蘇成武

摘要：本文針對網(wǎng)絡即時通信IM（Instant Messenger）存在的多渠道（不同瀏覽器、不同客戶端）、多協(xié)議（HTTP、Flash XMLSocekt、WebSocket）接入困難問題，設計了一個多模融合即時消息服務，使各業(yè)務系統(tǒng)以統(tǒng)一的接口接入各渠道及各協(xié)議，同時可以不在修改業(yè)務系統(tǒng)的前提下接入新的渠道及協(xié)議。實踐運行表明，本系統(tǒng)具有良好的易用性和可擴展性，已在多個業(yè)務系統(tǒng)推廣使用。

關鍵詞：IM;網(wǎng)絡即時通信;即時消息服務

中圖分類號：TP393? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）12-0035-03

開放科學（資源服務）標識碼（OSID）：

隨著移動互聯(lián)網(wǎng)的發(fā)展，用戶利用手機、電腦上網(wǎng)的時間越來越多，以“社區(qū)（Community）” “內(nèi)容（Contenet）”“商務（Commerce）”為主要特征的網(wǎng)絡即時通信IM（Instant Messenger），越來越受到用戶的重視。網(wǎng)絡即時通信使得用戶的溝通更加方便、快捷，使用戶真正有了天涯若比鄰的“地球村”的感覺。

用戶可通過瀏覽器（IE、Chrome、Firefox、Safari、Edge）、Windows桌面軟件、Linux桌面軟件、MAC桌面軟件、安卓App、蘋果App等不同的渠道訪問業(yè)務系統(tǒng)。由于歷史原因，各渠道實現(xiàn)網(wǎng)絡即時通訊的技術(shù)差異較大，如Chrome、Firefox、Safari、Edge等較新的瀏覽器支持HTML5標準中的WebSocket，可通過WebSocket實現(xiàn)網(wǎng)絡即時通訊。較老版本的IE瀏覽器只能通過輪詢方式或Flash XMLSocekt實現(xiàn)即時通訊。而Windows桌面軟件、Linux桌面軟件、MAC桌面軟件、安卓App、蘋果App等需要通過Socket實現(xiàn)網(wǎng)絡即時通訊。如果業(yè)務系統(tǒng)負責每一個渠道的網(wǎng)絡即時通訊接入，無疑會導致業(yè)務系統(tǒng)過于復雜，不利于不同業(yè)務系統(tǒng)之間代碼共享，同時增加新的協(xié)議接入時，會破壞原有的業(yè)務系統(tǒng)。

基于以上的問題，本文提出了一種多模融合技術(shù)的即時通訊解決方案，建立一個多模融合即時消息服務，接收不同渠道的客戶端連接，并從連接當中取出一定數(shù)量的字符，與各對應的協(xié)議報文頭進行字符匹配，從而識別連接渠道客戶端所使用的協(xié)議，并按協(xié)議格式解析報文數(shù)據(jù)。再通過統(tǒng)一的協(xié)議與業(yè)務系統(tǒng)進行通訊，并將解析出的數(shù)據(jù)傳遞給業(yè)務系統(tǒng)進行處理，并可將業(yè)務系統(tǒng)返回的結(jié)果推送給各渠道的客戶端。通過多模融合即時消息服務可實現(xiàn)與業(yè)務系統(tǒng)的統(tǒng)一通訊，即使增加新的渠道客戶端協(xié)議，只用修改多模融合即時消息服務，實現(xiàn)了業(yè)務與即時消息能力的解耦。當連接海量用戶時，只需部署多套模融合即時消息服務即可。

1 主要內(nèi)容

基于EPOLL技術(shù)實現(xiàn)高性能的多模融合即時消息服務，通過此服務，可以實現(xiàn)不同渠道不同協(xié)議的接入，并為后臺業(yè)務系統(tǒng)提供統(tǒng)一的接口。可以降低業(yè)務系統(tǒng)代碼的復雜度，并可實現(xiàn)不同業(yè)務系統(tǒng)即時消息的功能復用。

本解決方案的內(nèi)容主要分為以下幾個方面：

1）協(xié)議識別器：通過關鍵字符的匹配，識別出當前渠道客戶端所采用的協(xié)議，為后續(xù)的數(shù)據(jù)處理和結(jié)果返回提供必要的信息，本設計可自動識別出HTTP、Flash XMLSocekt、WebSocket等協(xié)議。

