1、引言
上一篇《零基础IM开发入门(二)：什么是IM系统的实时性？》讲到了IM系统的“立足”之本——“实时性”这个技术特征，本篇主要讲解IM系统中的“可靠性”这个话题，内容尽量做到只讲原理不深入展开，避开深层次的技术性探讨，确保通俗易懂。
2、系列文章
《零基础IM开发入门(一)：什么是IM系统？》
《零基础IM开发入门(二)：什么是IM系统的实时性？》
《零基础IM开发入门(三)：什么是IM系统的可靠性？》（* 本文）
《零基础IM开发入门(四)：什么是IM系统的消息时序一致性？ (稍后发布)》
《零基础IM开发入门(五)：什么是IM系统的安全性？ (稍后发布)》
《零基础IM开发入门(六)：什么是IM系统的的心跳机制？ (稍后发布)》
《零基础IM开发入门(七)：如何理解并实现IM系统消息未读数？ (稍后发布)》
《零基础IM开发入门(八)：如何理解并实现IM系统的多端消息漫游？ (稍后发布)》
3、正文概述
一般来说，IM系统的消息“可靠性”，通常就是指聊天消息投递的可靠性（准确的说，这个“消息”是广义的，因为还存用户看不见的各种指令，为了通俗，统称“消息”）。
从用户行为来讲，消息“可靠性”应该分为两种类型：
- 1）在线消息的可靠性：即发送消息时，接收方当前处于“在线”状态；
- 2）离线消息的可靠性：即发送消息时，接收方当前处于“离线”状态。
从具体的技术表现来讲，消息“可靠性”包含两层含义：
- 1）消息不丢：这很直白，发出去的消息不能像进了黑洞一样，一脸懵逼可不行；
- 2）消息不重：这是丢消息的反面，消息重复了也不能容忍。
对于“消息不丢”这个特征来说，细化下来，它又包含两重含义：
是的，对于第1）重含义好理解，第2）重含义的意思是：当对方没有成功收到时，你的im系统也必须要感知到，否则，它同样属于被“丢”范畴。
总之，一个成型的im系统，必须包含这两种消息“可靠性”逻辑，才能堪用，缺一不可。
消息的可靠性（不丢失、不重复）无疑是IM系统的重要指标，也是IM系统实现中的难点之一。本文以下文字，将从在线消息的可靠性和离线消息的可靠性进行讨论。
4、典型的在线消息收发流程
先看下面这张典型的im消息收发流程：
是的，这是一个典型的服务端中转型IM架构。
所谓“服务端中转型IM架构”是指：一条消息从客户端A发出后，需要先经过 IM 服务器来进行中转，然后再由 IM 服务器推送给客户端B，这种模式也是目前最常见的 IM 系统的消息分发架构。
你可能会说，IM不可以是P2P模式的吗？是的，目前来说主流IM基本都是服务器中转这种方式，P2P模式在IM系统中用的很少。
原因是以下两个很明显的弊端：
- 1）P2P模式下，IM运营者很容易被用户架空（无法监管到用户行为，用户涉黄了怕不怕？）；
- 2）P2P模式下，群聊这种业务形态，很难实现（我要在千人群中发消息给，不可能我自已来分发1000次吧）。
话题有点跑偏，我们回到正题：在上面这张图里，客户A发送消息到服务端、服务端中转消息给客户B，假设这两条数据链接中使用的通信协议是TCP，你认为在TCP所谓可靠传输协议加持下，真的能保证IM聊天消息的可靠性吗？
答案是否定的。我们继续看下节。
5、TCP并不能保证在线消息的“可靠性”
接上节，在一个典型的服务端中转型IM架构中，即使使用“可靠的传输协议”TCP，也不能保证聊天消息的可靠性。为什么这么说？
要回答这个问题，网上的很多文章，都会从服务端的角度举例：比如消息发送时操作系统崩溃、网络闪断、存储故障等等，总之很抽象，不太容易理解。
这次我们从客户端角度来理解，为什么使用了可靠传输协议TCP的情况下IM聊天消息仍然不可靠的问题。
具体来说：如何确保 IM 消息的可靠性是个相对复杂的话题，从客户端发送数据到服务器，再从服务器送达目标客户端，最终在 UI 成功展示，其间涉及的环节很多，这里只取其中一环「接收端如何确保消息不丢失」来探讨，粗略聊下我接触过的两种设计思路。
