
手上這款 iOS IM SDK 剛完成內測版本,開放給兄弟團隊與合作方試用之後,被重複問到的問題實在太多。乾脆整理成一篇文章,把一個 IM 產品的關鍵決策——通訊方式、連接方式、協議選型與協議設計——以及實作階段最容易卡住的地方一次講清楚。
IM 的消息傳遞大致只有兩條路:設備直連(P2P)與伺服器中轉。
P2P 主要出現在區域網內的聊天工具裡,飛鴿傳書、校園網 Maze 之類都是典型。這類程式啟動後通常做兩件事:一是透過 UDP 廣播把自己的資訊送出去,同時接收同網段其他端的廣播;二是開啟 TCP 監聽埠,等待對端連入。想深入看的話,飛鴿傳書的源碼是很好的教材。
但限制同樣明顯。它只適合雙方同時在線的點對點場景,離線訊息、群組這類業務幾乎無法覆蓋;更麻煩的是 NAT 的存在,讓跨網段互聯的難度大幅上升,遇到對稱型 NAT 甚至根本連不上。
幾乎所有面向公網的 IM 產品都走中轉這條路,好處很直接:
代價則是伺服器架構複雜、併發要求高。
主流做法有兩類:基於 TCP 的長連線,以及基於 HTTP 短連線的拉取(PULL)。
後者常見於 WEB IM(如今很多已改用 WebSocket 實作),優勢是簡單好上手;缺點是流量大、伺服器負載重,訊息即時性難以保證,很難支撐大規模用戶量,比較適合小站客服這類規模有限的系統。
TCP 長連線則能承接大批量用戶,代價是客戶端與伺服器的實作都更複雜。中間還有一種混合變體:下行用 MQTT 做伺服器推送,上行用 HTTP 短連線傳指令與訊息。下行即時性有保障,但弱網環境下上行慢的問題會被放大——早期的來往走的就是這個路子。
IM 協議的取捨標準大致三條:易於擴展、能覆蓋各種業務邏輯、同時省流量。第三條在行動端格外關鍵。
常見候選有 XMPP、SIP、MQTT 與私有協議。
一套好協議應當高效、簡潔、可讀、省流量、易擴展,並且貼合團隊現有技術棧。換句話說:團隊規模小、IM 積累不足,用 XMPP 或 MQTT + HTTP 短連線更務實;反之則值得投入自研。
行動網路相比有線網,特色是帶寬低、延遲高、丟包多、穩定性差,流量還要錢。因此私有協議普遍選二進制序列化而非文本。常見選項有 protobuf 與 MessagePack;也有團隊自己造輪子,比如蘑菇街的 TeamTalk。不過論擴展性與可讀性,前兩者對 TeamTalk 是碾壓式的(TeamTalk 連 Variant 都不支援,一個 int 固定佔 4 位元組),所以一般並不建議自己實作序列化與反序列化。
基於 TCP 的應用層協議通常分為包頭與包體,HTTP 就是例子,IM 協議同理。包頭承載每次請求/回應的公共資訊,如包長度、請求類型、回傳碼;包體填入具體業務資料。
最精簡的包頭可以這樣定義:
struct PackHeader {
int32_t length_; // 包長度
int32_t serial_; // 包序號
int32_t command_; // 請求類型
int32_t code_; // 回傳碼
};以心跳為例,假設 serial 為 1、command 為 10,用 MessagePack 序列化後 length=4、serial=1、command=10、code=0,每個欄位各佔 1 位元組,包體為空,整包僅 4 位元組。
這只是最理想的情形。真實業務裡包體會塞進更多資訊,需要自己歸納公共部分,例如為了相容而加入的協議版本號、為了負載均衡而加入的模組 ID 等。
為了提高破解成本,主流 IM 幾乎都對協議加密傳輸。流程與 HTTPS 類似:連線建立後,客戶端與伺服器進行協商,最終客戶端拿到當前 Session 的密鑰,後續資料都用該密鑰加解密。出於效能考量通常采用流式加密(如 RC4),前期協商環節則建議使用 AES 等非對稱加密來抬高破解難度。
iOS 沒有真正的背景執行,App 每次啟動基本都要重連登入一次(短時間內切換除外),所以重連速度直接影響體感。幾個常用優化方向:
App 端的連線保持基本靠應用層心跳:以心跳超時與網路切換等條件觸發重連。那為什麼不用 TCP 自帶的 KEEPALIVE?原因有三:
行動端為了省流量與電量,心跳還要再做幾層優化:
行動網路下丟包與重連是常態,因此需要回執加發的機制。以易信的實作為例,每條訊息最多重發 3 次,超時 15 秒;發送前先檢查連線狀態,若連線尚未正確建立,則把訊息放入佇列並定時重試(每 2 秒檢查一次,共 15 次)。這樣一條訊息在最壞情況下仍有兩分多鐘的重試窗口。
重發的副作用是接收端可能收到重複訊息,因此去重必不可少——通常給每條訊息一個唯一 message id(多用 UUID)。
IM 訊息(含社群模組)裡檔案上傳佔比很高,值得單獨當作一個專題來優化: