背景

為了更好的支持東南亞直播業(yè)務(wù)，產(chǎn)品設(shè)計為直播業(yè)務(wù)增加了彈幕。第一期彈幕使用騰訊云支持，效果并不理想，經(jīng)常出現(xiàn)卡頓、彈幕偏少等問題。最終促使我們開發(fā)自己的彈幕系統(tǒng)。性能要求是需要支持，單房間百萬用戶同時在線。

基于 Spring Boot + MyBatis Plus + Vue & Element 實現(xiàn)的后臺管理系統(tǒng) + 用戶小程序，支持 RBAC 動態(tài)權(quán)限、多租戶、數(shù)據(jù)權(quán)限、工作流、三方登錄、支付、短信、商城等功能

• 項目地址：https://github.com/YunaiV/ruoyi-vue-pro
• 視頻教程：https://doc.iocoder.cn/video/

問題分析

按照背景來分析，系統(tǒng)將主要面臨以下問題：

1. 帶寬壓力

   假如說每3秒促達(dá)用戶一次，那么每次內(nèi)容至少需要有15條才能做到視覺無卡頓。15條彈幕+http包頭的大小將超過3k，那么每秒的數(shù)據(jù)大小約為8Gbps，而運維同學(xué)通知我們所有服務(wù)的可用帶寬僅為10Gbps。

2. 弱網(wǎng)導(dǎo)致的彈幕卡頓、丟失

   該問題已在線上環(huán)境

3. 性能與可靠性

   百萬用戶同時在線，按照上文的推算，具體QPS將超過30w QPS。如何保證在雙十一等重要活動中不出問題，至關(guān)重要。性能也是另外一個需要著重考慮的點。

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 實現(xiàn)的后臺管理系統(tǒng) + 用戶小程序，支持 RBAC 動態(tài)權(quán)限、多租戶、數(shù)據(jù)權(quán)限、工作流、三方登錄、支付、短信、商城等功能

• 項目地址：https://github.com/YunaiV/yudao-cloud
• 視頻教程：https://doc.iocoder.cn/video/

帶寬優(yōu)化

為了降低帶寬壓力，我們主要采用了以下方案：

1. 啟用Http壓縮

   通過查閱資料，http gzip壓縮比率可以達(dá)到40%以上（gzip比deflate要高出4%~5%）。

2. Response結(jié)構(gòu)簡化

3. 內(nèi)容排列順序優(yōu)化

   根據(jù)gzip的壓縮的壓縮原理可以知道，重復(fù)度越高，壓縮比越高，因此可以將字符串和數(shù)字內(nèi)容放在一起擺放

4. 頻率控制

• 帶寬控制：通過添加請求間隔參數(shù)（下次請求時間），保證客戶端的請求頻率服務(wù)端可控。以應(yīng)對突發(fā)的流量增長問題，提供有損的服務(wù)。
• 稀疏控制：在彈幕稀疏和空洞的時間段，通過控制下次請求時間，避免客戶端的無效請求。

彈幕卡頓、丟失分析

在開發(fā)彈幕系統(tǒng)的的時候，最常見的問題是該怎么選擇促達(dá)機制，推送 vs 拉取 ？

Long Polling via AJAX

客戶端打開一個到服務(wù)器端的 AJAX 請求，然后等待響應(yīng)，服務(wù)器端需要一些特定的功能來允許請求被掛起，只要一有事件發(fā)生，服務(wù)器端就會在掛起的請求中送回響應(yīng)。如果打開Http的Keepalived開關(guān)，還可以節(jié)約握手的時間。