说到可靠送达：第一反应会联想到 TCP 的可靠性。数据的可靠送达是个通用性的问题，无论是网络二进制流数据，还是上层的业务数据，都有可靠性保障问题，TCP 作为网络基础设施协议，其可靠性设计的可靠性是毋庸置疑的，我们就从 TCP 的可靠性说起。
在 TCP 这一层：所有 Sender 发送的数据，每一个 byte 都有标号（Sequence Number），每个 byte 在抵达接收端之后都会被接收端返回一个确认信息（Ack Number）， 二者关系为 Ack = Seq + 1。简单来说，如果 Sender 发送一个 Seq = 1，长度为 100 bytes 的包，那么 receiver 会返回一个 Ack = 101 的包，如果 Sender 收到了这个Ack 包，说明数据确实被 Receiver 收到了，否则 Sender 会采取某种策略重发上面的包。
第一个问题是：既然 TCP 本身是具备可靠性的，为什么还会出现消息接收端（Receiver）丢失消息的情况？
看下图一目了然：
（▲ 上图引用自《从客户端的角度来谈谈移动端IM的消息可靠性和送达机制》）
一句话总结上图的含义：网络层的可靠性不等同于业务层的可靠性。
数据可靠抵达网络层之后，还需要一层层往上移交处理，可能的处理有：
- 1）安全性校验；
- 2）binary 解析；
- 3）model 创建；
- 4）写 db；
- 5）存入 cache；
- 6）UI 展示；
- 7）以及一些边界问题：比如断网、用户突然退出登陆、磁盘已满、内存溢出、app奔溃、突然关机等等。
项目的功能特性越多，网络层往上的处理出错的可能性就越大。
举个最简单的场景为例子：消息可靠抵达网络层之后，写 db 之前 IM APP 崩溃（不稀奇，是 App 都有崩溃的可能），虽然数据在网络层可靠抵达了，但没存进 db，下次用户打开 App 消息自然就丢失了，如果不在业务层再增加可靠性保障（比如：后面要提到的网络层面的消息重发保障），那么意味着这条消息对于接收端来说就永远丢失了，也就自然不存在“可靠性”了。
6、为在线消息增加“可靠性”保障
那么怎样在应用层增加可靠性保障呢？
有一个现成的机制可供我们借鉴：TCP协议的超时、重传、确认机制。
具体来说就是：
- 1）在应用层构造一种ACK消息，当接收方正确处理完消息后，向发送方发送ACK；
- 2）假如发送方在超时时间内没有收到ACK，则认为消息发送失败，需要进行重传或其他处理。
增加了确认机制的消息收发过程如下：
我们可以把整个过程分为两个阶段。
阶段1：clientA -> server
- 1-1：clientA向server发送消息(msg-Req)；
- 1-2：server收取消息，回复ACK(msg-Ack)给clientA；
- 1-3：一旦clientA收到ACK即可认为消息已成功投递，第一阶段结束。
无论msg-A或ack-A丢失，clientA均无法在超时时间内收到ACK，此时可以提示用户发送失败，手动进行重发。
阶段2：server -> clientB
- 2-1：server向clientB发送消息(Notify-Req)；
- 2-2：clientB收取消息，回复ACK(Notify-ACk)给server；
- 2-3：server收到ACK之后将该消息标记为已发送，第二阶段结束。
无论msg-B或ack-B丢失，server均无法在超时时间内收到ACK，此时需要重发msg-B，直到clientB返回ACK为止。
7、典型的离线消息收发流程
说完在线消息的“可靠性”问题，我们该了解一下离线消息了。
7.1 离线消息的收发也存在“不可靠性”
下图是一张典型的IM离线消息流程图：
如上图所示，和在线消息收发流程类似。
离线消息收发流程也可划分为两个阶段：
阶段1：clientA -> server
- 1-1：clientA向server发送消息(msg-Req) ；
