IM群聊消息如此复杂，如何保证不丢不重？

1、前言

群聊已经成为主流IM软件的基本功能，不管是QQ群、还是微信群，一个群友在群内发了一条消息，那么对于IM服务器来说需要保证：

• 在线的群友能第一时间收到消息；
• 离线的群友能在登陆后收到消息。
  

由于“消息风暴扩散系数”的存在（概念详见《IM单聊和群聊中的在线状态同步应该用“推”还是“拉”？》），群消息的复杂度要远高于一对一的单聊消息。群消息的实时性、可达性、离线消息是今天将要讨论的核心话题。

2、IM开发干货系列文章

本文是系列文章中的第5篇，总目录如下：

• 《IM消息送达保证机制实现(一)：保证在线实时消息的可靠投递》
• 《IM消息送达保证机制实现(二)：保证离线消息的可靠投递》
• 《如何保证IM实时消息的“时序性”与“一致性”？》
• 《IM单聊和群聊中的在线状态同步应该用“推”还是“拉”？》
• 《IM群聊消息如此复杂，如何保证不丢不重？》（本文）
• 《一种Android端IM智能心跳算法的设计与实现探讨（含样例代码）》
• 《移动端IM登录时拉取数据如何作到省流量？》
• 《通俗易懂：基于集群的移动端IM接入层负载均衡方案分享》
• 《浅谈移动端IM的多点登陆和消息漫游原理》
• 《IM开发基础知识补课(一)：正确理解前置HTTP SSO单点登陆接口的原理》
• 《IM开发基础知识补课(二)：如何设计大量图片文件的服务端存储架构？》
• 《IM开发基础知识补课(三)：快速理解服务端数据库读写分离原理及实践建议》
• 《IM开发基础知识补课(四)：正确理解HTTP短连接中的Cookie、Session和Token》
• 《IM群聊消息的已读回执功能该怎么实现？》
• 《IM群聊消息究竟是存1份(即扩散读)还是存多份(即扩散写)？》
• 《IM开发基础知识补课(五)：通俗易懂，正确理解并用好MQ消息队列》
• 《一个低成本确保IM消息时序的方法探讨》
• 《IM开发基础知识补课(六)：数据库用NoSQL还是SQL？读这篇就够了！》
• 《IM里“附近的人”功能实现原理是什么？如何高效率地实现它？》
• 《IM开发基础知识补课(七)：主流移动端账号登录方式的原理及设计思路》
• 《IM开发基础知识补课(八)：史上最通俗，彻底搞懂字符乱码问题的本质》
• 《IM的扫码登功能如何实现？一文搞懂主流应用的扫码登陆技术原理》
• 《IM要做手机扫码登陆？先看看微信的扫码登录功能技术原理》
• 《IM开发基础知识补课(九)：想开发IM集群？先搞懂什么是RPC！》
• 《IM开发实战干货：我是如何解决大量离线聊天消息导致客户端卡顿的》
• 《IM开发干货分享：如何优雅的实现大量离线消息的可靠投递》
  

更多群聊技术文章：

• 《IM群聊消息究竟是存1份(即扩散读)还是存多份(即扩散写)？》
• 《IM群聊消息的已读回执功能该怎么实现？》
• 《关于IM即时通讯群聊消息的乱序问题讨论》
• 《现代IM系统中聊天消息的同步和存储方案探讨》
• 《移动端IM中大规模群消息的推送如何保证效率、实时性？》
• 《微信后台团队：微信后台异步消息队列的优化升级实践分享》
• 《IM群聊消息如此复杂，如何保证不丢不重？》
• 《IM单聊和群聊中的在线状态同步应该用“推”还是“拉”？》
• 《如何保证IM实时消息的“时序性”与“一致性”？》
• 《快速裂变：见证微信强大后台架构从0到1的演进历程（一）》
• 《一套高可用、易伸缩、高并发的IM群聊架构方案设计实践》
  

另外，如果您是IM开发初学者，强烈建议首先阅读《新手入门一篇就够：从零开发移动端IM》。

3、常见的群消息流程

开始讲群消息投递流程之前，先介绍两个群业务的核心数据结构：

群成员表：用来描述一个群里有多少成员
t_group_users(group_id, user_id)
群离线消息表：用来描述一个群成员的离线消息
t_offine_msgs(user_id, group_id, sender_id,time, msg_id, msg_detail)

