即時通訊系統(tǒng)為什么選擇 GaussDB(for?Redis)？

每當(dāng)網(wǎng)絡(luò)上爆出熱點新聞，混跡于各個社交媒體的小伙伴們?nèi)奸_啟了討論模式。一條消息的產(chǎn)生是如何在群聊中傳遞的呢？讓我們一起來探索即時通訊系統(tǒng)(IM)的原理。

IM 系統(tǒng)架構(gòu)的原理

當(dāng)你在群聊“相親相愛一家人”中，發(fā)送了一條“我找到女朋友了，今天帶回家吃飯”，你自然是希望全家人都收到你的喜訊，為你女朋友的到來分頭準(zhǔn)備。那么正常的流程應(yīng)該是這樣：遍歷群成員、查詢每個成員的在線狀態(tài)、如果小伙伴們在線則實時進行推送，如果小伙伴們不在線則暫存至離線庫待上線后主動拉取。

這種模式就是傳統(tǒng)的 IM 架構(gòu)，由于發(fā)送成功的消息不會落入離線庫，因此聊天記錄多端漫游無法實現(xiàn)。如果在線用戶推送發(fā)生異常，會導(dǎo)致個別人員丟失關(guān)鍵發(fā)言，錯失重要信息。為了保證消息存儲的可靠性，我們對 IM 系統(tǒng)架構(gòu)進行了優(yōu)化，不管成員是否在線都要先把消息和發(fā)送對象存儲起來，再進行推送。流程變成：遍歷群成員、為群聊的每一個人對應(yīng)的消息隊列都存一份消息、查詢每個成員的在線狀態(tài)、對在線成員進行推送。這就是所謂的寫擴散模型。

這里顯然還存在一個問題，我們向每個小伙伴的消息隊列中都存儲了相同的“我找到女朋友了，今天帶回家吃飯”消息，對磁盤和帶寬造成了很大的浪費，這是寫擴散的最大弊端。所以我們繼續(xù)優(yōu)化，群消息實體存儲一份，用戶只存消息ID索引。流程優(yōu)化為：遍歷群聊的成員、先存一份消息實體、群聊所有人都存一份 ID引用、查詢每個成員的在線狀態(tài)、對在線成員進行推送。這就是所謂的讀擴散模型。

簡單總結(jié)下：

1.讀擴散：讀取操作很重，寫入操作很輕，資源消耗相對小一些。

2.寫擴散：讀取操作很輕，寫入操作很重，資源消耗相對大一些。

IM 系統(tǒng)架構(gòu)優(yōu)化實踐

接下來，讓我們使用 GaussDB(forRedis)來實現(xiàn)一個簡單的 IM 應(yīng)用。

使用 GaussDB(forRedis)的 List 類型實現(xiàn)一個消息隊列，防止發(fā)送端瞬時高流量會壓爆消息處理模塊；

收到消息后，先生成一個全局唯一 ID 標(biāo)識該信息，將消息 ID 和消息內(nèi)容存入 String 類型的消息存儲庫中，如果消息字段復(fù)雜也可以考慮使用 Hash 類型；

對于消息中可索引的信息，將消息的索引信息存入 Zset 類型的消息索引庫中，這樣無論是接收者還是發(fā)送者，都可以按照一定規(guī)則對歷史消息進行檢索；

通過查詢 Set 類型的消息關(guān)系群組庫，查詢該信息的接收者集合，這個集合可以根據(jù)一定的規(guī)則動態(tài)增刪；

將消息 ID 推入 Stream 類型的消息同步庫，每個 Stream 對象對應(yīng)一個接收者，接收者可以通過 XRANG 命令獲取一個范圍內(nèi)的未讀信息 ID；

最后，接收者再通過這組 ID，從消息存儲庫中讀取消息原始內(nèi)容，即完成了一次消息傳遞。

WhyGaussDB(forRedis)?

IM 系統(tǒng)有哪些痛點？高斯 Redis 如何解決這些痛點？

開源 Redsi 數(shù)據(jù)庫可靠性差，甚至丟數(shù)據(jù)，會直接導(dǎo)致 IM 系統(tǒng)癱瘓。

GaussDB(forRedis)對數(shù)據(jù)進行分片，在故障場景下可以自動進行接管，最多可以滿足 N-1 個計算節(jié)點故障；存儲層使用華為自研的企業(yè)級存儲池 DFVPool，基于分布式、強一致、高性能的先進架構(gòu)，實現(xiàn) 3AZ6 副本存儲，保證了在任何時間點的數(shù)據(jù)強一致，故障情況下數(shù)據(jù)不丟失。

大流量、高并發(fā)場景如何支持連接管理，按業(yè)務(wù)況分散壓力？

GaussDB(forRedis)可以滿足 IM 系統(tǒng)對可用性的要求，客戶端程序通過 ELB 接入 GaussDB(forRedis)實例，可實現(xiàn)自動負載均衡。

突發(fā)的高流量、大量的歷史消息數(shù)據(jù)如何處理？

GaussDB(forRedis)采用先進的存算分離架構(gòu)，在 IM 系統(tǒng)持續(xù)運營的過程中，如果出現(xiàn)突發(fā)流量，可以迅速對計算層資源進行秒級擴縮容，快速扛住流量尖峰；歷史消息持續(xù)增長時，也可以單獨對存儲層資源大小進行秒級動態(tài)調(diào)整，最高可擴容至 PB 級。

GaussDB(forRedis)廣泛適用于社交媒體、游戲、電商、推薦系統(tǒng)等領(lǐng)域，在海量并發(fā)場景具備極強的高可用能力。如果你需要一款穩(wěn)定可靠的高性能企業(yè)級 KV 數(shù)據(jù)庫，不妨試試 GaussDB(forRedis)。

審核編輯黃宇