直播彈幕是直播系統(tǒng)的核心功能之一。如何迅速作出一個(gè)有很好擴(kuò)展性的彈幕系統(tǒng)？如何應(yīng)對業(yè)務(wù)迅速發(fā)展？相信很多工程師/架構(gòu)師都有自己的想法。

本文作者美拍架構(gòu)師王靜波經(jīng)歷了直播彈幕系統(tǒng)從無到有，從小到大的過程并對構(gòu)建彈幕系統(tǒng)的經(jīng)驗(yàn)進(jìn)行了總結(jié)。

[[209346]]

直播彈幕指直播間的用戶，禮物，評論，點(diǎn)贊等消息，是直播間交互的重要手段。

美拍直播彈幕系統(tǒng)從 2015 年 11 月到現(xiàn)在，經(jīng)過了三個(gè)階段的演進(jìn)，目前能支撐百萬用戶同時(shí)在線。

本文比較好地詮釋了根據(jù)項(xiàng)目的發(fā)展階段，直播彈幕系統(tǒng)進(jìn)行平衡演進(jìn)的過程。這三個(gè)階段分別是快速上線，高可用保障體系建設(shè)，長連接演進(jìn)。

快速上線

消息模型

美拍直播彈幕系統(tǒng)在設(shè)計(jì)初期的核心要求是：快速上線，并能支撐百萬用戶同時(shí)在線。

基于這兩點(diǎn)，我們的策略是前中期使用 HTTP 輪詢方案，中后期替換為長連接方案。

因此在業(yè)務(wù)團(tuán)隊(duì)進(jìn)行 HTTP 方案研發(fā)的同時(shí)，基礎(chǔ)研發(fā)團(tuán)隊(duì)也緊鑼密鼓地開發(fā)長連接系統(tǒng)。

直播間消息，相對于 IM 的場景，有如下幾個(gè)特點(diǎn)：

• 消息要求及時(shí)，過時(shí)的消息對于用戶來說不重要。
• 松散的群聊，用戶隨時(shí)進(jìn)群，隨時(shí)退群。
• 用戶進(jìn)群后，離線期間（接聽電話）的消息不需要重發(fā)。

對于用戶來說，在直播間有三個(gè)典型的操作：

• 進(jìn)入直播間，拉取正在觀看直播的用戶列表。
• 接收直播間持續(xù)發(fā)布的彈幕消息。
• 自己發(fā)消息。

我們把禮物，評論，用戶的數(shù)據(jù)都當(dāng)做消息來看待。

經(jīng)過考慮選擇了 Redis 的 sortedset 存儲消息，消息模型如下：

• 用戶發(fā)消息，通過 Zadd，其中 score 消息的相對時(shí)間。
• 接收直播間的消息，通過 ZrangeByScore 操作，兩秒一次輪詢。
• 進(jìn)入直播間，獲取用戶的列表，通過 Zrange 操作來完成。

因此總的流程是：

• 寫消息流程是:  前端機(jī) -> Kafka -> 處理機(jī) -> Redis。
• 讀消息流程是:  前端 -> Redis。

不過這里有一個(gè)隱藏的并發(fā)問題：用戶可能丟消息。

如上圖所示，某個(gè)用戶從第 6 號評論開始拉取，同時(shí)有兩個(gè)用戶在發(fā)表評論，分別是 10，11 號評論。

如果 11 號評論先寫入，用戶剛好把 6，7，8，9，11 號拉走，用戶下次再拉取消息，就從 12 號開始拉取，結(jié)果是：用戶沒有看到 10 號消息。

為了解決這個(gè)問題，我們加上了兩個(gè)機(jī)制：

• 在前端機(jī)，同一個(gè)直播間的同一種消息類型，寫入 Kafka 的同一個(gè) partition。
• 在處理機(jī)，同一個(gè)直播間的同一種消息類型，通過 synchronized 保證寫入 Redis 的串行。

消息模型及并發(fā)問題解決后，開發(fā)就比較順暢，系統(tǒng)很快就實(shí)現(xiàn)上線，達(dá)到了預(yù)先設(shè)定的目標(biāo)。

