更新弹幕系统的心得体会

更多腾讯海量技术文章，请关注云加社区：https://cloud.tencent.com/developer/column

作者：云计算爱好者

16年开始很多互联网公司都开始在涉足直播，直播业务中有弹幕的系统。今天就要给大家介绍一下弹幕系统优化的新的体会。随着直播业务的变化与发展，我司弹幕系统从最初的版本优化了好几个版本，这里面有我的血泪。

早期弹幕系统

一、基本状况

1.由 PHP + Gateway 框架编写。

2.所有的 Client ID 存放在 Redis 里面。

3.最初由三台机器挂载在 LVS 系统后方提供服务。

4.使用多进程的方式，开启多个 worker 进程来处理消息传递内容。

二、存在的问题

1.内存占用量巨大，单机（4 核 8 G 配置）承受 500 左右的 Client 就会达到内存上限。

2.每次发送消息的时候，每台机器都需要从 Redis 里面拿取对应房间的所有 Client ID；并发高时，Redis 的单进程处理效率和内网带宽就成为瓶颈 。

3.单机的并发处理能力被消息处理的 worker 进程数量限制。同时开启过多的进程，也是对系统资源的格外浪费。

4.单房间超过 2000 人的时候，消息的延迟有可能会达到 1 分钟左右，这是极其严重的问题。

三、临时改造

由于需要解决的问题比较紧迫，所以快速做了一些逻辑上的改变和业务层面的取舍：

1.对 Redis 的实例进行了拆分，使用了双机，单机 4 实例的方式，分散了 Redis 的压力。

2.对消息处理 worker 进程的逻辑做了一些修改，限制单位时间内进行广播的消息数量，多余的消息会被丢弃 。

3.对于已经完成了直播进入点播状态的房间，额外启用了另外一套弹幕系统来进行分流。

4.单个房间切成多个房间进行消息处理。

四、改造之后的效果

1.Redis 压力大幅度降低；

2.单机 IO 性能压力降低；

3.同样数量的机器，可以承载更多的直播房间个数。

但是，根本问题并没有得到解决。在临时解决压力问题之后，我们需要花一些时间来重新对弹幕系统进行分析，按照分析后的需求，对新的弹幕系统进行重构。

新的弹幕系统

一、新弹幕系统面临的挑战

1.单房间人数较高，依照我们公司直播情况，单房间 5 - 10 万人同时在线是会出现的。

2.由于直播内容等情况造成的某时间段用户暴涨。

3.需要尽可能实时到达，延迟过高的话会大大降低互动的实时性。

4.每一条消息，都要递送大量的长连接。

5.大量长连接的维护机制。

6.在运营的过程中，需要处理用户黑名单、IP 黑名单、敏感词等需求。

二、新的弹幕系统需求

1.由于内存的管理对于 PHP 来说算是一个短板，对于大并发且长时间稳定不需要经常更新维护的系统来说，并非最好的选择，因此选一门合适的语言是必须的。

2.分布式支持，可以快速的横向扩展，单房间人数可以支持到十万级别。

3.可以方便快捷的对系统进行第三方消息的发送（例如礼物信息、系统通知等）。

4.尽量使用本地内存管理来记录房间内客户端连接，剩下大量的数据交互和查询时间。

5.并发支持消息广播，提高广播效率。

三、新弹幕系统版本的改造方法

1.选择当前正红且对高并发支持良好的 Golang 作为开发语言。

2.使用开发语言进行客户端连接的管理，且每台机器只管理自己收到的连接请求。

3.使用并发的房间内广播逻辑，同时对多人进行广播。

新弹幕系统改造的相关经验

下面先对一个模块细节进行分析，然后进一步分析模块上层的调度逻辑。

一、房间管理

type RoomInfo struct { RoomID string //房间ID Lock *sync.Mutex //房间操作锁 Rows []*RowList //房间多行Slice Length uint64 //当前房间总节点数 LastChangeTime time.Time //最后一次更新时间 } type RowList struct { Nodes []*Node //节点列表 }

由于每个房间都有自己的 ID，客户端建立连接之后，就会被放到一个大厅房间里面。接着，客户端自己提交 RoomID 上来，连接会被重新连接到对应的房间里面。 每个连接在建立之后，都会被包装成一个 Node，放到 Rows 里面。

type Node struct { RoomID string ClientID int64 Conn *websocket.Conn UpdateTime time.Time LastSendTime time.Time //最后一次发送消息时间 IsAlive bool DisabledRead bool//是否已经被关闭了发言权限}

每一个 Node 中，都有一个 IsAlive 来表示连接是否成功。如果连接断开，或者因为其他原因强制停止服务的话，会修改此标记状态。然后由定时的处理机制将此连接关闭并从内存中清除。

Rows 的本质就是一组事先设定了长度的 Node Slice。发送消息的时候，每一组 slice 使用一个协程来顺序发送。同一房间内的链接，就可以依照 slice 分组进行并发发送。 发送的时候，会使用锁将整个房间锁住，以防止并发情况下同一连接混入两条信息。

二、消息管理

var messageChannel map[string]chan nodeMessage func init() { messageChannel = make(map[string]chan nodeMessage) } func sendMessageToChannel(roomId string, nm nodeMessage) error { //如果房间不存在，创建一个房间 if c, ok := messageChannel[roomId]; ok { c

以上是关于弹幕信息传递的一部分代码。首先，每一个房间，都有自己的消息通道，所有的这些通道根据 RoomID 为 key，记录在一个叫做 messageChannel 的 map 里面。 每次收到消息的时候，都直接把消息丢到 channel 里面，就可以了。（后面由守护协程来处理）如果没有房间通道的话，就建立房间的通道 channel，并启动每个房间的一系列协程。

三、服务器管理

这里的方案比较简单，其实就是建立一个上一层的聊天室即一个房间，所有的服务器都会主动连接到这里，每一个服务器收到的信息，就会在这个房间里面广播到别的机器去。

四、守护协程们管理

守护协程处理很多琐碎的事情，保证房间内信息的正常分发以及房间连接的正常管理。各个守护协程的功能如下：

1.消息发送协程：每个房间配备一个，从 channel 里面获取到要发送到本房间的消息，然后在并发调用各个 RowList 的发送消息机制。

2.房间整理协程：因为会有连接断开、房间更换等修改 Node 状态的行为，所以定期会有房间整理协程来进行节点整理，删除当前房间无关的节点等以提高消息的发送效率。

五、测试相关

运行环境：云主机 8 核 16 G 实例

操作系统：Centos 7（未进行系统优化或参数调整）

测试内容：单机建立 15000 websocket 连接，并且发送消息，进入指定房间（所有连接进入同一房间）。一个客户端进入房间，发送一条消息，经过敏感词处理、IP和用户黑名单处理，然后被广播到所有节点。

测试结果如下：

CPU占用：保持在 5% 以下

内存占用：2GB（包括操作系统本身开销）

网络占用：峰值 10Mb/s 左右

发送效率：15000 节点广播，100ms - 110ms 左右。

根据测试结果计算：

完全可以在 8 核 16G 的机器上，实现无压力运行 50K 并发，峰值接近 60 - 70K 的处理能力。