百万在线的美拍直播弹幕系统的实时推送技术实践之路
1、内容概述
直播弹幕是直播系统的核心功能之一。如何迅速作出一个有很好扩展性的弹幕系统？如何应对业务迅速发展？相信很多工程师/架构师都有自己的想法。
本文作者是美拍的架构师，经历了直播弹幕从无到有，从小到大的过程，借此文为大家分享构建弹幕系统的经验，希望能为正在开发或正打算开发弹幕、消息推送、IM聊天等系统的技术同行带来一些启发。
直播弹幕指直播间的用户，礼物，评论，点赞等消息，是直播间交互的重要手段。美拍直播弹幕系统从 2015 年 11 月到现在，经过了三个阶段的演进，目前能支撑百万用户同时在线。比较好地诠释了根据项目的发展阶段进行平衡演进的过程。这三个阶段分别是快速上线、高可用保障体系建设、长连接演进。具体我将在正文中展开，请继续往下阅读。
（本文同步发布于：http://www.52im.net/thread-1236-1-1.html ）
2、关于作者
- 毕业于西安交通大学，曾任职于网易和新浪微博，微博工作期间负责开放平台业务和技术体系建设；
- 2015年9月加入美图，就职于架构平台部，目前负责部分核心业务和基础设施的研发，包括弹幕、Feed、任务调度和质量监控体系等；
- 十余年的后端研发经历，拥有丰富的后端研发经验，对于构建高可用、高并发的系统有较多实践经验。
3、起步——快速上线
3.1 消息模型
美拍直播弹幕系统在设计初期的核心要求是：
1）快速上线；
2）并能支撑百万用户同时在线。
基于这两点，我们策略是前中期 HTTP 轮询方案，中后期替换为长连接方案。因此在业务团队进行 HTTP 方案研发的同时，基础研发团队也紧锣密鼓地开发长连接系统。
直播间消息，相对于IM即时通讯的场景，有其几个特点：
1）消息要求更及时：过时的消息对于用户来说不重要；
2）松散的群聊：用户随时进群，随时退群；
3）历史消息不需要重发：用户进群后，离线期间（接听电话）的消息不需要重发。
对于用户来说，在直播间有三个典型的操作：
1）进入直播间，拉取正在观看直播的用户列表；
2）接收直播间持续接收弹幕消息；
3）自己发消息。
我们把礼物，评论，用户的数据都当做消息来看待。
经过考虑选择了 Redis 的 sortedset 存储消息，消息模型如下：
1）用户发消息：通过 Zadd，其中 score 消息的相对时间；
2）接收直播间的消息：通过 ZrangeByScore 操作，两秒一次轮询；
3）进入直播间：获取用户的列表，通过 Zrange 操作来完成。
因此总的流程是：
1）写消息流程是:前端机 -> Kafka -> 处理机 -> Redis；
2）读消息流程是:前端 -> Redis。
不过这里有一个隐藏的并发问题：用户可能丢消息。
如上图所示，某个用户从第6号评论开始拉取，同时有两个用户在发表评论，分别是10,11号评论。如果11号评论先写入，用户刚好把6,7,8,9,11号拉走，用户下次再拉取消息，就从12号开始拉取，结果是：用户没有看到10号消息。
为了解决这个问题，我们加上了两个机制:
1）在前端机：同一个直播间的同一种消息类型，写入 Kafka 的同一个 partition；
2）在处理机：同一个直播间的同一种消息类型，通过 synchronized 保证写入 Redis 的串行。
消息模型及并发问题解决后，开发就比较顺畅，系统很快就上线，达到预先预定目标。
4、问题——上线后暴露的问题及解决方法
上线后，随着量的逐渐增加，系统陆续暴露出三个比较严重的问题，我们一一进行了解决。
4.1 问题一：消息串行写入 Redis，容易堆积在 Kafka 中且消息延迟较大
消息串行写入 Redis，如果某个直播间消息量很大，那么消息会堆积在 Kafka 中，消息延迟较大。
解决办法：
1）消息写入流程优化：前端机-> Kafka -> 处理机 -> Redis；
2）前端机：如果延迟小，则只写入一个 Kafka 的partion；如果延迟大，则这个直播的这种消息类型写入 Kafka 的多个partion；
3）处理机：如果延迟小，加锁串行写入 Redis；如果延迟大，则取消锁。因此有四种组合，四个档位，分别是：
- 一个partion, 加锁串行写入 Redis, 最大并发度:1；
- 多个partition,加锁串行写入 Redis, 最大并发度:Kafka partion的个数；
- 一个partion, 不加锁并行写入 Redis, 最大并发度: 处理机的线程池个数；
- 多个partion, 不加锁并行写入 Redis，最大并发度: Kafka partition个数处理机线程池的个数。
4）延迟程度判断：前端机写入消息时，打上消息的统一时间戳，处理机拿到后，延迟时间 = 现在时间 - 时间戳；
5）档位选择：自动选择档位，粒度:某个直播间的某个消息类型。
4.2 问题二：redis slave 的性能瓶颈较大
用户轮询最新消息，需要进行 Redis 的 ZrangByScore 操作，redis slave 的性能瓶颈较大。
解决办法:
