IM 内容分享(十三)： 系统消息逻辑实现

目录

一、私信系统消息

二、广播系统消息

总结文中关键

---

IM 消息中除了点对点的私信消息和群消息外，还有由 “系统” 发给用户的 “系统消息”。

系统消息通常包括两类：一类是由系统单独发给一个用户的私信系统消息，比如用户下单或支付后，系统会发消息通知到用户；一类是由系统群发给很多用户的广播系统消息，比如通知本周所有在平台下单的用户来领取奖品之类的。

广播系统消息，因为需要短时群发大量消息，会对系统瞬时产生很高的负载，这是 IM 系统设计的关键；根据广播消息的量级不同，广播系统消息的落地方案也会有所不同。

今天我们基于 IM 系统的分层架构，分析私信系统消息和广播系统消息的处理逻辑。

一、私信系统消息

私信系统消息处理流程与点对点的私信处理流程类似，但更简单许多，见下图。

IM 系统消息对实时性和可靠性的要求不高，而且系统消息经常需要进行业务迭代，所以这一部分业务需要放在 Extlogic 服务中进行处理。

• 当业务平台需要向用户推送私信系统消息时，就向 MQ 发送一条消息，比如，当用户被关注了、用户支付了等事件被触发；“平台业务” 是整个的业务系统，比如，电商系统、外卖系统等；IM 可以被看做是整个业务系统能链接到终端用户的通道工具，MQ 对平台业务系统和 IM 系统进行了解耦；

• Extlogic 作为下游服务，对 MQ 进行消费；Extlogic 拿到一条消息后，首先进行落库处理，即通过调用数据访问层 Das 写 “云系统消息库” 和 “联系人库” ；这里需要注意，在点对点的私信消息处理中，写消息库和联系人库是分别需要写两条，这里只写一条即可，毕竟 “系统” 不是 用户，不需要站在 “系统” 的维度进行存储；

• 系统消息落库成功以后，Extlogic 访问路由层 Router ，获取用户在线数据，如果用户离线，则结束处理流程；如果用户在线，Extlogic 则将系统消息推送给相应的 Entry 节点，由 Entry 将系统消息推送到用户客户端；

• 对于非常重要的系统消息类型，需要客户端回复 ACK 包进行确认；而对于一般的系统消息，服务端只向客户端推送即可，允许推送阶段的消息丢失，毕竟消息已经落库，将来客户端一定会拉取到。

这就是普通的私信系统消息的逻辑处理流程，并不复杂，下面我们重点分析广播系统消息。

二、广播系统消息

上面说过，广播系统消息是一对多的方式，即一条消息内容广播给很多用户，具有瞬时高并发的特点。按上面 “私信系统消息” 的逻辑处理流程，来应对广播系统消息是否可以呢？

在电商 IM 系统的实践中，对于广播 “几万量级” 的系统消息，按私信系统消息的处理流程，是完全OK的，当量级增加时，就会出现系统异常和用户体验的问题。

我们分析一下上面 “私信系统消息” 的处理流程：

广播系统消息时，“平台业务” 会将大量的用户id封装成消息写入到 MQ 中，然后由 Extlogic 进行消费； Extlogic 和 Das 都是无状态服务，当需要消费大量 MQ 消息时，对 Extlogic 和 Das 进行线性水平扩容即可；核心问题在于对 “云系统消息库” 和 “联系人库” 的写操作，当对数据库瞬间产生大量写入的时候，数据库会因高负载导致写入高延时，可能失败也可能超时；“云系统消息库” 和 “联系人库” 是两个数据库，无法通过数据库本身保证其业务逻辑的原子性。

• 当写 “云系统消息库” 和 “联系人库” 都成功或都失败时，业务逻辑没有问题；

• 当写 “云系统消息库” 成功，写 “联系人库” 失败时，用户登录后没有 “未读数” 引导用户拉取系统消息，但用户的系统消息聊天窗口中是产生了新的消息；有新消息产生，但却没有通知到用户，这样的体验是很糟糕的；

• 当写 “云系统消息库” 失败，写 “联系人库” 成功时，用户登录后会看到一个 “未读数”，但是真正进入系统消息聊天窗口时，却看不到新的消息；站在用户的角度，用户会感觉被耍了，这样的体验更糟糕。

