當(dāng)前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

Websocket 百万长连接技术，在石墨文档中的实践

發(fā)布時間：2025/3/20 编程问答 55 豆豆

生活随笔收集整理的這篇文章主要介紹了 Websocket 百万长连接技术，在石墨文档中的实践小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.

今日推薦

推薦一個 Java 接口快速開發(fā)框架干掉Random：這個類已經(jīng)成為獲取隨機(jī)數(shù)的王者Docker + Intellij IDEA，提升 10 倍生產(chǎn)力！笑出腹肌的注釋，都是被代碼耽誤的詩人！同事亂用 Redis 卡爆，我真是醉了...RedisJson 橫空出世，性能碾壓ES和Mongo！

來源：infoq.cn/article/GymHAbqVRO214qo44jHD

Web 服務(wù)端推送技術(shù)經(jīng)過了長輪詢、短輪詢的發(fā)展，最終到 HTML5 標(biāo)準(zhǔn)帶來的 WebSocket 規(guī)范逐步成為了目前業(yè)內(nèi)主流技術(shù)方案。它使得消息推送、消息通知等功能的實現(xiàn)變得異常簡單，那么百萬級別連接下的 Websocket 網(wǎng)關(guān)該如何實踐呢？本文整理自石墨文檔資深工程師杜旻翔在重構(gòu)石墨 websocket 網(wǎng)關(guān)的技術(shù)實踐。

1 引言

在石墨文檔的部分業(yè)務(wù)中，例如文檔分享、評論、幻燈片演示和文檔表格跟隨等場景，涉及到多客戶端數(shù)據(jù)同步和服務(wù)端批量數(shù)據(jù)推送的需求，一般的 HTTP 協(xié)議無法滿足服務(wù)端主動 Push 數(shù)據(jù)的場景，因此選擇采用 WebSocket 方案進(jìn)行業(yè)務(wù)開發(fā)。

隨著石墨文檔業(yè)務(wù)發(fā)展，目前日連接峰值已達(dá)百萬量級，日益增長的用戶連接數(shù)和不符合目前量級的架構(gòu)設(shè)計導(dǎo)致了內(nèi)存和 CPU 使用量急劇增長，因此我們考慮對網(wǎng)關(guān)進(jìn)行重構(gòu)。

2 網(wǎng)關(guān) 1.0

網(wǎng)關(guān) 1.0 是使用 Node.js 基于 Socket.IO 進(jìn)行修改開發(fā)的版本，很好的滿足了當(dāng)時用戶量級下的業(yè)務(wù)場景需求。

2.1 架構(gòu)

網(wǎng)關(guān) 1.0 版本架構(gòu)設(shè)計圖：

網(wǎng)關(guān) 1.0 客戶端連接流程：

用戶通過 NGINX 連接網(wǎng)關(guān)，該操作被業(yè)務(wù)服務(wù)感知；
業(yè)務(wù)服務(wù)感知到用戶連接后，會進(jìn)行相關(guān)用戶數(shù)據(jù)查詢，再將消息 Pub 到 Redis；
網(wǎng)關(guān)服務(wù)通過 Redis Sub 收到消息；
查詢網(wǎng)關(guān)集群中的用戶會話數(shù)據(jù)，向客戶端進(jìn)行消息推送。

2.2 痛點

雖然 1.0 版本的網(wǎng)關(guān)在線上運(yùn)行良好，但是不能很好的支持后續(xù)業(yè)務(wù)的擴(kuò)展，并且有以下幾個問題需要解決：

資源消耗：Nginx 僅使用證書，大部分請求被透傳，產(chǎn)生了一定的資源浪費(fèi)，同時之前的 Node 網(wǎng)關(guān)性能不好，消耗大量的 CPU、內(nèi)存。
維護(hù)與觀測：未接入石墨的監(jiān)控體系，無法和現(xiàn)有監(jiān)控告警聯(lián)通，維護(hù)上存在一定的困難；
業(yè)務(wù)耦合問題：業(yè)務(wù)服務(wù)與網(wǎng)關(guān)功能被集成到了同一個服務(wù)中，無法針對業(yè)務(wù)部分性能損耗進(jìn)行針對性水平擴(kuò)容，為了解決性能問題，以及后續(xù)的模塊擴(kuò)展能力，都需要進(jìn)行服務(wù)解耦。