2）協(xié)議解碼器：實現(xiàn)HTTP、Flash XMLSocekt、WebSocket等協(xié)議的解碼器，從傳輸協(xié)議里面解析出數(shù)據(jù)報文供下一步處理。

3）協(xié)議編碼器：實現(xiàn)HTTP、Flash XMLSocekt、WebSocket等協(xié)議的編碼器，將業(yè)務系統(tǒng)或心跳包等模塊返回的結(jié)果數(shù)據(jù)按相應的協(xié)議封裝并返回給渠道客戶端。

4）多模融合框架：開發(fā)統(tǒng)一的多模融合框架，進行服務端口監(jiān)聽并處理網(wǎng)絡事件（采用EPOLL實現(xiàn)高性能網(wǎng)絡事件處理）。同時提供統(tǒng)一的接口，可支持不同的協(xié)議識別器、協(xié)議解碼器、協(xié)議編碼器接入多模融合框架。

5）心跳檢測：通過定時向渠道客戶端和業(yè)務系統(tǒng)發(fā)送心跳包，可剔除已經(jīng)異常斷開的連接，保證連接的有效性。

6）開放SDK：向業(yè)務系統(tǒng)和渠道客戶端提供建立連接、獲取數(shù)據(jù)、發(fā)送數(shù)據(jù)、斷開連接等接口。

2 總體架構(gòu)設計

渠道客戶端集成開放SDK，向多模融合即時消息服務發(fā)起連接請求并攜帶報文數(shù)據(jù)。多模融合即時消息服務的多模融合框架收到報文后調(diào)用協(xié)議識別器，識別出渠道客戶端所使用協(xié)議。將協(xié)議報文傳給相應的解碼器進行解碼，解碼出的數(shù)據(jù)通過多模融合框架傳輸給業(yè)務系統(tǒng)并接收業(yè)務系統(tǒng)返回的數(shù)據(jù)，經(jīng)過協(xié)議編碼器編碼后將數(shù)據(jù)返回給渠道客戶端。同時多模融合即時消息服務通過心跳檢測模塊檢測，定時向渠道客戶端和業(yè)務系統(tǒng)發(fā)送心跳包以檢測其是否存活。

3 各模塊詳細設計

3.1 多模融合框架設計

多模融合即時消息服務在啟動時調(diào)用多模融合框架進行初始化。多模融合框架讀取配置文件，并監(jiān)聽配置文件配置的網(wǎng)絡端口，再通過EPOLL事件驅(qū)動機制實現(xiàn)與渠道客戶端及業(yè)務系統(tǒng)的網(wǎng)絡通訊。同時初始化一個哈希表，用于協(xié)議解碼器和協(xié)議編碼器的注冊，以便識別出協(xié)議后可以快速查找到解碼器和編碼器并對網(wǎng)絡報文進行編碼和解碼，編解碼器需一一對應，一個解碼器只對應且必須對應一個編碼器。

3.1.1 EPOLL事件驅(qū)動機制

EPOLL是Linux提供的高性能網(wǎng)絡事件驅(qū)動機制，可以使應用程序支持海量的用戶接入。EPOLL是在SELECT事件驅(qū)動機制上發(fā)展而來，SELECT事件驅(qū)動機制需程序每次將所有待監(jiān)聽的SOCKET傳入內(nèi)核，內(nèi)核在某一SOCKET出現(xiàn)讀、寫、關閉等事件時，再將事件返回給應用程序，應用程序再通過遍歷所有SOCKET來判斷是否發(fā)生相關的事件。應用程序每一輪處理，都要向內(nèi)核傳遞所有SOCKET，同時發(fā)生事件時要遍歷所有的SOCKET，性能較低。而EPOLL則當有新的SOCKET時才告知內(nèi)核需監(jiān)聽此SOCKET，同時有讀、寫、關閉等事件時內(nèi)核只會將發(fā)生事件的SOCKET通知應用程序，從而減少內(nèi)核與應用程序的數(shù)據(jù)交換及SOCKET的遍歷，支持海量用戶接入[1]。

3.1.2 哈希表

哈希表是一種數(shù)據(jù)結(jié)構(gòu)，存儲KEY-VALUE值。通過哈希函數(shù)將KEY值映射成長整型的HASHCODE，將此HASHCODE作為VALUE值存儲的位置（數(shù)組索引），當不同KEY值映射到同一個存儲位置時，通過雙向鏈表來存儲VALUE值。只要哈希函數(shù)合理，在KEY值分布較稀疏的情況下，哈希表有較好的查詢性能（O（1）的時間復雜度），通過哈希函數(shù)可以一次定位到對應的VALUE值[5]。

