《即时消息技术剖析与实战》学习笔记8——IM系统如何保证长连接的可用性：心跳机制

假设有以下突发意外情况：

• 用户进入信号不好的地方，手机没有网络信号了
• 上网的路由器突然掉线了
  
  这个时候，比如微信发消息，消息就会转圈圈，甚至变成红色叹号……
  
  上面情况都会导致“长连接”不可用。

我们知道，为了让消息能更加实时、可靠、快速地触达到接收方，大部分 IM 系统会通过“长连接”的方式来建立收发双方的通信通道，长连接一旦建立，就一直存在，除非网络被中断。

有了这基于 TCP 长连接的通信协议，在用户上线连接时，可以在服务端维护好连接到服务器的用户设备和具体 TCP 连接的映射关系，服务端也能通过这个映射关系随时找到对应在线的用户的客户端。对于发送方来说，发送消息也能通过“长连接”通道把消息给到 IM 服务端。

一、什么是心跳机制

但长连接并不是永久可用的，当长连接在中间链路出问题时，为了不使用户感知到，应快速通知连接的两端，并重新建立新的可用连接，从而使长连接一直保持“高可用”状态，这个能够快速、不间断识别连接可用性的机制，称为“心跳机制”。

“心跳机制”会持续地往连接发送“模拟数据”，一方面是为了试探连接的可用性，另一方面也是为了保证数据的持续流通，让连接在没有真正业务数据收发的情况下，不会被中间的网络运营商以为连接没有被使用而切断连接。

二、心跳机制的优点

1. 降低服务端开销

消息之所以能够实现“服务端推送”，是因为针对每一台上线的设备，都会在 IM 服务端维护相应的 用户设备<->网络连接 这样的映射关系，除此之外，为了节省网络开销，还会在服务端临时缓存一些不用每次请求都携带的客户端信息，如 app 版本号、操作系统、网络状态等，甚至还会在服务端维护一些“用户在线状态”和“所有在线设备”这些信息，便于业务使用，这样客户端一旦建好长连接，只需要首次携带这些信息，后续请求可以不用再携带，而是使用 IM 服务端缓存的这些信息。

若没有心跳机制，当长连接异常而 IM 服务端无法感知到，会产生两种不良后果：

• 无效的长连接一直在被维护，不管是连接句柄，还是缓存大量“映射关系”、“设备状态”等信息，都会导致资源浪费；
• 向无效连接推送消息，以及后续的重试推送，都会降低服务的整体性能。

2. 支持客户端断线重连

当客户端和 IM 服务端之间的网络在中间某些环节断开，或服务器负载过高，则会出现客户端在一定的超时时间内，发出的心跳包得不到 IM 服务端响应的现象，这时客户端就可以认为和服务端的长连接不可用，自动断线重连，保持长连接的可用性。

3. 连接保活

即使用户网络和中间路由网络都正常，若一直没有数据收发，运营商就会将这个长连接清除掉，来降低自身网关的压力，这个清除动作不会被客户端和 IM 服务端感知到，为了避免被运营商干掉，客户端会在没有消息收发的空闲时间给服务端发送心跳包，使长连接存活时间更长。

三、心跳检测的方式

1. TCP Keepalive

Keepalive 并不是 TCP 协议的一部分，但大多数操作系统都实现了这个机制，操作系统默认是关闭这个特性的，需要由应用层来开启。TCP 的 keepalive 会在连接空闲期按一定的频次，自动发送不携带数据的探测报文，来探测对方是否存活。

Keepalive 默认是关闭的，开启 Keepalive 需要在 TCP 的 socket 中单独开启，操作系统层面有三个参数影响到 Keepalive 的行为：

tcp_keepalive_time 7200 // 心跳周期：距离上次传送数据多少时间未收到新报文判断为开始检测，单位秒，默认7200s
tcp_keepalive_intvl 75  // 超时时间：检测开始每多少时间发送心跳包，单位秒，默认75s
tcp_keepalive_probes 9  // 失败后重试次数：发送几次心跳包对方未响应则close连接，默认9次

优点：

• 易用性好：作为系统层 TCP/IP 协议层的已有实现，不需要其他开发工作量，上层应用只需要处理探测后的连接异常情况即可。
• 网络消耗小：心跳包不携带数据，带宽资源浪费少。

缺点：

• 心跳间隔灵活性差：一台服务器某一时间只能调整为固定间隔的心跳。
• 结果反映差：可以探测网络连接层的存活，但并不代表真正的应用层处于可用状态，即网络仍然是通的，但应用已不可用。

2. 应用层心跳

应用层心跳实际上是客户端每隔一定时间间隔，向 IM 服务端发送一个业务层的数据包告知自身存活。如果 IM 服务端在一定时间内没有收到心跳包，就认定客户端由于某种原因连接不可达了，此时就会从 IM 服务端把这个连接断开，同时清除相应分配的其他资源。

优点：

• 心跳间隔灵活性强：应用层心跳可以根据实际网络的情况，来灵活设置心跳间隔，节省网络流量。
• 结果反馈准：由于需要在应用层进行发送和接收的处理，不仅能代表网络可用，更能反映应用的可用性。

缺点：

• 额外的数据传输开销（非常小）。
• 实现逻辑根据心跳策略而定，有的实现起来略复杂。

3. 智能心跳

心跳间隔能够根据网络环境自动调整，逐步逼近 NAT 超时临界点，在保证 NAT 不超时的情况下尽量节约设备资源，常见的有二分法。但需要权衡使用。

四、小结

• 能够快速、不间断识别连接可用性的机制，称为“心跳机制”。
• 心跳机制可以降低服务端连接维护无效连接的开销，支持客户端快速识别无效连接、自动断线重连，连接保活，避免被运营商 NAT 超时断开。
• 心跳可以使用 TCP Keepalive、应用层心跳等方式来检测，前者可探测网络连接可用性，后者可探测网络和服务的可用性。