微信直播聊天室架构演进
聊天室概述
随着直播和类直播场景在微信内的增长，业务对临时消息通道的需求日益增长，聊天室组件应运而生。聊天室组件是一个基于房间的临时消息信道，主要提供消息收发、在线状态统计等功能。
1500w在线的挑战
视频号直播上线后，在产品上提出了直播后台需要有单房间支撑1500w在线的技术能力。接到这个项目的时候，自然而然就让人联想到了一个非常有趣的命题：能不能做到把13亿人拉个群？
聊天室1.0架构
聊天室1.0诞生于2017年，主要服务于微信电竞直播间，核心是实现高性能、高实时、高可扩展的消息收发架构。 消息框架选型：读扩散
| 微信群 | 聊天室 | |
|---|---|---|
| 参与人数 | <=500 | 数万 |
| 关系链 | 有 | 无 |
| 成员流动 | 低 | 高 |
| 离线消息 | 关注 | 不关注 |
微信群消息使用写扩散的机制，而聊天室跟微信群有着巨大的差异。且同一时间只能关注一个聊天室，决定了聊天室应该使用读扩散的机制。
longpolling机制
为了让用户需要实时同步到新消息，我们采用的是longpolling模式。很多人会疑惑为什么不用websocket，原因有3个：
- websocket主要考虑推模式，而推模式则有可能丢，做到不丢还是有需要拉模式来兜底；
- 推模式下，需要精准维护每个时刻的在线列表，难度很大。
- longpolling本质是一个短连，客户端实现更简单。
无状态cache的设计
很明显，单纯的读扩散，会造成巨大读盘的压力。按照国际惯例，这里理所应当地增加了一个cache，也就是上面架构图中的recvsvr。 
① 实时通知：发送消息时，在写入列表后，向recvsvr集群发送通知；
② 异步拉取：recvsvr机器收到通知后，触发异步线程拉取；
③ 兜底轮询：当recvsvr机器上接收到某个聊天室的请求时，触发该聊天室的轮询，保证1s内至少访问一次消息列表，避免通知失效导致无法更cache，同时做到机器启动时数据的自动恢复。
④ 无锁读取：通过读写表分离和原子切换，做到消息的无锁读取
无状态消息cache的设计，不仅极大地提高了系统的性能，而且帮助聊天室建立了一个高扩展性消息收发架构。
痛点
尽管做到了高性能的消息收发，1.0版本却并不能实现单房间1500w同时在线的目标。通过对整个架构和逻辑进一步的分析，我们发现4个阻碍我们前进的痛点： （1）大直播间里，消息信道不保证所有消息都下发，连麦成功信令丢失会使得连麦功能不可用，大礼物打赏动画信令丢失会带来客诉； （2）一个房间的在线列表，是由recvsvr把最近有收取该房间的消息的user聚合到同一台statsvr得到的，有单点瓶颈，单机失败会导致部分房间在线数跳变、在线列表和打赏排行榜不可用等； （3）没有提供历史在线人数统计功能； （4）裸的longpolling机制在消息一直有更新的情况下，无法控制请求量。
聊天室2.0架构
从上面分析的痛点，我们得出了聊天室2.0需要解决的问题： （1）解决丢重要信令问题，保证热点访问下功能的可靠性。 （2）解决在线统计的单点瓶颈，保证热点访问下在线统计模块的可扩展性。 （3）实现一个高效准确的历史在线统计，保证大数据量下统计的高性能和准确性。 （4）灵活把控流量，进一步提升隔离和容灾能力，保证热点访问下系统的可用性。
优先级消息列表
丢信令的本质原因：recvsvr只保留最近2000条消息，大直播间里，有些消息客户端还没来的及收就被cache淘汰了。
在聊天室1.0版本，我们已经证实了写扩散不可行，因此这里也不可能通过写扩散解决。
另外一个比较直观的方案：是将重要的系统信令写到另外一个列表里面，recvsvr同时读取两个消息表。带来的消耗是recvsvr对kv层增加将近一倍的访问量。于是，我们思考有没有更优的方案。
回到1.0版本的一个方案细节，我们可以看到大部分情况下，当新消息到来的时候，recvsvr它都是能及时感知到的，因此recvsvr一次拉取到的消息条数并不会很多，因此这一步骤上不会丢消息。所以我们是可以把消息表这个操作收归到recvsvr里面的： 
② cache**内分表：recvsvr拉到消息后分开普通消息列表和重要消息列表；（最小化改动**）
③ 优先收取：收取时分normal seq和important seq，先收重要消息表，再收取普通消息表。（优先下发）通过一个简单的优化，我们以最小的改造代价，提供到了一条可靠的重要消息信道，做到了连麦和大礼物动画的零丢失。
分布式在线统计
（1）写共享内存，主从互备
① 分sect，一个直播间选一个sect； ② 按roomid选一台机作为master， 读写该机器的共享内存； ③ master把这个roomid的数据同步到sect内其它机器，master挂了的情况可以选其它机器进行读写。
优点：解决了换机跳变问题。 缺点：主备同步方案复杂；读写master，大直播间下依然有单机热点问题。