- 1-2：server发现clientB离线，将消息存入offline-DB。
阶段2：server -> clientB
- 2-1：clientB上线后向server拉取离线消息(pull-Req) ；
- 2-2：server从offline-DB检索相应的离线消息推送给clientB(pull-res)，并从offline-DB中删除。
显然：离线消息收发过程同样存在消息丢失的可能性。
举例来说：假设pull-res没有成功送达clientB，而offline-DB中已删除，这部分离线消息就彻底丢失了。
7.2 离线消息的“可靠性”保障
与在线消息收发流程类似，我们同样需要在应用层增加可靠性保障机制。
下图是增加了可靠性保障后的离线消息收发流程：
与初始的离线消息收发流程相比，上图增加了1-3、2-4、2-5步骤：
- 1-3：server将消息存入offline-DB后，回复ACK(msg-Ack)给clientA，clientA收到ACK即可认为消息投递成功；
- 2-4：clientB收到推送的离线消息，回复ACK(res-Ack)给server；
- 2-5：server收到res-ACk后确定离线消息已被clientB成功收取，此时才能从offline-DB中删除。
当然，上述的保障机制，还存在性能优化空间。
当离线消息的量较大时：如果对每条消息都回复ACK，无疑会大大增加客户端与服务器的通信次数。这种情况我们通常使用批量ACK的方式，对多条消息仅回复一个ACK。在某此后IM的实现中是将所有的离线消息按会话进行分组，每组回复一个ACK，假如某个ACK丢失，则只需要重传该会话的所有离线消息。
8、聊天消息重复的问题
上面章节中，通过在应用层加入重传、确认机制后，我们确实是杜绝了消息丢失的可能性。
但由于重试机制的存在，我们会遇到一个新的问题：那就是同一条消息可能被重复发送。
举一个最简单的例子：假设client成功收到了server推送的消息，但其后续发送的ACK丢失了，那么server将会在超时后再次推送该消息，如果业务层不对重复消息进行处理，那么用户就会看到两条完全一样的消息。
消息去重的方式其实非常简单，一般是根据消息的唯一标志(id)进行过滤。
具体过程在服务端和客户端可能有所不同：
- 1）客户端 ：我们可以通过构造一个map来维护已接收消息的id，当收到id重复的消息时直接丢弃；
- 2）服务端 ：收到消息时根据id去数据库查询，若库中已存在则不进行处理，但仍然需要向客户端回复Ack（因为这条消息很可能来自用户的手动重发）。
关于消息的去重问题，在一对一聊天的情况下，逻辑并不复杂，但在群聊模式下，会将问题复杂化，有关群聊消息不丢和去重的详细讨论，可以深入阅读：《IM群聊消息如此复杂，如何保证不丢不重？》。
9、本文小结
保证消息的可靠性是IM系统设计中很重要的一环，能不能做到“消息不丢”、“消息不重”，对用户的体验影响极大。
所谓“可靠的传输协议”TCP也并不能保障消息在应用层的可靠性。
我们一般通过在应用层的ACK应答和重传机制，来实现IM消息的可靠性保障。但由此带来的消息重复问题，需要我们额外进行处理，最简单的方法就是通过消息ID进行幂等去重。
关于IM系统消息可靠性的理论基础，我们就探讨到这里，有疑问的读者，可以在本文末尾留意，欢迎积极讨论。
10、参考资料
[1] IM消息送达保证机制实现(一)：保证在线实时消息的可靠投递
[2] IM消息送达保证机制实现(二)：保证离线消息的可靠投递
[3] IM开发干货分享：如何优雅的实现大量离线消息的可靠投递
[4] 从客户端的角度来谈谈移动端IM的消息可靠性和送达机制
[5] 聊聊IM系统的即时性和可靠性
[6] 学习笔记4——IM系统如何保证消息的可靠性
[7] IM群聊消息如此复杂，如何保证不丢不重？
本文已同步发布于“即时通讯技术圈”公众号：
链接是：http://www.52im.net/thread-3182-1-1.html