3 網(wǎng)關(guān) 2.0

網(wǎng)關(guān) 2.0 需要解決很多問題：石墨文檔內(nèi)部有很多組件：文檔、表格、幻燈片和表單等等。在 1.0 版本中組件對網(wǎng)關(guān)的業(yè)務(wù)調(diào)用可以通過：Redis、Kafka 和 HTTP 接口，來源不可查，管控困難。

此外，從性能優(yōu)化的角度考慮也需要對原有服務(wù)進(jìn)行解耦合，將 1.0 版本網(wǎng)關(guān)拆分為網(wǎng)關(guān)功能部分和業(yè)務(wù)處理部分，網(wǎng)關(guān)功能部分為 WS-Gateway：集成用戶鑒權(quán)、TLS 證書驗證和 WebSocket 連接管理等；業(yè)務(wù)處理部分為 WS-API：組件服務(wù)直接與該服務(wù)進(jìn)行 gRPC 通信。

可針對具體的模塊進(jìn)行針對性擴(kuò)容；服務(wù)重構(gòu)加上 Nginx 移除，整體硬件消耗顯著降低；服務(wù)整合到石墨監(jiān)控體系。

3.1 整體架構(gòu)

網(wǎng)關(guān) 2.0 版本架構(gòu)設(shè)計圖：

網(wǎng)關(guān) 2.0 客戶端連接流程：

客戶端與 WS-Gateway 服務(wù)通過握手流程建立 WebSocket 連接；
連接建立成功后，WS-Gateway 服務(wù)將會話進(jìn)行節(jié)點存儲，將連接信息映射關(guān)系緩存到 Redis 中，并通過 Kafka 向 WS-API 推送客戶端上線消息；
WS-API 通過 Kafka 接收客戶端上線消息及客戶端上行消息；
WS-API 服務(wù)預(yù)處理及組裝消息，包括從 Redis 獲取消息推送的必要數(shù)據(jù)，并進(jìn)行完成消息推送的過濾邏輯，然后 Pub 消息到 Kafka；
WS-Gateway 通過 Sub Kafka 來獲取服務(wù)端需要返回的消息，逐個推送消息至客戶端。

3.2 握手流程

網(wǎng)絡(luò)狀態(tài)良好的情況下，完成如下圖所示步驟 1 到步驟 6 之后，直接進(jìn)入 WebSocket 流程；網(wǎng)絡(luò)環(huán)境較差的情況下，WebSocket 的通信模式會退化成 HTTP 方式，客戶端通過 POST 方式推送消息到服務(wù)端，再通過 GET 長輪詢的方式從讀取服務(wù)端返回數(shù)據(jù)?？蛻舳顺醮握埱蠓?wù)端連接建立的握手流程：

Client 發(fā)送 GET 請求嘗試建立連接；
Server 返回相關(guān)連接數(shù)據(jù)，sid 為本次連接產(chǎn)生的唯一 Socket ID，后續(xù)交互作為憑證；"sid":"xxx","upgrades":["websocket"],"pingInterval":xxx,"pingTimeout":xxx}
Client 攜帶步驟 2 中的 sid 參數(shù)再次請求；
Server 返回 40，表示請求接收成功；
Client 發(fā)送 POST 請求確認(rèn)后期降級通路情況；
Server 返回 ok，此時第一階段握手流程完成；
嘗試發(fā)起 WebSocket 連接，首先進(jìn)行 2probe 和 3probe 的請求響應(yīng)，確認(rèn)通信通道暢通后，即可進(jìn)行正常的 WebSocket 通信。

3.3 TLS 內(nèi)存消耗優(yōu)化

客戶端與服務(wù)端連接建立采用的 wss 協(xié)議，在 1.0 版本中 TLS 證書掛載在 Nginx 上，HTTPS 握手過程由 Nginx 完成，為了降低 Nginx 的機(jī)器成本，在 2.0 版本中我們將證書掛載到服務(wù)上，通過分析服務(wù)內(nèi)存，如下圖所示，TLS 握手過程中消耗的內(nèi)存占了總內(nèi)存消耗的大概 30% 左右。

這個部分的內(nèi)存消耗無法避免，我們有兩個選擇：

采用七層負(fù)載均衡，在七層負(fù)載上進(jìn)行 TLS 證書掛載，將 TLS 握手過程移交給性能更好的工具完成；
優(yōu)化 Go 對 TLS 握手過程性能，在與業(yè)內(nèi)大佬曹春暉（曹大）的交流中了解到，他最近在 Go 官方庫提交的 PR https://github.com/golang/go/issues/43563 ，以及相關(guān)的性能測試數(shù)據(jù) https://github.com/golang/go/pull/48229 。

3.4 Socket ID 設(shè)計

對每次連接必須產(chǎn)生一個唯一碼，如果出現(xiàn)重復(fù)會導(dǎo)致串號，消息混亂推送的問題。選擇 SnowFlake 算法作為唯一碼生成算法。

物理機(jī)場景中，對副本所在物理機(jī)進(jìn)行固定編號，即可保證每個副本上的服務(wù)產(chǎn)生的 Socket ID 是唯一值。

K8S 場景中，這種方案不可行，于是采用注冊下發(fā)的方式返回編號，WS-Gateway 所有副本啟動后向數(shù)據(jù)庫寫入服務(wù)的啟動信息，獲取副本編號，以此作為參數(shù)作為 SnowFlake 算法的副本編號進(jìn)行 Socket ID 生產(chǎn)，服務(wù)重啟會繼承之前已有的副本編號，有新版本下發(fā)時會根據(jù)自增 ID 下發(fā)新的副本編號。于此同時，Ws-Gateway 副本會向數(shù)據(jù)庫寫入心跳信息，以此作為網(wǎng)關(guān)服務(wù)本身的健康檢查依據(jù)。

3.5 集群會話管理方案：事件廣播

客戶端完成握手流程后，會話數(shù)據(jù)在當(dāng)前網(wǎng)關(guān)節(jié)點內(nèi)存存儲，部分可序列化數(shù)據(jù)存儲到 Redis，存儲結(jié)構(gòu)說明如下：

由客戶端觸發(fā)或組件服務(wù)觸發(fā)的消息推送，通過 Redis 存儲的數(shù)據(jù)結(jié)構(gòu)，在 WS-API 服務(wù)查詢到返回消息體的目標(biāo)客戶端的 Socket ID，再有 WS-Gateway 服務(wù)進(jìn)行集群消費(fèi)，如果 Socket ID 不在當(dāng)前節(jié)點，則需要進(jìn)行節(jié)點與會話關(guān)系的查詢，找到客端戶 Socket ID 實際對應(yīng)的 WS-Gateway 節(jié)點，通常有以下兩種方案：

在確定使用事件廣播方式進(jìn)行網(wǎng)關(guān)節(jié)點間的消息傳遞后，進(jìn)一步選擇使用哪種具體的消息中間件，列舉了三種待選的方案：

于是對 Redis 和其他 MQ 中間件進(jìn)行 100w 次的入隊和出隊操作，在測試過程中發(fā)現(xiàn)在數(shù)據(jù)小于 10K 時 Redis 性能表現(xiàn)十分優(yōu)秀，進(jìn)一步結(jié)合實際情況：廣播內(nèi)容的數(shù)據(jù)量大小在 1K 左右，業(yè)務(wù)場景簡單固定，并且要兼容歷史業(yè)務(wù)邏輯，最后選擇了 Redis 進(jìn)行消息廣播。

后續(xù)還可以將 WS-API 與 WS-Gateway 兩兩互聯(lián)，使用 gRPC stream 雙向流通信節(jié)省內(nèi)網(wǎng)流量。

3.6 心跳機(jī)制

會話在節(jié)點內(nèi)存與 Redis 中存儲后，客戶端需要通過心跳上報持續(xù)更新會話時間戳，客戶端按照服務(wù)端下發(fā)的周期進(jìn)行心跳上報，上報時間戳首先在內(nèi)存進(jìn)行更新，然后再通過另外的周期進(jìn)行 Redis 同步，避免大量客戶端同時進(jìn)行心跳上報對 Redis 產(chǎn)生壓力。

