摘要：如果你需要一款穩定可靠的高性能企業級KV資料庫，不妨試試GaussDB(for Redis)，
每當網路上爆出熱點新聞，混跡于各個社交媒體的小伙伴們全都開啟了討論模式，一條訊息的產生是如何在群聊中傳遞的呢？讓我們一起來探索即時通訊系統(IM)的原理，
IM系統架構的原理
當你在群聊“相親相愛一家人”中，發送了一條“我找到女朋友了，今天帶回家吃飯”，你自然是希望全家人都收到你的喜訊，為你女朋友的到來分頭準備，那么正常的流程應該是這樣：遍歷群成員、查詢每個成員的在線狀態、如果小伙伴們在線則實時進行推送，如果小伙伴們不在線則暫存至離線庫待上線后主動拉取，
這種模式就是傳統的IM架構，由于發送成功的訊息不會落入離線庫，因此聊天記錄多端漫游無法實作，如果在線用戶推送發生例外，會導致個別人員丟失關鍵發言，錯失重要資訊，為了保證訊息存盤的可靠性，我們對IM系統架構進行了優化，不管成員是否在線都要先把訊息和發送物件存盤起來，再進行推送，流程變成：遍歷群成員、為群聊的每一個人對應的訊息佇列都存一份訊息、查詢每個成員的在線狀態、對在線成員進行推送，這就是所謂的寫擴散模型，
這里顯然還存在一個問題，我們向每個小伙伴的訊息佇列中都存盤了相同的“我找到女朋友了，今天帶回家吃飯”訊息，對磁盤和帶寬造成了很大的浪費，這是寫擴散的最大弊端，所以我們繼續優化，群訊息物體存盤一份，用戶只存訊息 ID 索引，流程優化為：遍歷群聊的成員、先存一份訊息物體、群聊所有人都存一份ID 參考、查詢每個成員的在線狀態、對在線成員進行推送，這就是所謂的讀擴散模型，
簡單總結下：
1.讀擴散：讀取操作很重，寫入操作很輕，資源消耗相對小一些，
2.寫擴散：讀取操作很輕，寫入操作很重，資源消耗相對大一些，
IM系統架構優化實踐
接下來，讓我們使用GaussDB(for Redis) 來實作一個簡單的IM應用，
- 使用GaussDB(for Redis)的List型別實作一個訊息佇列，防止發送端瞬時高流量會壓爆訊息處理模塊；
- 收到訊息后，先生成一個全域唯一ID標識該資訊，將訊息ID和訊息內容存入String型別的訊息存盤庫中，如果訊息欄位復雜也可以考慮使用Hash型別；
- 對于訊息中可索引的資訊，將訊息的索引資訊存入Zset型別的訊息索引庫中，這樣無論是接收者還是發送者，都可以按照一定規則對歷史訊息進行檢索；
- 通過查詢Set型別的訊息關系群組庫，查詢該資訊的接收者集合，這個集合可以根據一定的規則動態增刪；
- 將訊息ID推入Stream型別的訊息同步庫，每個Stream物件對應一個接收者，接收者可以通過XRANG命令獲取一個范圍內的未讀資訊ID；
- 最后，接收者再通過這組ID，從訊息存盤庫中讀取訊息原始內容，即完成了一次訊息傳遞，
Why GaussDB (for Redis)?
IM系統有哪些痛點？高斯Redis如何解決這些痛點？
- 開源Redsi資料庫可靠性差，甚至丟資料，會直接導致IM系統癱瘓，
GaussDB(for Redis)對資料進行分片，在故障場景下可以自動進行接管，最多可以滿足N-1個計算節點故障；存盤層使用華為自研的企業級存盤池DFV Pool，基于分布式、強一致、高性能的先進架構，實作3AZ6副本存盤，保證了在任何時間點的資料強一致，故障情況下資料不丟失， - 大流量、高并發場景如何支持連接管理，按業務況分散壓力？
GaussDB(for Redis)可以滿足IM系統對可用性的要求，客戶端程式通過ELB接入GaussDB(for Redis)實體，可實作自動負載均衡， - 突發的高流量、大量的歷史訊息資料如何處理？
GaussDB(for Redis)采用先進的存算分離架構，在IM系統持續運營的程序中，如果出現突發流量，可以迅速對計算層資源進行秒級擴縮容，快速扛住流量尖峰；歷史訊息持續增長時，也可以單獨對存盤層資源大小進行秒級動態調整，最高可擴容至PB級，
GaussDB(for Redis)廣泛適用于社交媒體、游戲、電商、推薦系統等領域，在海量并發場景具備極強的高可用能力，如果你需要一款穩定可靠的高性能企業級KV資料庫，不妨試試GaussDB(for Redis)，
點擊關注，第一時間了解華為云新鮮技術~
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/550827.html
標籤：其他
上一篇：C#寫一套最全的SQL server幫助類（包括增刪改查）
下一篇：返回列表