结论：用分布式存储作为数据的中心节点。
（2）写tablekv
优点：解决了换机跳变问题，数据做到了分布式。 缺点：1500w在线10s心跳一次 => 9000w/min，穿透写单表有并发和性能问题；离线不会实时从磁盘删数据，历史活跃人数远大于当前在线，造成数据冗余。
逐点击破，单key是可以通过拆key来解决的，数据冗余可以通过key-val存储做全量替换解决，而穿透问题其实可以参考recvsvr的实现方式。因此，我们得到一个比较好的方案：拆key + 读写分离 + 异步聚合落盘。
② 组合数据：让每台机都拉取所有key的数据，组合出一个完整的在线列表；
③ 异步聚合更新：心跳只更新内存，异步任务清理离线用户，并把列表序列化到一个key的val； ④ 异步拉取：由异步任务来执行②的拉取和组合数据； ⑤ 原子切换：完整的在线列表做双指针，利用原子操作无锁切换，做到无锁查询。
由此，我们提高了心跳更新和在线查询的性能，做到了在线统计模块的分布式部署和可平行扩展。
基于hyperloglog的历史在线统计
历史在线统计，是要曾经看过该直播的用户数uv，在产品上的体验就是视频号直播的“xxx人看过”。
在分布式在线统计的章节，我们已经谈到了，用tablekv来记录成员列表是不太可行的。
另外一个想法，是利用bloomfilter做数据压缩和去重统计，额外去维护一个count做累加。那么这里有两点，一是bloomfilter和count之间要考虑一致性问题，二是bloomfilter准确率跟压缩率相关，较好的准确率还是需要比较大的数据量。
于是我们调研了业界的一些uv统计方案，最终找到了redis的hyperloglog，它以极小的空间复杂度就能做到64位整形级别的基数估算。
（1）hyperloglog是什么？hyperLogLog 是一种概率数据结构，它使用概率算法来统计集合的近似基数，算法的最本源则是伯努利过程。
伯努利过程：设一个硬币反面为0，正面为1，抛一枚硬币直到结果为1为止。
如果做n次伯努利实验，记录每次伯努利过程需要抛硬币的次数为Ki，则可以估算n=2^Kmax。
hyperloglog对Kmax的计算进行了分桶和调和平均值优化，使得在准确率比裸的伯努利估算要高： ① 将要统计的数据hash成一个64位整形； ② 用低14位来寻找桶的位置； ③ 剩下的高位里寻找第一个1出现的位置，作为上述伯努利过程的Ki； ④ 对桶的值进行更新 Rj = max(Rj, Ki); ⑤ 估算时，对各个桶的值算调和平均值DV来替代上述的Kmax。
从上述算法的描述来看，hyperloglog无非就是存了m个桶的数值(m=10000+)，本来空间复杂度也不高了。再通过一些位压缩，hyperloglog把整个数据结构优化到了最大空间复杂度为12K。
（2）tablekv+hyperloglog双管齐下
由于hyperloglog产生的毕竟是近似值，基数较少的时候误差会更明显，所以我们可以用tablekv来补全历史在线数较小时的体验。
最终我们达到的效果是，历史在线不超过1w时完全准确，超过1w时准确率大于95%。
流量隔离vipsect
大家都知道，大直播间会带来爆发式的请求量，我们不能让大直播间引起的失败影响占大多数的小直播间。另外大直播间影响力大，也要去保证它的良好体验，那需要用比小直播间更多的机器去支撑。而聊天室对kv层的请求数，跟机器数成正比，小直播间在多机器下会造成大量不必要的消耗。
对于这种情况，我们参考了微信支付应对大商户和小商户的方法，流量隔离，在聊天室的里设立vip sect。
① 对可预测的大直播提前加白，直接走vip sect； ② 其它直播直走普通sect； ③ 大小直播策略分级，大直播在线列表才拆key。
虽然还有些依赖运营，但是通过这种方式，我们切走大部分的大直播流量，也降低了整个系统对kv层的压力。
Q：为什么不做自动切vip sect ?
A：是一个future work，目前有了一些初步方案，还需要去验证切换过程带来影响，进一步细化策略，也欢迎大家提出宝贵建议。
自动柔性下的流量把控
而这个措施一定不能通过logicsvr拒绝请求来实现，原因是longpolling机制下，客户端接收到回包以后是会马上发起一次新请求的。logicsvr拒绝越快，请求量就会越大，越容易造成滚雪球。
成果
（1）支撑多个业务稳定运行
（2） 压测1500w同时在线
参考文献https://zhuanlan.zhihu.com/p/77289303 https://www.jianshu.com/p/4748af30d194
总结与展望
我们通过抽象问题、精准分析、合理设计完成了liveroom2.0的迭代，从性能、可靠性、可扩展性、容灾等方面达到支撑单房间1500w同时在线甚至更高在线的标准。
在未来我们将继续优化，比如实现大房间自动从普通sect切换到vip sect，比如针对房间内个人的重要消息通道，使聊天室的功能和架构更加强大。