客戶端建立 WebSocket 連接成功后，服務(wù)端下發(fā)心跳上報參數(shù)；
客戶端依據(jù)以上參數(shù)進(jìn)行心跳包傳輸，服務(wù)端收到心跳后會更新會話時間戳；
客戶端其他上行數(shù)據(jù)都會觸發(fā)對應(yīng)會話時間戳更新；
服務(wù)端定時清理超時會話，執(zhí)行主動關(guān)閉流程；
通過 Redis 更新的時間戳數(shù)據(jù)進(jìn)行 WebSocket 連接、用戶和文件之間的關(guān)系進(jìn)行清理。會話數(shù)據(jù)內(nèi)存以及 Redis 緩存清理邏輯：

for?{select?{case?<-t.C:var?now?=?time.Now().Unix()var?clients?=?make([]*Connection,?0)dispatcher.clients.Range(func(_,?v?interface{})?bool?{client?:=?v.(*Connection)lastTs?:=?atomic.LoadInt64(&client.LastMessageTS)if?now-lastTs?>?int64(expireTime)?{clients?=?append(clients,?client)}?else?{dispatcher.clearRedisMapping(client.Id,?client.Uid,?lastTs,?clearTimeout)}return?true})for?_,?cli?:=?range?clients?{cli.WsClose()}} }

在已有的兩級緩存刷新機(jī)制上，進(jìn)一步通過動態(tài)心跳上報頻率的方式降低心跳上報產(chǎn)生的服務(wù)端性能壓力，默認(rèn)場景中客戶端對服務(wù)端進(jìn)行間隔 1s 的心跳上報，假設(shè)目前單機(jī)承載了 50w 的連接數(shù)，當(dāng)前的 QPS 為：QPS1 = 500000/1

從服務(wù)端性能優(yōu)化的角度考慮，實現(xiàn)心跳正常情況下的動態(tài)間隔，每 x 次正常心跳上報，心跳間隔增加 a，增加上限為 y，動態(tài) QPS 最小值為：QPS2=500000/y

極限情況下，心跳產(chǎn)生的 QPS 降低 y 倍。在單次心跳超時后服務(wù)端立刻將 a 值變?yōu)?1s 進(jìn)行重試。采用以上策略，在保證連接質(zhì)量的同時，降低心跳對服務(wù)端產(chǎn)生的性能損耗。

3.7 自定義 Headers

使用 Kafka 自定義 Headers 的目的是避免網(wǎng)關(guān)層出現(xiàn)對消息體解碼而帶來的性能損耗，客戶端 WebSocket 連接建立成功后，會進(jìn)行一系列的業(yè)務(wù)操作，我們選擇將 WS-Gateway 和 WS-API 之間的操作指令和必要的參數(shù)放到 Kafka 的 Headers 中，例如通過 X-XX-Operator 為廣播，再讀取 X-XX-Guid 文件編號，對該文件內(nèi)的所有用戶進(jìn)行消息推送。

在 Kafka Headers 中寫入了 trace id 和時間戳，可以追中某條消息的完整消費(fèi)鏈路以及各階段的時間消耗。

3.8 消息接收與發(fā)送

type?Packet?struct?{... }type?Connect?struct?{*websocket.Consend?chan?Packet }func?NewConnect(conn?net.Conn)?*Connect?{c?:=?&Connect{send:?make(chan?Packet,?N),}go?c.reader()go?c.writer()return?c }

客戶端與服務(wù)端的消息交互第一版的寫法類似以上寫法，對 Demo 進(jìn)行壓測，發(fā)現(xiàn)每個 WebSocket 連接都會占用 3 個 goroutine，每個 goroutine 都需要內(nèi)存棧，單機(jī)承載連十分有限，主要受制于大量的內(nèi)存占用，而且大部分時間 c.writer() 是閑置狀態(tài)，于是考慮，是否只啟用 2 個 goroutine 來完成交互。

type?Packet?struct?{... }type?Connect?struct?{*websocket.Connmux?sync.RWMutex }func?NewConnect(conn?net.Conn)?*Connect?{c?:=?&Connect{send:?make(chan?Packet,?N),}go?c.reader()return?c }func?(c?*Connect)?Write(data?[]byte)?(err?error)?{c.mux.Lock()defer?c.mux.Unlock()...return?nil }