3.2 協(xié)議識別器設計

協(xié)議識別器是多模融合即時消息服務核心組件，只有準確識別出渠道客戶端所使用的協(xié)議，才能進行下一步處理。協(xié)議識別器在有渠道客戶端進行連接并接收第一個報文數(shù)據(jù)時，通過分析報文頭部數(shù)據(jù)的關鍵字符并根據(jù)核心邏輯識別出對應的協(xié)議，并解析報文頭的數(shù)據(jù)（如HTTP頭部）與當前渠道客戶端連接進行關聯(lián)，為下一步處理做好充分準備。下表列出了識別HTTP、Flash XMLSocekt、WebSocket三種不同協(xié)議報文頭部關鍵字符和核心邏輯。

3.3 解碼器和編碼器設計

解碼器和編碼器需一一對應，即一個解碼器只對應且必須對應一個編碼器，因此解碼器和編碼器應在一起設計。解碼器其核心內(nèi)容根據(jù)協(xié)議格式解碼出實際傳輸?shù)臄?shù)據(jù)供業(yè)務系統(tǒng)使用，編碼器的作用主要是將業(yè)務系統(tǒng)返回結(jié)果按協(xié)議格式進行封裝并返回給渠道客戶端。

3.3.1 HTTP解碼器/編碼器設計

HTTP解碼器/編碼器基于HTTP協(xié)議[3]進行了擴展，改變HTTP協(xié)議的一問一答形式，雙方均可以隨時通過HTTP請求或響應報文發(fā)送數(shù)據(jù)給對方。渠道客戶端發(fā)送信息時使用HTTP請求報文（解碼器），多模融合即時消息服務返回消息時使用HTTP響應報文（編碼器）。

1）解碼器報文

請求行：發(fā)送post請求并指明使用http1.1版本。

請求頭部：第二行至第六行攜帶相應的頭部，如標注報文長度等。

空行：請求頭部和請求數(shù)據(jù)之間的間隙。

請求數(shù)據(jù)：即時通訊攜帶的報文數(shù)據(jù)。

2）編碼器報文

狀態(tài)行：指明HTTP協(xié)議版本號及狀態(tài)碼、狀態(tài)消息，如上例中HTTP版本為1.1，狀態(tài)碼為200，狀態(tài)消息為（ok）。

消息報頭：攜帶客戶端要使用的一些附加信息。

空行：消息報頭與響應正文后面的空行是必須的。

響應正文：服務器返回給客戶端的文本信息，空行后面的html部分為響應正文。

3.3.2 Flash XMLSocekt解碼器/編碼器設計

Flash XMLSocekt在建立連接后第一個數(shù)據(jù)報文發(fā)送前，需進行沙箱和安全策略認證。具體為Flash建立連接后發(fā)送一個字符串，內(nèi)容為 ""（多模融合即時消息服務通過此字段識別Flash XMLSocekt協(xié)議），并等待返回安全策略XML。多模融合即時消息服務解析出此連接前幾個字符是后返回 字符后，認證通過，即可進行正常的數(shù)據(jù)報文通訊[2]。

在通過沙箱和安全策略認證后，每一個請求報文首先發(fā)送兩個字節(jié)的報文長度，接下來的字節(jié)即為報文數(shù)據(jù)，具體報文格式由各業(yè)務系統(tǒng)自行定義（解碼器和編碼器發(fā)送的數(shù)據(jù)報文格式完全一致，只是發(fā)送的方向不一樣）。下圖為有兩個數(shù)據(jù)報文的示例：

3.3.3 WebSocekt解碼器/編碼器設計

按照RFC標準，WebSocket的建立需要借助于HTTP，其流程為：渠道客戶端發(fā)一個HTTP GET請求（這個請求只包含一些頭部）攜帶升級為WebSocket的頭部[4]標識到服務端，服務端確認后，渠道客戶端與服務端就可以按WebSocket消息幀（WebSocekt解碼器和編碼器均按此消息幀格式封裝通信）進行通信。