優(yōu)點： 減少輪詢次數(shù)，低延遲，瀏覽器兼容性較好。缺點： 服務(wù)器需要保持大量連接。

WebSockets

長輪詢雖然省去了大量無效請求，減少了服務(wù)器壓力和一定的網(wǎng)絡(luò)帶寬的占用，但是還是需要保持大量的連接。那么人們就在考慮了，有沒有這樣一個完美的方案，即能雙向通信，又可以節(jié)約請求的 header 網(wǎng)絡(luò)開銷，并且有更強的擴展性，最好還可以支持二進制幀，壓縮等特性呢？于是人們就發(fā)明了這樣一個目前看似“完美”的解決方案 —— WebSocket。它的最大特點就是，服務(wù)器可以主動向客戶端推送信息，客戶端也可以主動向服務(wù)器發(fā)送信息，是真正的雙向平等對話。

優(yōu)點：較少的控制開銷，在連接創(chuàng)建后，服務(wù)器和客戶端之間交換數(shù)據(jù)時，用于協(xié)議控制的數(shù)據(jù)包頭部相對較小。在不包含擴展的情況下，對于服務(wù)器到客戶端的內(nèi)容，此頭部大小只有2至10字節(jié)（和數(shù)據(jù)包長度有關(guān)）；對于客戶端到服務(wù)器的內(nèi)容，此頭部還需要加上額外的4字節(jié)的掩碼。相對于 HTTP 請求每次都要攜帶完整的頭部，此項開銷顯著減少了。更強的實時性，由于協(xié)議是全雙工的，所以服務(wù)器可以隨時主動給客戶端下發(fā)數(shù)據(jù)。相對于HTTP請求需要等待客戶端發(fā)起請求服務(wù)端才能響應(yīng)，延遲明顯更少；即使是和Comet等類似的長輪詢比較，其也能在短時間內(nèi)更多次地傳遞數(shù)據(jù)。長連接，保持連接狀態(tài)。

Long Polling vs Websockets

無論是以上哪種方式，都使用到TCP長連接，那么TCP的長連接是如何發(fā)現(xiàn)連接已經(jīng)斷開了呢？

TCP Keepalived會進行連接狀態(tài)探測，探測間隔主要由三個配置控制。

keepalive_probes：探測次數(shù)（默認(rèn)：7次）

keepalive_time 探測的超時（默認(rèn)：2小時）

keepalive_intvl 探測間隔(默認(rèn)：75s)

但是由于在東南亞的弱網(wǎng)情況下，TCP長連接會經(jīng)常性的斷開:

Long Polling 能發(fā)現(xiàn)連接異常的最短間隔為：min(keepalive_intvl, polling_interval)

Websockets能發(fā)現(xiàn)連接異常的最短間隔為：Websockets: min(keepalive_intvl, client_sending_interval)

如果下次發(fā)送數(shù)據(jù)包的時候可能連接已經(jīng)斷開了，所以使用TCP長連接對于兩者均意義不大。并且弱網(wǎng)情況下Websockets其實已經(jīng)不能作為一個候選項了

• 即使Websockets服務(wù)端已經(jīng)發(fā)現(xiàn)連接斷開，仍然沒有辦法推送數(shù)據(jù)，只能被動等待客戶端重新建立好連接才能推送，在此之前數(shù)據(jù)將可能會被采取丟棄的措施處理掉。
• 在每次斷開后均需要再次發(fā)送應(yīng)用層的協(xié)議進行連接建立。

根據(jù)了解騰訊云的彈幕系統(tǒng)，在300人以下使用的是推送模式，300人以上則是采用的輪訓(xùn)模式。但是考慮到資源消耗情況，他們可能使用的是Websocket來實現(xiàn)的彈幕系統(tǒng)，所以才會出現(xiàn)彈幕卡頓、丟失的情況。綜上所述，Long Polling和Websockets都不適用我們面臨的環(huán)境，所以我們最終采取了短輪訓(xùn) 的方案來實現(xiàn)彈幕促達(dá)

