本文由转转 梁会彬、杜云杰分享，原题“转转IM的实践与思考”，下文进行了排版和内容优化。
1、引言
接上篇《整体架构设计》，笔者将以转转IM架构为起点，介绍IM相关组件以及组件间的关系；以IM登陆和发消息的数据流转为跑道，介绍IM静态数据结构、登陆和发消息时的动态数据变化；以IM常见问题为风景，介绍保证IM实时性、可靠性、一致性的一般方案；以高可用、高并发为终点，介绍保证IM系统稳定及性能的小技巧。
2、系列文章
本文是系列文章中的第2篇，本系列文章的大纲如下：
转转平台IM系统架构设计与实践(二)：详细设计与实现（* 本文)
3、本文作者
梁会彬：转转架构部资深Java工程师，主要负责服务治理平台、Docker云平台、IM、分布式ID生成器、短域名服务等，有丰富的线上实战经验。
4、 IM架构回顾
应用层：使用IM服务的上游业务方，包括app（ios和android）、小程序/PC/m页、push、业务方等。
接入层：
1）tcp entry：使用TCP协议，主要用于长连接保持、会话管理、协议解析；
2）http entry：使用http协议，采用long pull技术，主要用于长连接保持、会话管理、协议解析；
3）mq：接收电商推广等系统消息。推送量具有脉冲特点，使用mq削峰填谷；
4）rpc-server：业务查询用户聊天数据、发送实时系统消息等。
逻辑层：
1）logic：核心逻辑服务，负责登陆信息管理、在线消息管理、离线消息管理、在线推送管理等；
2）ext-logic：扩展逻辑服务，负责子母账号推送、登陆信息统计、系统消息管理等。
数据层：
1）MySQL：联系人数据、消息数据、系统消息数据等；
2）Redis：登陆信息等。
5、IM消息收发
5.1场景说明
数据流中以用户A和用户B的对话为例，其中用户A的uid为1，用户B的uid为2。
下图为用户聊天场景图：
下图为用户聊天IM系统的数据流转图：
5.2数据结构
登陆信息存储在Redis中，联系人和消息数据放在TiDB中。
1）登陆信息：
key：uid
value：{entryIp:"127.0.0.1",entryPort:5000,loginTime:23443233}
2）联系人：
说明：
1）recent_msg_content：最近一条对话消息的内容，用于联系人列表中展示最近的消息内容；
2）recent_read_time：最近一次读取该会话消息的时间，用于控制已读状态，小于该时间的所有消息，都为已读状态。
3）消息：
说明：
1）client_msg_id：客户端生成的id，客户端幂等设计，防重复；
2）direction：消息方向（0代表较大uid向较小uid发送消息，1则反之）。
数据流=数据+流。上面部分讲数据，即联系人和消息表，从静态的角度介绍了IM的数据结构；下面部分讲流（IM中最重要的两个流程），即登陆和发消息，从动态的角度来阐述IM系统中数据的流转。
5.3主要流程
5.3.1 ）登陆：
1）问题：entry地址发现：app直接访问vip，由vip转发到entry。
2）流程（下面的数字为图中数字的说明）：
1）建连：app通过vip发起与entry连接；
2）转发：entry转发登陆信息到logic，获取用户uid并管理该用户的连接；
3）入库：logic记录用户登陆信息到redis。
3）数据：
Redis中数据如下：
key：1
value：{entryIp:"127.0.0.1",entryPort:5000,loginTime:23443233}
5.3.2 ）发消息（下面的数字为图二中数字的说明）：
1）流程处理：
1）发送：通过用户与entry的长连接发送文字"hello world"；
2）转发：entry转发文字信息"hello world"到logic；
3）入库：logic存入数据库，即更新联系人表和消息表，其中联系人表更新recent_msg_content字段，消息表增加一条新消息记录；
4）推送：从Redis中获取用户B登陆entry，如果未登录，走离线逻辑（发送push、推送微信、短信唤起）；
5）送达：用户B收到消息；
6）确认：发送ack到entry；
7）完成：logic收到ack，取消定时器；如果没有收到ack，logic会定时重发（用户在线时）。
2）数据：
联系人数据如下：
消息表数据如下：
5.3.3）关于数据的几个问题：
1）消息和联系人是如何分库分表的？使用TiDB，无需分库分表（现在的表设计支持根据uid_a分表，也就是无缝支持以MySQL为存储）。
2）联系人表一条消息为什么记录了两条数据？业务逻辑上，考量支持已读、删除联系人；索引性能上，考虑用户查询联系人时，sql条件为where uid_a=？，联系人表索引为uid_a，如果存单条数据，无法有效利用索引。
3）消息表一条消息记录一条数据，用户B与用户A的消息怎么查询？该表索引为<big_uid, small_uid>联合索引，无论是用户A查询与用户B的聊天信息，还是用户B查询用户A的聊天信息，其sql统统为where big_uid =max(uid_a,uid_b) and small_uid =min(uid_a,uid_b)，然后根据direction字段展示聊天方向，这样就可以用一条消息，无需和联系人表一样存储两份数据，满足两种查询，节省一半的消息存储。
6、IM常见问题
6.1消息的实时性
1）是什么：