业务场景举例：

• 1）一个群中有x,A,B,C,D共5个成员，成员x发了一个消息；
• 2）成员A与B在线，期望实时收到消息；
• 3）成员C与D离线，期望未来拉取到离线消息。
  

系统架构简介：

• 1）客户端：x,A,B,C,D共5个客户端用户；
• 2）服务端：
    2.1）所有模块与服务抽象为server；
    2.2）所有用户在线状态抽象存储在高可用cache里；
    2.3）所有数据信息，例如群成员、群离线消息抽象存储在db里。
  

典型群消息投递流程，如上图步骤1-4所述：

• 步骤1：群消息发送者x向server发出群消息；
• 步骤2：server去db中查询群中有多少用户(x,A,B,C,D)；
• 步骤3：server去cache中查询这些用户的在线状态；
• 步骤4：对于群中在线的用户A与B，群消息server进行实时推送；
• 步骤5：对于群中离线的用户C与D，群消息server进行离线存储。
  

典型的群离线消息拉取流程，如上图步骤1-3所述：

• 步骤1：离线消息拉取者C向server拉取群离线消息；
• 步骤2：server从db中拉取离线消息并返回群用户C；
• 步骤3：server从db中删除群用户C的群离线消息。
  

存在的问题：
上述流程是最容易想，也最容易理解的，存在的问题也最显而易见：对于同一份群消息的内容，多个离线用户存储了很多份。假设群中有200个用户离线，离线消息则冗余了200份，这极大的增加了数据库的存储压力。

4、群消息优化1：减少存储量

为了减少离线消息的冗余度，增加一个群消息表，用来存储所有群消息的内容，离线消息表只存储用户的群离线消息msg_id，就能大大的降低数据库的冗余存储量，思路如下。

群消息表：用来存储一个群中所有的消息内容
t_group_msgs(group_id, sender_id, time,msg_id, msg_detail)
群离线消息表：优化后只存储msg_id
t_offine_msgs(user_id, group_id, msg_id)

这样优化后，群在线消息发送就做了一些修改：

• 步骤3：每次发送在线群消息之前，要先存储群消息的内容；
• 步骤6：每次存储离线消息时，只存储msg_id，而不用为每个用户存储msg_detail。
  

拉取离线消息时也做了响应的修改：

• 步骤1：先拉取所有的离线消息msg_id；
• 步骤3：再根据msg_id拉取msg_detail；
• 步骤5：删除离线msg_id。
  

存在的问题（如同单对单消息的发送一样）：

• 1）在线消息的投递可能出现消息丢失，例如服务器重启，路由器丢包，客户端crash；
• 2）离线消息的拉取也可能出现消息丢失，原因同上。
  

需要和单对单消息的可靠投递一样，加入应用层的ACK，才能保证群消息一定到达。

5、群消息优化2：应用层ACK

应用层ACK优化后，群在线消息发送又发生了一些变化：

• 步骤3：在消息msg_detail存储到群消息表后，不管用户是否在线，都先将msg_id存储到离线消息表里；
• 步骤6：在线的用户A和B收到群消息后，需要增加一个应用层ACK，来标识消息到达；
• 步骤7：在线的用户A和B在应用层ACK后，将他们的离线消息msg_id删除掉。
  

对应到群离线消息的拉取也一样：

• 步骤1：先拉取msg_id；
• 步骤3：再拉取msg_detail；
• 步骤5：最后应用层ACK；
• 步骤6：server收到应用层ACK才能删除离线消息表里的msg_id。
  

存在的问题：

• 1）如果拉取了消息，却没来得及应用层ACK，会收到重复的消息么？
    答案是肯定的，不过可以在客户端去重，对于重复的msg_id，对用户不展现，从而不影响用户体验
• 2）对于离线的每一条消息，虽然只存储了msg_id，但是每个用户的每一条离线消息都将在数据库中保存一条记录，有没有办法减少离线消息的记录数呢？
  

6、群消息优化3：离线消息表

其实，对于一个群用户，在ta登出后的离线期间内，肯定是所有的群消息都没有收到的，完全不用对所有的每一条离线消息存储一个离线msg_id，而只需要存储最近一条拉取到的离线消息的time（或者msg_id），下次登录时拉取在那之后的所有群消息即可，而完全没有必要存储每个人未拉取到的离线消息msg_id。