上線后暴露問題的解決

上線后，隨著消息量的逐漸增加，系統(tǒng)陸續(xù)暴露出三個(gè)比較嚴(yán)重的問題，我們一一進(jìn)行了解決。

問題一：消息串行寫入 Redis，如果某個(gè)直播間消息量很大，那么消息會堆積在 Kafka 中，消息延遲較大。

解決辦法：

• 消息寫入流程：前端機(jī)-> Kafka -> 處理機(jī) -> Redis。
• 前端機(jī)：如果延遲小，則只寫入一個(gè) Kafka 的 partion；如果延遲大，則這個(gè)直播的這種消息類型寫入 Kafka 的多個(gè) partion。
• 處理機(jī)：如果延遲小，加鎖串行寫入 Redis；如果延遲大，則取消鎖。

因此有四種組合，四個(gè)檔位，分別是：

• 一個(gè) partion，加鎖串行寫入 Redis, ***并發(fā)度：1。
• 多個(gè) partition，加鎖串行寫入 Redis，***并發(fā)度：Kafka partion的個(gè)數(shù)。
• 一個(gè) partion，不加鎖并行寫入 Redis，***并發(fā)度：處理機(jī)的線程池個(gè)數(shù)。
• 多個(gè) partion，不加鎖并行寫入 Redis，***并發(fā)度: Kafka partition 個(gè)數(shù)處理機(jī)線程池的個(gè)數(shù)。
• 延遲程度判斷：前端機(jī)寫入消息時(shí)，打上消息的統(tǒng)一時(shí)間戳，處理機(jī)拿到后，延遲時(shí)間 = 現(xiàn)在時(shí)間 - 時(shí)間戳。
• 檔位選擇：自動選擇檔位，粒度：某個(gè)直播間的某個(gè)消息類型。

問題二：用戶輪詢***消息，需要進(jìn)行 Redis 的 ZrangByScore 操作，redis slave 的性能瓶頸較大。

解決辦法：

• 本地緩存，前端機(jī)每隔 1 秒左右拉取一次直播間的消息，用戶到前端機(jī)輪詢數(shù)據(jù)時(shí)，從本地緩存讀取數(shù)據(jù)。
• 消息的返回條數(shù)根據(jù)直播間的大小自動調(diào)整，小直播間返回允許時(shí)間跨度大一些的消息，大直播間則對時(shí)間跨度以及消息條數(shù)做更嚴(yán)格的限制。

解釋：這里本地緩存與平常使用的本地緩存，有一個(gè)***區(qū)別，就是考慮了成本問題。

如果所有直播間的消息都進(jìn)行緩存，假設(shè)同時(shí)有 1000 個(gè)直播間，每個(gè)直播間 5 種消息類型，本地緩存每隔 1 秒拉取一次數(shù)據(jù)，40 臺前端機(jī)，那么對 Redis 的訪問 QPS 是 1000 * 5 * 40 = 20 萬。

成本太高，因此我們只有大直播間才自動開啟本地緩存，小直播間不開啟。

問題三：彈幕數(shù)據(jù)也支持回放，直播結(jié)束后，這些數(shù)據(jù)存放于 Redis 中，在回放時(shí)，會與直播的數(shù)據(jù)競爭 Redis 的 CPU 資源。

解決辦法：

• 直播結(jié)束后，數(shù)據(jù)備份到 MySQL。
• 增加一組回放的 Redis。
• 前端機(jī)增加回放的 local cache。

解釋：回放時(shí)，讀取數(shù)據(jù)順序是: local cache -> Redis -> mysql。localcache 與回放 Redis 都可以只存某個(gè)直播某種消息類型的部分?jǐn)?shù)據(jù)，有效控制容量；local cache與回放 Redis 使用 sortedset 數(shù)據(jù)結(jié)構(gòu)，這樣整個(gè)系統(tǒng)的數(shù)據(jù)結(jié)構(gòu)都保持一致。

高可用保障

同城雙機(jī)房部署

雙機(jī)房分為主機(jī)房和從機(jī)房，寫入都在主機(jī)房，讀取則由兩個(gè)從機(jī)房分擔(dān)。從而有效保證單機(jī)房故障時(shí)，能快速恢復(fù)。

豐富的降級手段

全鏈路的業(yè)務(wù)監(jiān)控

高可用保障建設(shè)完成后，迎來了 TFBOYS 在美拍的四場直播，這四場直播峰值同時(shí)在線人數(shù)達(dá)到近百萬，共 2860 萬人次觀看，2980 萬評論，26.23 億次點(diǎn)贊，直播期間，系統(tǒng)穩(wěn)定運(yùn)行，成功抗住壓力。