3.4 心跳檢測設計

多模融合即時消息服務定時向渠道客戶端和業(yè)務系統(tǒng)發(fā)送心跳包報文，如果規(guī)定的時間內(nèi)（可通過配置文件配置）收到渠道客戶端或業(yè)務系統(tǒng)的回復報文，則認為連接正常，否則從連接信息清單里剔除無效的連接。具體做法為當渠道客戶端或業(yè)務系統(tǒng)建立連接成功后，多模融合即時消息服務為每一個渠道客戶端或業(yè)務系統(tǒng)建立連接信息，并初始化一個字段最后讀寫時間為當前時間，在后續(xù)收到或發(fā)送數(shù)據(jù)時均更新最后讀寫時間字段。同時多模融合即時消息服務建立系統(tǒng)定時任務，每隔5秒鐘遍歷一次連接信息，當某一個連接最后讀寫時間超過一定的時長后，則發(fā)送心跳包報文。

3.5 開放SDK設計

開放SDK主要功能是為渠道客戶端和業(yè)務系統(tǒng)提供接入多模融合即時消息服務并進行相關接口功能API的調(diào)用。為渠道客戶端主要提供C、JAVA、JavaScript、Flash等不同語言版本。為業(yè)務系統(tǒng)主要提供C、JAVA等不同語言版本。主要接口清單如下：

1）連接建立：與多模融合即時消息服務進行連接，需輸入?yún)?shù)業(yè)務系統(tǒng)標識、渠道客戶端ID、服務URL，輸出結(jié)果為連接是否成功、當前連接TOKEN、連接結(jié)果描述。

2）發(fā)送數(shù)據(jù)：通過多模融合即時消息服務向業(yè)務系統(tǒng)或另一個渠道客戶端發(fā)送數(shù)據(jù)，需要輸入對端標識（業(yè)務系統(tǒng)標識或連接TOKEN）、數(shù)據(jù)（JSON字符串），輸出結(jié)果為是否發(fā)送成功。

3）接收數(shù)據(jù)：通過回調(diào)方法的行式向渠道客戶端返回接收到的JSON字符串，具體JSON里面的字段按業(yè)務需要進行定制。

4）斷開連接：斷開與多模融合即時消息服務的連接，需輸入的參數(shù)為當前連接TOKEN，輸出結(jié)果為空。斷開連接后此連接將釋放不可用。

4 結(jié)語

本文主要針對網(wǎng)絡即時通信的多渠道（不同瀏覽器、不同客戶端）、多協(xié)議（HTTP、Flash XMLSocekt、WebSocket）的統(tǒng)一接入進行分析和設計。采用EPOLL事件驅(qū)動機制實現(xiàn)高性能網(wǎng)絡即時通信，同時基于哈希表的數(shù)據(jù)結(jié)構(gòu)實現(xiàn)了不同協(xié)議的解碼器及解碼器的接入，保證平臺的松耦合性、高可靠性和后期可維護性。本文針對目前網(wǎng)絡即時通信的痛點（多渠道、多協(xié)議接入工作量大，耗時長）進行了分析，并且這些痛點在本設計的系統(tǒng)中得到了有效的解決與改善?，F(xiàn)階段基本上達到了設計目標，實現(xiàn)了多模融合即時消息服務的主要內(nèi)容。同時本系統(tǒng)在實時性、可用性、易用性等方面都達到了良好的效果，在一定程度上解決了各業(yè)務系統(tǒng)接入即時通信的工作量大，耗時長，等諸多痛點。本系統(tǒng)可以較為明顯地為各業(yè)務系統(tǒng)進行服務，節(jié)省開發(fā)人員的時間和精力，可以在一定程度上推動網(wǎng)絡即時通信的變革。

參考文獻：

[1] WarrenW Gay.實戰(zhàn)Linux Socket 編程[M].詹俊鵠，譯.西安：西安電子科技大學出版社，2002.

[2] [加拿大]班得遜.Adobe Flex 3高級編程[M].北京：清華大學出版社，2011.

[3] David Gourley，Brian Totty.HTTP權(quán)威指南[M].陳涓，趙振平，譯.北京：人民郵電出版社，2012.

[4] 齊華，李佳，劉軍.基于Websocket的消息實時推送設計與實現(xiàn)[J].微處理機，2016，37（3）：36-39，43.

[5] 嚴蔚敏，吳偉民.數(shù)據(jù)結(jié)構(gòu)[M].北京：清華大學出版社，1997.

【通聯(lián)編輯：張薇】