群成员表：用来描述一个群里有多少成员，以及每个成员最后一条ack的群消息的msg_id（或者time）
t_group_users(group_id, user_id, last_ack_msg_id(last_ack_msg_time))
群消息表：用来存储一个群中所有的消息内容，不变
t_group_msgs(group_id, sender_id, time,msg_id, msg_detail)
群离线消息表：不再需要了

离线消息表优化后，群在线消息的投递流程：

• 步骤3：在消息msg_detail存储到群消息表后，不再需要操作离线消息表（优化前需要将msg_id插入离线消息表）；
• 步骤7：在线的用户A和B在应用层ACK后，将last_ack_msg_id更新即可（优化前需要将msg_id从离线消息表删除）。
  

群离线消息的拉取流程也类似：

• 步骤1：拉取离线消息；
• 步骤3：ACK离线消息；
• 步骤4：更新last_ack_msg_id。
  

存在的问题：
由于“消息风暴扩散系数”的存在，假设1个群有500个用户，“每条”群消息都会变为500个应用层ACK，将对服务器造成巨大的冲击，有没有办法减少ACK请求量呢？

7、群消息优化4：批量ACK

由于“消息风暴扩散系数”的存在，如果每条群消息都ACK，会给服务器造成巨大的冲击，为了减少ACK请求量，很容易想到的方法是批量ACK。

批量ACK的方式又有两种：

• 1）每收到N条群消息ACK一次，这样请求量就降低为原来的1/N了；
• 2）每隔时间间隔T进行一次群消息ACK，也能达到类似的效果。
  

新的问题：批量ACK有可能导致：还没有来得及ACK群消息，用户就退出了，这样下次登录会拉取到重复的离线消息。
解决方案：msg_id去重，不对用户展现，保证良好的用户体验。

还可能存在的问题：群离线消息过多：拉取过慢。
解决方案：分页拉取（按需拉取）,分页拉取的细节在《IM消息送达保证机制实现(下篇)：保证离线消息的可靠投递》一章中有详细叙述，此处不再展开。

8、本文小结

群消息还是非常有意思的，可达性、实时性、离线消息、消息风暴扩散等等等等，做个总结：

• 1）不管是群在线消息，还是群离线消息，应用层的ACK是可达性的保障；
• 2）群消息只存一份，不用为每个用户存储离线群msg_id，只需存储一个最近ack的群消息id/time；
• 3）为了减少消息风暴，可以批量ACK；
• 4）如果收到重复消息，需要msg_id去重，让用户无感知；
• 5）离线消息过多，可以分页拉取（按需拉取）优化。
  

（原文链接：点此进入）

虽然一开始就想到了最后的步骤，不过一步一步跟着思路走还是能弥补自己的思维局限

请问怎么计算未读数呢？

引用：某非著名程序 发表于 2021-03-14 19:10
看了好几遍，我是客户端开发者。有一个疑问
群消息存储一个列表，那个客户端拉取到了那条消息，客户端本身 ...

服务端存的话，要是你客户端卸载过，再次安装时就能精确加载增量的离线消息，否则就麻烦了

看了好几遍，我是客户端开发者。有一个疑问
群消息存储一个列表，那个客户端拉取到了那条消息，客户端本身是知道的。服务端是不是就不需要存储time（或者msg_id）?

群聊缓存消息，怎么触发去删除呢？

引用：JackJiang 发表于 2019-09-23 20:19
对于服务端来说，这种异常的ACK，应该有个容错的逻辑

@JackJiang    容错的逻辑能给个具体的思路吗? 另外,这个容错的机制是不是放在客户端判断比较好?

引用：eng 发表于 2019-09-23 16:52
@JackJiang   不是,我不担心4和6拉取重复; 我担心按msg_id > 5 拉取群离线消息,没有拉取到msg_id=4的这条 ...

对于服务端来说，这种异常的ACK，应该有个容错的逻辑

引用：JackJiang 发表于 2019-09-23 14:51
你是在担心：实际上4、6已被收到的情况下，如果服务端再存4、6离线的话，下次拉取就会存在4、6在接收者那 ...