用户A给用户B发送消息"hello world"，用户B怎么第一时间感知到？这里说的实时性，就是指用户如何实时获取发送的消息。
2）io模型带来的启示：
1）poll、select、epoll；
2）poll/select相比epoll最大的劣势在于轮询，轮询就需要轮询间隔，间隔小会浪费cpu，间隔大会不实时。epoll具有don't call me i will call you的特点，保证实时性；
3）IM也面临着轮询还是通知的问题，也就是pull和push的问题。
3）怎么办：
1）向epoll致敬：epoll_create、epoll_ctl、epoll_wait（此三者是epoll系统调用api）；
2）整个IM系统和epoll模型类似，app和entry保持长连接（epoll_create）；entry session管理（即长连接管理epoll_ctl）；logic等待用户A发送给用户B消息，获取用户B所登陆entry，触发推送消息（epoll_wait）；综述，entry扮演着（epoll_create，epoll_ctl），logic扮演着（epoll_wait）这样IM系统就解决了消息实时性问题。
6.2消息的可靠性
1）是什么：
1）用户A给用户B发送消息"hello world"，用户B在线，怎么保证用户B确实收到了消息。这里说的可靠性，就是指用户如何可靠发送的消息。
2）tcp模型带来的启示：
1）失败重传、ack确认。
3）怎么办：
1）失败重传：图二中（1、发送2、转发3、入库）失败，告知客户端失败，由客户端重传；
2）ack确认：图二中（4、推送5、送达6、确认7、完成）失败，即ack处理失败，启动重新通知逻辑。
6.3消息的一致性
1）是什么：
1）现象：本来用户A给用户B发送了一个"hello world"，而用户B确收到了两个"hello world"；
2）原因：由于可靠性逻辑中的重传逻辑，可能造成客户端认为失败了，但是服务端却成功了；推送ack返回错误，造成重推。
2）身份证带来的启示。
3）怎么办：
1）client_msg_id：客户端发送消息时生成客户端id，对于单个客户端，该id具有唯一性，像身份证一样；
2）客户端去重：如果客户端发现相同client_msg_id的消息，则仅仅展示一条数据。
7、IM高可用、高并发
1）扩缩容：
依托公司rpc服务注册发现能力，借助docker快速扩容，核心处理逻辑logic服务实现秒级扩容。扩容依据为各种监控指标，包括机器性能指标、 entry/logic qps指标、jvm指标、sql监控等综合考量。
2）熔断：
当大流量进入时，如果核心服务依赖的服务（比如母子账号服务）出现不可用的情况。这时，我们是直接使IM服务不可用吗？是不是有更好的选择？答案是肯定的，我们可以牺牲母子账号功能，也就是熔断不重要的依赖服务，做到柔性可用。
3）限流：
如果遇到瞬时高流量，仅仅扩容有可能适得其反。如果db处理能力达到极限，扩容就不是明智的选择，扩容反而会导致db连接增多，增加db的压力，导致服务崩溃。这时退一步采用限流，应用“fast fail”策略，让部分流量快速失败，减小服务压力，达到部分可用的效果。
4）总结：
IM作为电商应用中的一个重要节点，其重要性不言而喻，对其怎么重视都不为过。我们使用监控工具定义IM的核心metrics，根据指标进行扩缩容，这样做到了高可用；
高可用是万能的吗？IM依赖了很多服务，比如用户，母子账号，风控等服务，如果这些服务出现不可用的情况呢？这个时候就要学习一下古人的智慧，壮士断腕，牺牲小我，换取大我了，也就是柔性可用；
仅仅这样还是不够的，如果遇到突发流量，db（不可瞬时扩大处理能力）等处理能力达到极限时这个时候就要牺牲部分请求了，也就要做到部分可用。从“高可用”到“柔性可用”再到“部分可用”，面对不同case，IM要做到游刃有余。
其实，这种思想又何止IM呢，任何重要的服务都要面对这些问题吧，推而广之，面对自己负责的服务，怎么精细小心都不为过。
8、本文小结
诚然，这篇文章给大家对IM系统简单的认识，阐述了IM的一般架构、主要业务逻辑、常见问题和解决方案以及服务治理相关应用，IM还有很多业务逻辑和技术挑战。
在业务上，如未读数、群聊、多端登陆、母子账号等；在技术上，entry长连接100k问题优化、时间轮计时器实现、海量数据拆分与存储选型等。
路漫漫其修远兮，吾将上下而求索。
9、参考资料
[3] 零基础IM开发入门(四)：什么是IM系统的消息时序一致性？
[4] 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
[5] IM消息送达保证机制实现(二)：保证离线消息的可靠投递
[7] 阿里IM技术分享(四)：闲鱼亿级IM消息系统的可靠投递优化实践
[8] 阿里IM技术分享(五)：闲鱼亿级IM消息系统的及时性优化实践
[9] 一套亿级用户的IM架构技术干货(下篇)：可靠性、有序性、弱网优化等
[11] 一套海量在线用户的移动端IM架构设计实践分享(含详细图文)
[13] 从零到卓越：京东客服即时通讯系统的技术架构演进历程
[14] 蘑菇街即时通讯/IM服务器开发之架构选择
[16] 一套高可用、易伸缩、高并发的IM群聊、单聊架构方案设计实践
[17] 马蜂窝旅游网的IM系统架构演进之路
[19] 微信团队分享：来看看微信十年前的IM消息收发架构，你做到了吗