在公司业务规模迅速扩张，每天都会多次广播系统消息时，产品和运营肯定会责成研发团队尽快解决该问题；本着架构设计 “降本增效” 的原则，如何合理设计广播系统消息的改进方案呢？

• 对 MQ 消费进行限速：数据的高负载是由 Extlogic 高速消费 MQ 导致的，在消费时限制消费流量是否可行呢？技术上完全没有问题，但产品是有问题的；试想：中午 12:30 广播系统消息，是为了用户在午饭后打开手机消遣时能恰好看到该广播消息；对 MQ 消费限速后，虽然用户在 13:30 成功收到了消息，但消息对用户的触达率是很受影响的。

• 扩容数据库：数据库的高负载通过对其进行扩容，的确会有效解决问题；但稳定扩容一个现有记录数在千万甚至亿级的数据库，绝对是一个浩大的工程，既要完成扩容，又必须保证线上业务稳定运行，没有至少两周时间，是很难完成的；研发同学可以等，但产品和运营不会等。

• 引入缓存：在同等量级的情况下，缓存可以抗住数据的高并发写入，可以解决数据库高负载的问题；但需要明白，缓存的本质是提供高并发的读，而非写，同时缓存中数据的可靠性远远低于数据库，如何保证缓存和数据库的一致性，会涉及调整上层大量的业务逻辑。

• 增大数据库超时：在实践中，系统的异常主要是写数据库的超时，那么增大超时时间是否可行呢？比如由原来的 2 秒超时，调整到10 秒；这是一种典型的治标不治本的解决思路，实践中会发现，即使超时时间设定为 20 秒，问题仍然存在。

• 分布式事务：该问题的本质其实就是分布式事务的问题，那么引入分布式事务的解决方案是否可行呢？比如 2PC / 3PC、TCC、Saga 等。分布式事务解决方案，在业务开发应用中，经常会被采取能避免则尽量避免的原子，原因是其性能低和复杂度高，在没有其他更好的解决方案的情况下，可以作为兜底策略。

广播系统消息的落地方案，在实践中到底是如何设计的呢？

分析一下用户群体，大部分用户在广播系统消息时是处于离线状态的，只有非常小的一部分用户在线；所以，在广播操作时，只需要写 “云系统消息库” 一个库即可，当用户登录时，触发对 “联系人库” 的写入，完成两个数据库之间的原子性逻辑。见下图。

• 广播系统消息时，“平台业务” 封装要广播的用户id写入 MQ，下游 Extlogic 进行消费；

• 对于非常少量的在线用户，仍然走 “私信系统消息” 的处理流程；

• 对于离线用户，通过调用 Das 完成对 “云系统消息库” 的写入；

• 当用户登录时，Logic 封装 “登录” 事件写入 MQ，Extlogic 消费时，完成 “云系统消息库” 和 “联系人库” 之间的数据对齐操作。

对齐 “云系统消息库” 和 “联系人库”，是将用户未读的系统消息写入到联系人表中，同时将最后一条云系统消息内容写入到联系人表中；这一步并不复杂，首先根据联系人表中的最新消息查询 “云系统消息库” 最近记录，然后与 “联系人库” 数据做对比，若存在差异，修复即可。

该解决方案采用的是 “压力均摊” 的核心思路，因为用户登录操作是分散的，不会对 IM 系统的联系人核心库造成冲击。

同时，我们可以从该解决方案中，抽象出一种通用的分布式事务解决思路，即：写数据时，只写一个库，在读数据发生前，触发两个库的对齐操作，完成数据的最终一致性。

总结文中关键

1. IM 系统消息从业务上包括：私信系统消息和广播系统消息；

2. 私信系统消息处理逻辑与点对点私信类似，由 Extlogic 完成业务处理，分别写 “云系统消息库” 和 “联系人库”；

3. 广播系统消息处理逻辑，在广播量级较低时，可采用私信系统消息方式；在广播量级较高时，通过 “压力均摊” 的思路设计方案，即：广播发生时，只写 “云系统消息库” ，当用户登录时，触发对 “联系人库” 的写操作，对齐两个数据库之间登录用户的数据差异。

4. 抽象通用的分布式事务解决思路：写数据时，只写一个库；在读数据发生前，触发两个库的对齐操作，完成数据的最终一致性。