使用長連接替換短連接輪詢方案

長連接整體架構(gòu)圖

詳細(xì)說明：

• 客戶端在使用長連接前，會調(diào)用路由服務(wù)，獲取連接層IP，路由層特性：a.可以按照百分比灰度；b.可以對 uid，deviceId，版本進(jìn)行黑白名單設(shè)置。黑名單：不允許使用長連接；白名單：即使長連接關(guān)閉或者不在灰度范圍內(nèi)，也允許使用長連接。這兩個(gè)特性保證了我們長短連接切換的順利進(jìn)行。
• 客戶端的特性：a.同時(shí)支持長連接和短連接，可根據(jù)路由服務(wù)的配置來決定；b.自動降級，如果長連接同時(shí)三次連接不上，自動降級為短連接；c.自動上報(bào)長連接性能數(shù)據(jù)。
• 連接層只負(fù)責(zé)與客戶端保持長連接，沒有任何推送的業(yè)務(wù)邏輯。從而大大減少了重啟的次數(shù)，從而保持用戶連接的穩(wěn)定。
• 推送層存儲用戶與直播間的訂閱關(guān)系，負(fù)責(zé)具體推送。整個(gè)連接層與推送層與直播間業(yè)務(wù)無關(guān)，不需要感知到業(yè)務(wù)的變化。
• 長連接業(yè)務(wù)模塊用于用戶進(jìn)入直播間的驗(yàn)證工作。
• 服務(wù)端之間的通訊使用基礎(chǔ)研發(fā)團(tuán)隊(duì)研發(fā)的 tardis 框架來進(jìn)行服務(wù)的調(diào)用，該框架基于 gRPC，使用 etcd 做服務(wù)發(fā)現(xiàn)。

長連接消息模型

我們采用了訂閱推送模型，下圖為基本的介紹：

舉例說明，用戶 1 訂閱了 A 直播，A 直播有新的消息：

• 推送層查詢訂閱關(guān)系后，知道有用戶 1 訂閱了 A 直播，同時(shí)知道用戶 1 在連接層 1 這個(gè)節(jié)點(diǎn)上，那么就會告知連接層有新的消息。
• 連接層 1 收到告知消息后，會等待一小段時(shí)間（毫秒級），再拉取一次用戶 1 的消息，然后推送給用戶 1。

如果是大直播間（訂閱用戶多），那么推送層與連接層的告知/拉取模型，就會自動降級為廣播模型。如下圖所示：

我們經(jīng)歷了客戶端三個(gè)版本的迭代，實(shí)現(xiàn)了兩端（Android 與 iOS）長連接對短連接的替換，因?yàn)橛谢叶群秃诎酌麊蔚闹С?，替換非常平穩(wěn)，用戶無感知。

總結(jié)與展望

回顧了系統(tǒng)的發(fā)展過程，達(dá)到了原定的前中期使用輪詢，中后期使用長連接的預(yù)定目標(biāo)，實(shí)踐了原定的平衡演進(jìn)的原則。

從發(fā)展來看，未來計(jì)劃要做的事情有：

• 針對機(jī)房在北京，南方某些地區(qū)會存在連接時(shí)間長的情況。我們?nèi)绾巫岄L連接更靠近用戶。
• 消息模型的進(jìn)一步演進(jìn)。

[[209349]]

王靜波，畢業(yè)于西安交通大學(xué)，曾任職于網(wǎng)易和新浪微博，微博工作期間負(fù)責(zé)開放平臺業(yè)務(wù)和技術(shù)體系建設(shè)。2015 年 9 月加入美圖，就職于架構(gòu)平臺部，目前負(fù)責(zé)部分核心業(yè)務(wù)和基礎(chǔ)設(shè)施的研發(fā)工作，包括彈幕服務(wù)、Feed 服務(wù)、任務(wù)調(diào)度和質(zhì)量監(jiān)控體系等。十余年的后端研發(fā)經(jīng)歷，擁有豐富的后端研發(fā)經(jīng)驗(yàn)，對于構(gòu)建高可用、高并發(fā)的系統(tǒng)有較多實(shí)踐經(jīng)驗(yàn)。歡迎通過 wjb@meitu.com 跟他交流。