本地缓存：前端机每隔1秒左右取拉取一次直播间的消息，用户到前端机轮询数据时，从本地缓存读取数据；
消息的返回条数根据直播间的大小自动调整：小直播间返回允许时间跨度大一些的消息，大直播间则对时间跨度以及消息条数做更严格的限制。
解释：
这里本地缓存与平常使用的本地缓存问题，有一个最大区别：成本问题。如果所有直播间的消息都进行缓存，假设同时有1000个直播间，每个直播间5种消息类型，本地缓存每隔1秒拉取一次数据，40台前端机，那么对 Redis 的访问QPS是 1000 * 5 * 40 = 20万。成本太高，因此我们只有大直播间才自动开启本地缓存，小直播间不开启。
4.3 问题三：弹幕数据回放时，会与直播的数据竞争 Redis 的 cpu 资源
弹幕数据也支持回放，直播结束后，这些数据存放于 Redis 中，在回放时，会与直播的数据竞争 Redis 的 cpu 资源。
解决办法:
1）直播结束后，数据备份到 mysql；
2）增加一组回放的 Redis；
3）前端机增加回放的 local cache。
解释：
回放时，读取数据顺序是: local cache -> Redis -> mysql。localcache 与回放 Redis 都可以只存某个直播某种消息类型的部分数据，有效控制容量；local cache与回放 Redis 使用SortedSet数据结构，这样整个系统的数据结构都保持一致。
5、升级1——实现高可用保障
同城双机房部署：
分为主机房和从机房，写入都在主机房，读取则由两个机房分担。从而有效保证单机房故障时，能快速恢复。
丰富的降级手段：
全链路的业务监控：
高可用保障建设完成后，迎来了 TFBOYS 在美拍的四场直播，这四场直播峰值同时在线人数达到近百万，共 2860万人次观看，2980万评论，26.23亿次点赞，直播期间，系统稳定运行，成功抗住压力。
6、升级2——使用长连接替换短连接轮询方案
6.1 长连接架构
长连接整体架构图如下：
详细说明：
1）客户端在使用长连接前，会调用路由服务，获取连接层IP，路由层特性（a. 可以按照百分比灰度；b. 可以对 uid、deviceId、版本进行黑白名单设置）：
- 黑名单：不允许使用长连接；
- 白名单：即使长连接关闭或者不在灰度范围内，也允许使用长连接。
这两个特性保证了我们长短连接切换的顺利进行。
2）客户端的特性：
- a. 同时支持长连接和短连接，可根据路由服务的配置来决定；
- b. 自动降级，如果长连接同时三次连接不上，自动降级为短连接；
- c. 自动上报长连接性能数据；
3）连接层只负责与客户端保持长连接，没有任何推送的业务逻辑。从而大大减少重启的次数，从而保持用户连接的稳定；
4）推送层存储用户与直播间的订阅关系，负责具体推送。整个连接层与推送层与直播间业务无关，不需要感知到业务的变化；
5）长连接业务模块用于用户进入直播间的验证工作；
6）服务端之间的通讯使用基础研发团队研发的tardis框架来进行服务的调用，该框架基于 gRPC，使用 etcd 做服务发现。
6.2 长连接消息模型
我们采用了订阅推送模型，下图为基本的介绍：
举例说明：用户1订阅了A直播，A直播有新的消息
1）推送层查询订阅关系后，知道有用户1订阅了A直播，同时知道用户1在连接层1这个节点上，那么就会告知连接层有新的消息；
2）连接层1收到告知消息后，会等待一小段时间（毫秒级），再拉取一次用户1的消息，然后推送给用户1。
如果是大直播间（订阅用户多），那么推送层与连接层的告知/拉取模型，就会自动降级为广播模型。
如下图所示：
我们经历客户端三个版本的迭代，实现了两端（Android 与 iOS）长连接对短连接的替换，因为有灰度和黑白名单的支持，替换非常平稳，用户无感知。
7、总结与展望
回顾了系统的发展过程，达到了原定的前中期使用轮询，中后期使用长连接的预定目标，实践了原定的平衡演进的原则。
从未来的发展来看，计划要做的事情有：
1）针对机房在北京，南方某些地区会存在连接时间长的情况（我们如何让长连接更靠近用户？）；
2）消息模型的进一步演进。
（本文同步发布于：http://www.52im.net/thread-1236-1-1.html）
附录：更多推送技术文章
《iOS的推送服务APNs详解：设计思路、技术原理及缺陷等》
《信鸽团队原创：一起走过 iOS10 上消息推送(APNS)的坑》
《Android端消息推送总结：实现原理、心跳保活、遇到的问题等》
《一个基于MQTT通信协议的完整Android推送Demo》
《求教android消息推送：GCM、XMPP、MQTT三种方案的优劣》
《扫盲贴：浅谈iOS和Android后台实时消息推送的原理和区别》
《移动端IM实践：谷歌消息推送服务(GCM)研究（来自微信）》
《从HTTP到MQTT：一个基于位置服务的APP数据通信实践概述》
《基于WebSocket实现Hybrid移动应用的消息推送实践(含代码示例)》
（本文同步发布于：http://www.52im.net/thread-1236-1-1.html）