可靠與性能

為了保證服務(wù)的穩(wěn)定性我們對服務(wù)進行了拆分，將復(fù)雜的邏輯收攏到發(fā)送彈幕的一端。同時，將邏輯較為復(fù)雜、調(diào)用較少的發(fā)送彈幕業(yè)務(wù)與邏輯簡單、調(diào)用量高的彈幕拉取服務(wù)拆分開來。服務(wù)拆分主要考慮因素是為了不讓服務(wù)間相互影響，對于這種系統(tǒng)服務(wù)，不同服務(wù)的QPS往往是不對等的，例如像拉取彈幕的服務(wù)的請求頻率和負(fù)載通常會比發(fā)送彈幕服務(wù)高1到2個數(shù)量級，在這種情況下不能讓拉彈幕服務(wù)把發(fā)彈幕服務(wù)搞垮，反之亦然，最?度地保證系統(tǒng)的可用性，同時也更更加方便對各個服務(wù)做Scale-Up和Scale-Out。服務(wù)拆分也劃清了業(yè)務(wù)邊界，方便協(xié)同開發(fā)。

在拉取彈幕服務(wù)的一端 ，引入了本地緩存。數(shù)據(jù)更新的策略是服務(wù)會定期發(fā)起RPC調(diào)?從彈幕服務(wù)拉取數(shù)據(jù)，拉取到的彈幕緩存到內(nèi)存中，這樣后續(xù)的請求過來時便能直接?走本地內(nèi)存的讀取，?大幅降低了調(diào)用時延。這樣做還有另外一個好處就是縮短調(diào)?鏈路，把數(shù)據(jù)放到離?戶最近的地?，同時還能降低外部依賴的服務(wù)故障對業(yè)務(wù)的影響，

為了數(shù)據(jù)拉取方便，我們將數(shù)據(jù)按照時間進行分片，將時間作為數(shù)據(jù)切割的單位，按照時間存儲、拉取、緩存數(shù)據(jù)（RingBuffer），簡化了數(shù)據(jù)處理流程。與傳統(tǒng)的Ring Buffer不一樣的是，我們只保留了尾指針，它隨著時間向前移動，每?秒向前移動一格，把時間戳和對應(yīng)彈幕列表并寫到一個區(qū)塊當(dāng)中，因此最多保留60秒的數(shù)據(jù)。同時，如果此時來了一個讀請求，那么緩沖環(huán)會根據(jù)客戶端傳入的時間戳計算出指針的索引位置，并從尾指針的副本區(qū)域往回遍歷直至跟索引重疊，收集到一定數(shù)量的彈幕列表返回，這種機制保證了緩沖區(qū)的區(qū)塊是整體有序的，因此在讀取的時候只需要簡單地遍歷一遍即可，加上使用的是數(shù)組作為存儲結(jié)構(gòu)，帶來的讀效率是相當(dāng)高的。

再來考慮可能出現(xiàn)數(shù)據(jù)競爭的情況。先來說寫操作，由于在這個場景下，寫操作是單線程的，因此?可不必關(guān)心并發(fā)寫帶來的數(shù)據(jù)一致性問題。再來說讀操作，由圖可知寫的方向是從尾指針以順時針?向移動，?讀?向是從尾指針以逆時針方向移動，?決定讀和寫的位置是否出現(xiàn)重疊取決于index的位置，由于我們保證了讀操作最多只能讀到30秒內(nèi)的數(shù)據(jù)，因此緩沖環(huán)完全可以做到無鎖讀寫

在發(fā)送彈幕的一端 ，因為用戶一定時間能看得過來彈幕總量是有限的，所以可以對彈幕進行限流，有選擇的丟棄多余的彈幕。同時，采用柔性的處理方式，拉取用戶頭像、敏感詞過濾等分支在調(diào)用失敗的情況下，仍然能保證服務(wù)的核心流程不受影響，即彈幕能夠正常發(fā)送和接收，提供有損的服務(wù)。

總結(jié)

最終該服務(wù)在雙十二活動中，在Redis出現(xiàn)短暫故障的背景下，高效且穩(wěn)定的支撐了70w用戶在線，成功完成了既定的目標(biāo)

審核編輯 ：李倩