算，Json编码前置，1次消息编码+100W次推送，消息合并前置，N条消息合并后，只需要编码一次。

单机架构

最外层是在线的长连接，连接到服务端后，打散到多个集合里面存储，我们要发送的消息呢，通过打包后，经过json编码，被多个线程或协程分发到多个集合中去，最终推给了所有的在线连接。

单机瓶颈

• 维护海量长连接，会花费不少内存
• 消息推送的瞬时，消耗大量的CPU
• 消息推送的瞬时带宽高达400-600Mb（4-6Gbits），需要用到万兆网卡，是主要瓶颈

集群

部署多个节点，通过负载均衡，把连接打散到多个 服务器上，但推送消息的时候，不知道哪个直播间在哪个节点上，最常用的方式是将消息广播给所有的网关节点，此时就需要做一个逻辑集群。

逻辑集群

• 基于Http2协议向gateway集群分发消息（Http2支持连接复用，用作RPC性能更佳，即在单个连接上可以做高吞吐的请求应答处理）
• 基于Http1协议对外提供推送API（Http1更加普及，对业务方更加友好）

整体分布式架构图如下：

 

任何业务方通过Http接口调用到逻辑集群，逻辑集群把消息广播给所有网关，各个网关各自将消息推送给在线的连接即可。

本文讲解了开发消息推送服务的难点与解决方案的大体思路，按照整个理论流程下来，基本能实现一套弹幕消息推送的服务。