读写放大
目前的架构按照将用户根据userID等类型进行分类存储,由于每个用户在每条信息上的状态都不一样(用户间信息特征具有唯一性)。所以在下发的过程需经过userID -> sessionID -> deviceID
的路线进行多次查询。如上文所说这是其中一个性能瓶颈,也就是所谓的读放大问题。
读放大
Q:严谨地解释一下读放大问题定义
A:读放大问题(Read Amplification)是指在数据库或存储系统中,为满足一个读请求而进行的实际读取操作量远远超过了原始请求所需的数据量。简单来说,就是系统为了获取某一数据块,而不得不读取更多数据,从而导致读操作的开销增大。
可以解决这个读放大问题吗?
写放大
可以,简单粗暴的一种思路是将消息的状态结合消息本身一起存储。但是这种做法也就意味着每个用户都需要存储一份对自己可见的消息,因为每个用户可见的消息都是不一样的。
也许有人会问为什么不以消息的存储为中心,下发的时候再去查询呢?因为这么干的话就回到原点成为读放大了…
但是这个思路首先对内存的压力是巨大的。在写的时候(上行消息),消息需要经过处理,这个处理可以是序列化,压缩等。并且每当消息的状态发生改变,都需要将消息相关信息取出,修改后重新写入。那么问题又来了,这种处理就形成了典型的写放大问题。
Q:严谨地解释一下写放大问题定义
A:写放大问题(Write Amplification)是指在数据库或存储系统中,为满足一个写请求而进行的实际写入操作量远远超过了原始请求所需的写入数据量。简单来说,就是系统为了写入某一数据块,而不得不写入更多数据,从而导致写操作的开销增大。
将上述的特点总结一下就是:
-
读放大:
- 存储成本小(无冗余消息)
- 存储效率高(无压缩等)
- 存储一致性强(存储结构独立)
- 写复杂度低,多次嵌套读。
-
写放大:
- 存储成本高(用户为单位存储消息列表)
- 维护一致性成本高(修改需先存再取,效率低)
- 写复杂度高(压缩等操作),读复杂度低。
两种设计思路所对应的是两个极端。在IM中,我们可以根据不同会话的场景来设定不同的模式,结合两者的部分思考,局部使用。
对于绝大部分情境下(单聊 &小群聊)的IM,我们还是会采用写放大的模式。主要是在IM架构中,将消息有关属性入库本身可以设计为一个异步的过程(结合MQ),所以写相关的指标对比之下不大重要。而且读的效率会更高。但是会牺牲一部分内存。(人不多的情况下,缺点不凸显)
但是对于大群聊 & 活跃群聊来说,由于成员的基数大。若采用读放大模式,每一次的发送 / 下行消息都会引发大量并发读,并发写的请求。这其中虽然写这一过程本身是异步的,但是他还是消费了大量的服务器CPU资源,从而影响整体的性能。另一方面,让大群聊各成员都存储一份消息列表,本身就造成了不小的空间负担。因此牺牲维护一致性的成本,使用读放大模式,在减轻写负载的同时,也保证了服务器的稳定运行。也节省了存储空间就是了。
这只是针对大部分的常规情况而言,具体情况根据IM具体的业务场景作分析。并且如何界定 单群 & 小群聊 or 大群聊 & 活跃群聊 ,也需要在测试之后,根据服务器的性能来权衡。更可以通过每小时消息数与平均活跃时长等标准。设置一个活跃&非活跃群聊状态切换的算法,更好服务各情景。