保留 .reader() goroutine，如果使用輪詢方式從緩沖區(qū)讀取數(shù)據(jù)，可能會產(chǎn)生讀取延遲或者鎖的問題，.writer()作調(diào)整為主動調(diào)用，不采用啟動 goroutine 持續(xù)監(jiān)聽，降低內(nèi)存消耗。

調(diào)研了 gev 和 gnet 等基于事件驅(qū)動的輕量級高性能網(wǎng)絡(luò)庫，實測發(fā)現(xiàn)在大量連接場景下可能產(chǎn)生的消息延遲的問題，所以沒有在生產(chǎn)環(huán)境下使用。

心對象緩存

確定數(shù)據(jù)接收與發(fā)送邏輯后，網(wǎng)關(guān)部分的核心對象為 Connection 對象，圍繞 Connection 進(jìn)行了 run、read、write、close 等函數(shù)的開發(fā)。使用 sync.pool 來緩存該對象，減輕 GC 壓力，創(chuàng)建連接時，通過對象資源池獲取 Connection 對象，生命周期結(jié)束之后，重置 Connection 對象后 Put 回資源池。在實際編碼中，建議封裝 etConn()、utConn()數(shù)，收斂數(shù)據(jù)初始化、對象重置等操作。

var?ConnectionPool?=?sync.Pool{New:?func()?interface{}?{return?&Connection{}}, }func?GetConn()?*Connection?{cli?:=?ConnectionPool.Get().(*Connection)return?cli }func?PutConn(cli?*Connection)?{cli.Reset()ConnectionPool.Put(cli)?//?放回連接池 }

3.10 數(shù)據(jù)傳輸過程優(yōu)化

消息流轉(zhuǎn)過程中，需要考慮消息體的傳輸效率優(yōu)化，采用 MessagePack 對消息體進(jìn)行序列化，壓縮消息體大小。調(diào)整 MTU 值避免出現(xiàn)分包情況，定義 a 為探測包大小，通過如下指令，對目標(biāo)服務(wù) ip 進(jìn)行 MTU 極限值探測。

ping?-s?{a}?{ip}

a = 1400時，實際傳輸包大小為：1428。其中 28 由 8（ICMP 回顯請求和回顯應(yīng)答報文格式）和 20（IP 首部）構(gòu)成。

如果 a 設(shè)置過大會導(dǎo)致應(yīng)答超時，在實際環(huán)境包大小超過該值時會出現(xiàn)分包的情況。

在調(diào)試合適的 MTU 值的同時通過 MessagePack 對消息體進(jìn)行序列號，進(jìn)一步壓縮數(shù)據(jù)包的大小，并減小 CPU 的消耗。

3.11 基礎(chǔ)設(shè)施支持

使用 EGO 框架（ https://github.com/gotomicro/ego ）進(jìn)行服務(wù)開發(fā)：業(yè)務(wù)日志打印，異步日志輸出，動態(tài)日志級別調(diào)整等功能，方便線上問題排查提升日志打印效率；微服務(wù)監(jiān)控體系，CPU、P99、內(nèi)存、goroutine 等監(jiān)控。

客戶端 Redis 監(jiān)控：

客戶端 Kafka 監(jiān)控：

自定義監(jiān)控大盤：

4 性能壓測

4.1 壓測準(zhǔn)備

選擇一臺配置為 4 核 8G 的虛擬機(jī)，作為服務(wù)機(jī)，目標(biāo)承載 48w 連接;