@JackJiang   不是,我不担心4和6拉取重复; 我担心按msg_id > 5 拉取群离线消息,没有拉取到msg_id=4的这条消息

引用：eng 发表于 2019-09-23 13:33
@JackJiang

接收者在线收到了msg_id=4,5,6的这三条,  但msg_id=4和msg_id=6的ACK没有成功, 那msg_id= ...

你是在担心：实际上4、6已被收到的情况下，如果服务端再存4、6离线的话，下次拉取就会存在4、6在接收者那边重复的情况吗？

引用：JackJiang 发表于 2019-09-23 13:08
你这说的好乱，你直接说，接收者已经在线收到了哪几条，离线了哪几条

@JackJiang

接收者在线收到了msg_id=4,5,6的这三条,  但msg_id=4和msg_id=6的ACK没有成功, 那msg_id=4的这条怎么离线拉取出来?

引用：eng 发表于 2019-09-23 12:53
@JackJiang
如果按msg_id或者时间戳拉取群聊离线消息,遇到以下这种情况怎么处理,求指导.
客户端在线分 ...

你这说的好乱，你直接说，接收者已经在线收到了哪几条，离线了哪几条

引用：JackJiang 发表于 2019-04-19 21:36

@JackJiang
如果按msg_id或者时间戳拉取群聊离线消息,遇到以下这种情况怎么处理,求指导.
客户端在线分别收到msg_id为4,5,6的三条在线推送消息,客户端ACK时,msg_id为4和6的消息,ACK未被服务端收到;
客户端再次登录后,按msg_id拉取离线消息,只能拉取5和6,4必然丢失; 按时间戳也存在类似的问题,怎么办呢?

引用：jituijiaqiezi 发表于 2019-06-18 16:02
如果只有last_ack_msg_id,如果用户登录了去拉取数据，客户端还没返回拉取的ack，聊天通道就新发送了消息， ...

qq的设计原则是万有一失，方案没有完美的，能把异常控制在可接受范围内，也算是一种折中啦

如果只有last_ack_msg_id,如果用户登录了去拉取数据，客户端还没返回拉取的ack，聊天通道就新发送了消息，服务端收到在线的ack,那么这时候如果更新last_ack_msg_id，就可能出错了，这个问题怎么解决呢

引用：郑柳青 发表于 2019-04-19 12:15
其实不太想写评论，因为还没消化后提出好问题或者更好的解决方案。想把好位置给有价值的信息。 不过想想积 ...

其实不太想写评论，因为还没消化后提出好问题或者更好的解决方案。想把好位置给有价值的信息。 不过想想积极的评论也是对作者和传播者更大的鼓励。 喜欢阅读这种渐进式文章。 一步一步优化推进，已不是个人纪要，完全是教科书。赞👍

学习了，正在做相关工作。

引用：JackJiang 发表于 2019-01-02 18:23
文章里的方法，其实是目前主流移动端IM的做法，有一个好处就是：当用户的手机真正离线（也就是网络不可用 ...

是的，说的有道理，在离线情况下我这种体验确实不太好，可能用户点进去聊天界面后都是一片空白。
在网络时断时续的情况下，我倒觉得没有太大问题，因为这时就算是在线消息，也可能出现频繁发送、接收不到的坏体验，更何况离线消息了。

引用：weixiaoyao 发表于 2019-01-02 18:07
我们目前的离线思路是另一种，从业务层面弱化离线和在线的区别，群消息表内只存1条消息，send_id, group_id ...

文章里的方法，其实是目前主流移动端IM的做法，有一个好处就是：当用户的手机真正离线（也就是网络不可用的情况下——这可能是用户为了省流量或电量主动关闭的、也有可能是信号不好等等情况下）的时候，是可以完全脱机查看这些消息的。

而你的方案，在手机脱机这种场景下，其实是体验不好的，因为用户不可能及时地把所有未读消息界面都点过，或者说恰好点到这个界面的时候网络信息号好，那么此时好友或群有消息拉取体验就下降很多，而且你的方案会把这种不佳体验风险放大（在极端情况下，由于移动网络都懂或跳变的可能性很大，导致用户可能会频繁碰到这种体验问题）。

不过，没有绝对最优的方案，适合的就是最好的。