从0到1实现一个直播弹幕系统
前言
直播业务现在特别火爆，也给人们的互动方式带来了很多新的改变，比如刷礼物、弹幕、排行榜等等。面对巨大的流量规模，直播技术的发展也备受关注。作为一个技术爱好者，相信你也会对直播的技术比较感兴趣，于是我去翻了几篇文章，了解了直播的技术方案，发现涉及到的技术细节太多，有部分已经是知识盲区，如音频、视频的编码传输等。
直播中弹幕是一个非常亮眼和重要的功能，相比于秒杀架构，直播弹幕系统也有很多有趣的知识可以挖掘，一起来 YY 下如何设计一个直播弹幕系统，不对的地方还请有经验的大佬指出。
直播弹幕系统
直播弹幕是一个读写 QPS 要求都很高，假设一个直播间有 100w 用户同时在线观看，假设弹幕的提交频率为有 10000条/秒，那么需要每秒同时推送给在线用户的次数为 100w * 10000。由此可见，读请求的吞吐量需要远大于写请求，这点类似于 IM 实时聊天。、
架构设计考虑以下几个场景：
- 支持直播弹幕回放
- 用户进入直播间可以推送最新几秒的弹幕数据
- 长连模式和短连模式可以做降级切换
MVP版本
为了不影响读写的性能，采用读写分离架构。
- 写服务：若不考虑历史弹幕可回放，可以直接使用 redis 作为唯一存储。若考虑支持弹幕的回放，数据还是需要持久化，可以考虑使用 MySQL 或者 TiDB，暂且认为写入不是较大的瓶颈。如果有更高性能的写需求，HBase、OpenTSDB 等都可以解决问题。
- 读服务：Redis 主要用于读缓存，缓存直播间最新的弹幕数据，采用直播间 ID 作为 Key。系统读服务最大 QPS = Redis 集群QPS。
Redis 存储结构选择：SortedSet。
- 提交弹幕：ZADD，score 设置为时间戳。进一步优化可以只存储时间的 delta 值，减少数据存储量。
- 弹幕查询：ZRANGEBYSCORE 定时轮询弹幕数据。
有什么问题？
- 系统性能与 Redis 集群容量强相关，性能提升需要扩容 Redis，成本高。
- Redis 重复请求较多，相同直播间会存在很多重复的轮询请求。
缓存优化
如果能让最新的实时弹幕数据都能命中本地缓存，那性能是最高的，同时大幅度降低了 Redis 的读取压力。所以弹幕读服务可以每秒轮询 Redis 数据，构建本地缓存。
热点问题：
- 假设同时在线的直播间有 10000 个，读服务机器有 50 台，那么每秒轮询 Redis 的 QPS = 10000 * 50 = 50w，读取请求线性膨胀。
- 本地内存的使用量也随直播间的数量增长而膨胀，每个直播间的缓存的数据量降低，导致本地缓存的命中率降低，容易导致 GC 频繁。
热点优化
如何降低本地缓存的使用量？
- 因为火爆的直播间会占据整个平台大部分的流量，可以只针对火爆的直播间开启本地缓存。
- 通过路由控制同一个直播间的请求分发到固定的几台机器，例如一致性 Hash 算法。通过减少读服务机器上的直播间数量，达到降低本地缓存使用量的目的。
上述方法可以有效地解决问题，但是不能解决流量不均衡的问题。不同直播间分配的机器资源不是拍脑袋定的，需要有理论依据， 可以根据直播间的一些数据指标进行动态分配机器资源。
- 增加对直播间数据指标的统计，如单机 QPS、集群 QPS、单机直播间在线数等。
- 关于自适应的负载均衡又是一个可以深挖的话题，在这里我们讨论几个常用的方案，有可能结合起来使用效果更好。分桶：不同 QPS 的范围段划分为不同的桶，根据桶范围的不同分配的机器数量也是不同的。最大最小公平分配：根据直播间的 QPS 划分资源需求的权重比例，根据总机器的数量和权重比例来分配机器数量。启发式算法：遗传算法、蚁群算法等。
单元化架构
单元化可以说是解决性能容量以及容灾的杀手锏。实现单元化需要完成有很多重要的工作，如数据同步 DRC、流量调度等，在此不作展开。
推荐一篇携程的 DRC 实践： 携程异地多活-MySQL实时双向（多向）复制实践
客户端长连接推送
为了保障客户端消息的推送性能和实时性，长连接基本是必备的，最新的消息可以直接采用长连接实时推送。
- Push Server 从 Redis 中获取用户和直播间的订阅关系以及长连接信息。
- 连接代理只负责与客户端保持长连接。
- 海量的消息推送需要批量压缩。
弹幕回放
增加一组专门用于回放的 Redis 集群，同时增加回放的本地缓存，其余设计与上述方案保持一致。
总结
抱着学习的心态，思考了直播弹幕系统的架构应该如何设计，本文主要讨论了以下几个点：
- 读写分离的架构设计
- 通过缓存优化读性能
- 通过路由规则解决直播间流量不均衡的热点问题
- 长连接的方案设计以及客户端的消息推送
暂时就 YY 这么多吧，做好一个系统还有需要细节需要考虑：高可用、监控、限流降级、延迟优化等。有什么错误和好的实践经验欢迎留言。