選擇八臺配置為 4 核 8G 的虛擬機(jī)，作為客戶機(jī)，每臺客戶機(jī)開放 6w 個端口。

4.2 場景一

用戶上線，50w 在線用戶。

單個 WS-Gateway 每秒建立連接數(shù)峰值為：1.6w 個/s，每個用戶占用內(nèi)存：47K。

4.3 場景二

測試時間 15 分鐘，在線用戶 50w，每 5s 推送一條所有用戶，用戶有回執(zhí)。推送內(nèi)容為：

42["message",{"type":"xx","data":{"type":"xx","clients":[{"id":xx,"name":"xx","email":"xx@xx.xx","avatar":"ZgG5kEjCkT6mZla6.png","created_at":1623811084000,"name_pinyin":"","team_id":13,"team_role":"member","merged_into":0,"team_time":1623811084000,"mobile":"+xxxx","mobile_account":"","status":1,"has_password":true,"team":null,"membership":null,"is_seat":true,"team_role_enum":3,"register_time":1623811084000,"alias":"","type":"anoymous"}],"userCount":1,"from":"ws"}}]

測試經(jīng)過 5 分鐘后，服務(wù)異常重啟，重啟原因是內(nèi)存使用量到超過限制。

分析內(nèi)存超過限制的原因：

新增的廣播代碼用掉了 9.32% 的內(nèi)存。

接收用戶回執(zhí)消息的部分消耗了 10.38% 的內(nèi)存。

進(jìn)行測試規(guī)則調(diào)整，測試時間 15 分鐘，在線用戶 48w，每 5s 推送一條所有用戶，用戶有回執(zhí)。推送內(nèi)容為：

連接數(shù)建立峰值：1w 個/s，接收數(shù)據(jù)峰值：9.6w 條/s，發(fā)送數(shù)據(jù)峰值 9.6w 條/s。

4.4 場景三

測試時間 15 分鐘，在線用戶 50w，每 5s 推送一條所有用戶，用戶無需回執(zhí)。推送內(nèi)容為：

連接數(shù)建立峰值：1.1w 個/s，發(fā)送數(shù)據(jù)峰值 10w 條/s，出內(nèi)存占用過高之外，其他沒有異常情況。

內(nèi)存消耗極高，分析火焰圖，大部分消耗在定時 5s 進(jìn)行廣播的操作上。

4.5 場景四

測試時間 15 分鐘，在線用戶 50w，每 5s 推送一條所有用戶，用戶有回執(zhí)。每秒 4w 用戶上下線。推送內(nèi)容為：

連接數(shù)建立峰值：18570 個/s，接收數(shù)據(jù)峰值：329949 條/s，發(fā)送數(shù)據(jù)峰值 393542 條/s，未出現(xiàn)異常情況。

4.6 壓測總結(jié)

在 16C 32G 內(nèi)存的硬件條件下，單機(jī) 50w 連接數(shù)，進(jìn)行以上包括用戶上下線、消息回執(zhí)等四個場景的壓測，內(nèi)存和 CPU 消耗都符合預(yù)期，并且在較長時間的壓測下，服務(wù)也很穩(wěn)定。滿足目前量級下的資源節(jié)約要求，可在此基礎(chǔ)上繼續(xù)完善功能開發(fā)。

5 總結(jié)

面臨日益增加的用戶量，網(wǎng)關(guān)服務(wù)的重構(gòu)是勢在必行，本次重構(gòu)主要是：

對網(wǎng)關(guān)服務(wù)與業(yè)務(wù)服務(wù)的解耦，移除對 Nginx 的依賴，讓整體架構(gòu)更加清晰。
從用戶建立連接到底層業(yè)務(wù)推送消息的整體流程分析，對其中這些流程進(jìn)行了具體的優(yōu)化。以下各個方面讓 2.0 版本的網(wǎng)關(guān)有了更少的資源消耗，更低的單位用戶內(nèi)存損耗、更加完善的監(jiān)控報警體系，讓網(wǎng)關(guān)服務(wù)本身更加可靠：
- 可降級的握手流程；
- Socket ID 生產(chǎn)；
- 客戶端心跳處理過程的優(yōu)化；
- 自定義 Headers 避免了消息解碼，強(qiáng)化了鏈路追蹤與監(jiān)控；
- 消息的接收與發(fā)送代碼結(jié)構(gòu)設(shè)計上的優(yōu)化；
- 對象資源池的使用，使用緩存降低 GC 頻率；
- 消息體的序列化壓縮；
- 接入服務(wù)觀測基礎(chǔ)設(shè)施，保證服務(wù)穩(wěn)定性。
在保證網(wǎng)關(guān)服務(wù)性能過關(guān)的同時，更進(jìn)一步的是收斂底層組件服務(wù)對網(wǎng)關(guān)業(yè)務(wù)調(diào)用的方式，從以前的 HTTP、Redis、Kafka 等方式，統(tǒng)一為 gRPC 調(diào)用，保證了來源可查可控，為后續(xù)業(yè)務(wù)接入打下了更好的基礎(chǔ)。

6 Q&A

收錄了部分文章相關(guān)內(nèi)容的討論問題：

6.1 SocketID 存在的價值

問題：按照我的理解 socketID 存在的價值是 Kafka 的消費(fèi)者需要根據(jù) socketID 找到對應(yīng)的 tcp 鏈 ?接，既然你們已經(jīng)有了自定義網(wǎng)關(guān)，那么引入 kafka 的意義是什么？消息的持久化？為什么不在網(wǎng)關(guān)層做負(fù)載均衡，讓節(jié)點直接跟客戶端通信。另外我猜測消費(fèi)發(fā)送者需要根據(jù) socketId 做 hash 然后發(fā)送到對應(yīng)的 partition，一旦初始 partition 過小，進(jìn)行擴(kuò)容時，客戶端和服務(wù)端都得進(jìn)行重啟或則升級，不知道引入 kafka 的意義在哪里，相反還極大的增加了架構(gòu)的復(fù)雜度和維護(hù)成本，擴(kuò)展性也沒那么好，如果是 http 短鏈接還能理解。

回答：圖中沒畫出 SLB，是有負(fù)載均衡的。我們沒有采用 socket id hash 到對應(yīng) partition，kafka 的作用是在處理網(wǎng)關(guān)內(nèi)部的不需要關(guān)心順序和推送消息的流轉(zhuǎn)，如果沒有 kafka，那么組件或者網(wǎng)關(guān)滾動更新，用戶重連的過程中，就可能丟消息；對于需要順序的消息，例如 ping pong 模式的是可以通過網(wǎng)關(guān)識別到 header 頭里的 cmd 信息，找到對應(yīng)后端，分發(fā)消息。

6.2 Redis 進(jìn)行消息廣播的作用

問題：廣播內(nèi)容的數(shù)據(jù)量大小在 1K 左右，業(yè)務(wù)場景簡單固定，并且要兼容歷史業(yè)務(wù)邏輯，最后選擇了 Redis 進(jìn)行消息廣播。api 與網(wǎng)關(guān)交互不是通過 kafka 嗎，這里是什么意思呢？

回答：網(wǎng)關(guān)節(jié)點對 kafka 的消費(fèi)是集群模式。如果 kafka，在 k8s 條件下，使用廣播模式比較麻煩。所以老的網(wǎng)關(guān)是用 redis 做 pubsub 的廣播，為了兼容老的邏輯仍然采用 redis 做廣播。同時后續(xù)我們打算直接將 api 和 ws 做兩兩互聯(lián)，通過 grpc stream 做廣播，有更好的擴(kuò)展性。

7 技術(shù)鏈接

微服務(wù)框架：

https://github.com/gotomicro/ego

Kafka、Redis、MySQL 客戶端監(jiān)控 SDK：

https://github.com/gotomicro/ego-component

推薦文章1、一款高顏值的 SpringBoot+JPA 博客項目2、超優(yōu) Vue+Element+Spring 中后端解決方案3、推薦幾個支付項目！4、推薦一個 Java 企業(yè)信息化系統(tǒng)5、一款基于 Spring Boot 的現(xiàn)代化社區(qū)（論壇/問答/社交網(wǎng)絡(luò)/博客）

總結(jié)

以上是生活随笔為你收集整理的Websocket 百万长连接技术，在石墨文档中的实践的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。

上一篇：真香啊！基于SpringBoot 的CM
下一篇：一款IDEA插件神器，帮你一键转换DTO