背景

為了更好的支持東南亞直播業務，產品設計為直播業務增加了彈幕。第一期彈幕使用騰訊云支持，效果并不理想，經常出現卡頓、彈幕偏少等問題。最終促使我們開發自己的彈幕系統。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 實現的后臺管理系統 + 用戶小程序，支持 RBAC 動態權限、多租戶、數據權限、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，系統將主要面臨以下問題：

1. 帶寬壓力

   假如說每3秒促達用戶一次，那么每次內容至少需要有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，那么每秒的數據大小約為8Gbps，而運維同學通知我們所有服務的可用帶寬僅為10Gbps。

2. 弱網導致的彈幕卡頓、丟失

   該問題已在線上環境

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 實現的后臺管理系統 + 用戶小程序，支持 RBAC 動態權限、多租戶、數據權限、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壓縮比率可以達到40%以上（gzip比deflate要高出4%~5%）。

2. Response結構簡化

3. 內容排列順序優化

   根據gzip的壓縮的壓縮原理可以知道，重復度越高，壓縮比越高，因此可以將字符串和數字內容放在一起擺放

4. 頻率控制

• 帶寬控制：通過添加請求間隔參數（下次請求時間），保證客戶端的請求頻率服務端可控。以應對突發的流量增長問題，提供有損的服務。
• 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

在開發彈幕系統的的時候，最常見的問題是該怎么選擇促達機制，推送 vs 拉取 ？

Long Polling via AJAX

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

優點： 減少輪詢次數，低延遲，瀏覽器兼容性較好。缺點： 服務器需要保持大量連接。

WebSockets

長輪詢雖然省去了大量無效請求，減少了服務器壓力和一定的網絡帶寬的占用，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，又可以節約請求的 header 網絡開銷，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，服務器可以主動向客戶端推送信息，客戶端也可以主動向服務器發送信息，是真正的雙向平等對話。

優點：較少的控制開銷，在連接創建后，服務器和客戶端之間交換數據時，用于協議控制的數據包頭部相對較小。在不包含擴展的情況下，對于服務器到客戶端的內容，此頭部大小只有2至10字節（和數據包長度有關）；對于客戶端到服務器的內容，此頭部還需要加上額外的4字節的掩碼。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，由于協議是全雙工的，所以服務器可以隨時主動給客戶端下發數據。相對于HTTP請求需要等待客戶端發起請求服務端才能響應，延遲明顯更少；即使是和Comet等類似的長輪詢比較，其也能在短時間內更多次地傳遞數據。長連接，保持連接狀態。

Long Polling vs Websockets

無論是以上哪種方式，都使用到TCP長連接，那么TCP的長連接是如何發現連接已經斷開了呢？

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

keepalive_probes：探測次數（默認：7次）

keepalive_time 探測的超時（默認：2小時）

keepalive_intvl 探測間隔(默認：75s)

但是由于在東南亞的弱網情況下，TCP長連接會經常性的斷開:

Long Polling 能發現連接異常的最短間隔為：min(keepalive_intvl, polling_interval)

Websockets能發現連接異常的最短間隔為：Websockets: min(keepalive_intvl, client_sending_interval)

如果下次發送數據包的時候可能連接已經斷開了，所以使用TCP長連接對于兩者均意義不大。并且弱網情況下Websockets其實已經不能作為一個候選項了

• 即使Websockets服務端已經發現連接斷開，仍然沒有辦法推送數據，只能被動等待客戶端重新建立好連接才能推送，在此之前數據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送應用層的協議進行連接建立。

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

可靠與性能

為了保證服務的穩定性我們對服務進行了拆分，將復雜的邏輯收攏到發送彈幕的一端。同時，將邏輯較為復雜、調用較少的發送彈幕業務與邏輯簡單、調用量高的彈幕拉取服務拆分開來。服務拆分主要考慮因素是為了不讓服務間相互影響，對于這種系統服務，不同服務的QPS往往是不對等的，例如像拉取彈幕的服務的請求頻率和負載通常會比發送彈幕服務高1到2個數量級，在這種情況下不能讓拉彈幕服務把發彈幕服務搞垮，反之亦然，最?度地保證系統的可用性，同時也更更加方便對各個服務做Scale-Up和Scale-Out。服務拆分也劃清了業務邊界，方便協同開發。

在拉取彈幕服務的一端 ，引入了本地緩存。數據更新的策略是服務會定期發起RPC調?從彈幕服務拉取數據，拉取到的彈幕緩存到內存中，這樣后續的請求過來時便能直接?走本地內存的讀取，?大幅降低了調用時延。這樣做還有另外一個好處就是縮短調?鏈路，把數據放到離?戶最近的地?，同時還能降低外部依賴的服務故障對業務的影響，

為了數據拉取方便，我們將數據按照時間進行分片，將時間作為數據切割的單位，按照時間存儲、拉取、緩存數據（RingBuffer），簡化了數據處理流程。與傳統的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，把時間戳和對應彈幕列表并寫到一個區塊當中，因此最多保留60秒的數據。同時，如果此時來了一個讀請求，那么緩沖環會根據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域往回遍歷直至跟索引重疊，收集到一定數量的彈幕列表返回，這種機制保證了緩沖區的區塊是整體有序的，因此在讀取的時候只需要簡單地遍歷一遍即可，加上使用的是數組作為存儲結構，帶來的讀效率是相當高的。

再來考慮可能出現數據競爭的情況。先來說寫操作，由于在這個場景下，寫操作是單線程的，因此?可不必關心并發寫帶來的數據一致性問題。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秒內的數據，因此緩沖環完全可以做到無鎖讀寫

在發送彈幕的一端 ，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用失敗的情況下，仍然能保證服務的核心流程不受影響，即彈幕能夠正常發送和接收，提供有損的服務。

總結

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

審核編輯 ：李倩