IM 系統(tǒng)整體框架
如上圖所示，為了保障鏈路存活，一套成熟的 IM 系統(tǒng)一般會(huì)包含消息鏈路和推送鏈路兩條長(zhǎng)連接通道。當(dāng)有新消息到達(dá)時(shí)，消息服務(wù)首先會(huì)判斷消息鏈路是否存活，如果消息鏈路處于存活狀態(tài)，消息優(yōu)先從消息鏈路下發(fā)到客戶(hù)端，否則會(huì)被路由到推送服務(wù)器，由推送鏈路下發(fā)。
綜上所述，鏈路�；钌婕暗较㈡溌泛屯扑玩溌穬蓷l鏈路的保活策略。基于這兩條鏈路使用場(chǎng)景的不同，�；畈呗陨铣诵奶鴻C(jī)制是相同的，其它�；畈呗愿饔胁煌�。下文將逐一解讀。
鏈路保活的必要性
基于 TCP 的 Socket 連接建立之后，如果不做任何處理，這個(gè)連接會(huì)長(zhǎng)時(shí)間存在并且可用嗎？答案是否定的。原因有兩點(diǎn)：
一、默認(rèn)Socket 連接無(wú)法及時(shí)探測(cè)到鏈路的異常情況，即使將 Socket 的屬性參數(shù) KeepAlive 設(shè)置為 True 仍然無(wú)法及時(shí)獲取到鏈路存活狀態(tài)。這是因?yàn)?Socket 的連接狀態(tài)是由一個(gè)狀態(tài)機(jī)進(jìn)行維護(hù)的，連接完畢后，雙方都會(huì)處于建立狀態(tài)。假如某臺(tái)服務(wù)器因?yàn)槟承┰驅(qū)е仑?fù)載超高，無(wú)法及時(shí)響應(yīng)業(yè)務(wù)請(qǐng)求，這時(shí) TCP 探測(cè)到的仍然是連接狀態(tài)，而實(shí)際上此鏈路已經(jīng)不可用了。
二、國(guó)內(nèi)運(yùn)營(yíng)商的 NAT 超時(shí)機(jī)制會(huì)把一定時(shí)間內(nèi)沒(méi)有數(shù)據(jù)交互的連接斷開(kāi)，這個(gè)時(shí)間可能只有幾分鐘，遠(yuǎn)無(wú)法滿(mǎn)足我們的長(zhǎng)連接需求。
通用�；顧C(jī)制-心跳機(jī)制
基于以上原因，要維持 Socket 連接長(zhǎng)時(shí)間存活，就需要實(shí)現(xiàn)自己的保活機(jī)制。最通用的一種保活機(jī)制就是心跳機(jī)制。即客戶(hù)端每隔一段時(shí)間給服務(wù)器發(fā)送一個(gè)很小的數(shù)據(jù)包，根據(jù)能否收到服務(wù)器的響應(yīng)來(lái)判斷鏈路的可用性。為了節(jié)省流量，這個(gè)包一般非常小，甚至沒(méi)有內(nèi)容。
那么客戶(hù)端如何實(shí)現(xiàn)定時(shí)發(fā)送心跳包呢？一般有兩種方式：
一種是通過(guò) Java 里的 Timer 來(lái)實(shí)現(xiàn)。最基本的步驟如下：
- 建立一個(gè)要執(zhí)行的任務(wù) TimerTask 。
- 創(chuàng)建一個(gè) Timer 實(shí)例，通過(guò) Timer 提供的 schedule（） 方法，將 TimerTask 加入到定時(shí)器 Timer 中，設(shè)置每隔一段時(shí)間執(zhí)行 TimerTask , 在 TimerTask 里發(fā)送心跳包。這種方式實(shí)現(xiàn)起來(lái)較簡(jiǎn)單，而且省電，不需要持有 WakeLock 。缺點(diǎn)也很明顯，長(zhǎng)時(shí)間在后臺(tái)，進(jìn)程被回收或者系統(tǒng)休眠后， Timer 機(jī)制隨之失效。
另外一種方式是利用安卓系統(tǒng)的定時(shí)任務(wù)管理器 AlarmManager 循環(huán)執(zhí)行發(fā)送心跳包的任務(wù)。這種方式不會(huì)因?yàn)橄到y(tǒng)休眠而失效，系統(tǒng)休眠后仍然可以通過(guò) WakeLock 喚醒，執(zhí)行心跳任務(wù)，因此相對(duì) Timer 機(jī)制，這種方式比較費(fèi)電，使用的時(shí)候一定要注意如下幾點(diǎn)：
- 首先根據(jù)需求合理使用 AlarmManager 的鬧鐘參數(shù)。鬧鐘各參數(shù)的區(qū)別參考下表：
- 其次 AlarmManager 提供了 cancel（） 方法，在設(shè)置新的定時(shí)任務(wù)前，通過(guò) cancel（） 方法取消系統(tǒng)里設(shè)置的同類(lèi)型任務(wù)，避免設(shè)置冗余任務(wù)。
- 最后，安卓從 6.0 版本引入了 Doze 模式，并提供了新的鬧鐘設(shè)置方法 setExactAndAllowWhileIdle（） ，通過(guò)該方法設(shè)置的鬧鐘時(shí)間，系統(tǒng)會(huì)智能調(diào)度，將各個(gè)應(yīng)用設(shè)置的事務(wù)統(tǒng)一在一次喚醒中處理，以達(dá)到省電的目的。推薦在安卓 6.0 以上系統(tǒng)中，優(yōu)先使用該方法。
消息鏈路�；顧C(jī)制
消息鏈路作為收發(fā)消息的主要通道，需要最大程度保障鏈路的可用性。在鏈路不可用或者異常斷開(kāi)時(shí)，能及時(shí)探測(cè)并啟動(dòng)重連等保障機(jī)制。基于以上特性，消息鏈路除了前面所說(shuō)的心跳機(jī)制外，還另外維護(hù)了兩套鏈路優(yōu)化機(jī)制：復(fù)合連接機(jī)制和重連機(jī)制。
復(fù)合連接機(jī)制的基本步驟如下：
- 客戶(hù)端連接導(dǎo)航服務(wù)器，導(dǎo)航服務(wù)器會(huì)下發(fā)應(yīng)用對(duì)應(yīng)的配置信息，其中包括連接服務(wù)器的地址列表。
- 客戶(hù)端從第一個(gè)服務(wù)器地址嘗試連接，并啟動(dòng)超時(shí)機(jī)制，如果連接失敗或沒(méi)有及時(shí)收到服務(wù)響應(yīng)， 則繼續(xù)嘗試連接下一個(gè)直到成功連接，將成功連接的地址保存到本地，作為最優(yōu)地址，后面連接時(shí)優(yōu)先使用此地址。通過(guò)這種機(jī)制，能保障客戶(hù)端優(yōu)先選用最優(yōu)鏈路，縮短連接時(shí)間。
重連機(jī)制，則是指業(yè)務(wù)層在檢測(cè)到與服務(wù)器的連接斷開(kāi)后，嘗試 N 次重新連接服務(wù)器，首次斷開(kāi) 1 秒后會(huì)重新連接，如果仍然連接不成功，會(huì)在 2 秒后（重連間隔時(shí)間為上次重連間隔時(shí)間乘 2 ）嘗試重新連接服務(wù)器，以此類(lèi)推當(dāng)嘗試重連 N 次后，仍然連不上服務(wù)器將不再?lài)L試重新連接，只有在網(wǎng)絡(luò)情況發(fā)生變化或重新打開(kāi)應(yīng)用時(shí)才會(huì)再次嘗試重連。
推送鏈路�；顧C(jī)制
推送鏈路作為消息到達(dá)的補(bǔ)充手段，要求盡可能延長(zhǎng)在后臺(tái)的存活時(shí)間。即使被殺后，仍然能被再次喚醒。 iOS 手機(jī)有 APNS 來(lái)達(dá)到以上效果，但安卓的官方推送系統(tǒng) FCM 在國(guó)內(nèi)基本不可用。那在國(guó)內(nèi)安卓系統(tǒng)上如何保障推送到達(dá)呢？首先咱們需要先了解下安卓系統(tǒng)上進(jìn)程管理的兩大機(jī)制：
一種是 LMK 機(jī)制，英文是 Low Memory Killer , 基于 Linux 的內(nèi)存管理機(jī)制衍生而來(lái)。主要是通過(guò)進(jìn)程的 oom_adj 值來(lái)判定進(jìn)程的重要程度，從而決定是否回收這些進(jìn)程。 oom_adj 的值越低，代表重要度越高，比如 native 進(jìn)程， framework 層啟動(dòng)的系統(tǒng)進(jìn)程，優(yōu)先級(jí)一般都為負(fù)數(shù)。其次是前臺(tái)可見(jiàn)進(jìn)程，系統(tǒng)也不會(huì)回收。然而可見(jiàn)進(jìn)程退到后臺(tái)后， oom_adj 的值會(huì)立即升高，在系統(tǒng)定時(shí)清理時(shí)被殺。
另外一種機(jī)制是安卓原生的權(quán)限管理機(jī)制（ AppOps ），各大廠家在此基礎(chǔ)上又進(jìn)行了深度定制化，比如小米的安全中心，華為的手機(jī)管家等，都用來(lái)進(jìn)行權(quán)限管理。該權(quán)限管理機(jī)制運(yùn)行在安卓系統(tǒng)的框架層，上層各應(yīng)用的進(jìn)程如果想嘗試重新啟動(dòng)，系統(tǒng)首先會(huì)去權(quán)限管理中心檢查該進(jìn)程有沒(méi)有自啟動(dòng)權(quán)限，如果有，才準(zhǔn)予啟動(dòng)。否則，從框架層直接限制系統(tǒng)的啟動(dòng)。
基于以上兩種機(jī)制，推送鏈路的�；钜部煞譃閮纱箢�(lèi)：
一、進(jìn)程�；�。它的思路是根據(jù) LMK 機(jī)制提高進(jìn)程優(yōu)先級(jí)，降低被殺的幾率。主要有以下幾種方法：
- 監(jiān)聽(tīng)黑屏事件，啟動(dòng) 1 像素透明 Activity ，使應(yīng)用進(jìn)程轉(zhuǎn)為可視進(jìn)程，降低被殺概率。在屏幕亮?xí)r，關(guān)閉該 Activity 。
- 雙服務(wù)守護(hù)。 A 服務(wù)以 startForeground（） 形式啟動(dòng)，發(fā)送一個(gè)通知， B 服務(wù)同樣以 startForeground（） 形式啟動(dòng)，且發(fā)送和 A 相同 ID 的通知，然后在 B 服務(wù)里調(diào)用 stopForeground（） 方法，取消通知。這樣 A 服務(wù)就會(huì)以前臺(tái)進(jìn)程的形式存活，且不影響用戶(hù)感知。
- 根據(jù)文件鎖互斥原理，監(jiān)視 Java 進(jìn)程存活狀態(tài)，若被殺， Linux 層成功持有文件，則通過(guò) exec（） 命令，打開(kāi)一個(gè)純 Linux 的可執(zhí)行文件，開(kāi)啟一個(gè) Daemon 進(jìn)程， 該進(jìn)程因?yàn)閺?Linux 層啟動(dòng)，在安卓 5.0 之前，優(yōu)先級(jí)會(huì)比較高，不會(huì)被殺。在安卓 5.0 之后，該方式不再有效。
二、進(jìn)程拉活的策略和安卓系統(tǒng)的 AppOps 機(jī)制有關(guān)，一般有如下幾種：
- 利用 Service 本身的 Sticky 屬性，在 Service 的 onStartCommand（） 中返回 START_STICKY ，這樣當(dāng) Service 被殺掉后，系統(tǒng)會(huì)自動(dòng)嘗試重啟。不過(guò)在國(guó)內(nèi)定制化的系統(tǒng)上，這種方式能成功重啟的幾率很低，需要用戶(hù)在權(quán)限管理中心打開(kāi)自啟動(dòng)等權(quán)限，才能成功拉活。
- 也就是前面講過(guò)的心跳機(jī)制，不過(guò)這里要求使用 AlarmManager 設(shè)置 ELAPSED_REALTIME_WAKEUP 屬性的鬧鐘，在系統(tǒng)休眠后，才會(huì)正常接受到心跳事件，從而將進(jìn)程拉活。
- 通過(guò)監(jiān)聽(tīng)網(wǎng)絡(luò)切換，用戶(hù)行為等事件，拉起進(jìn)程。
- 應(yīng)用間互相拉活。比如系統(tǒng)里有好幾個(gè)應(yīng)用集成了同一個(gè) SDK , 那么在用戶(hù)啟動(dòng)其中某一個(gè) App 的時(shí)候， SDK 會(huì)去掃描其它應(yīng)用，把“兄弟姐妹” 拉活。這種方式對(duì)用戶(hù)體驗(yàn)傷害非常大，會(huì)造成系統(tǒng)莫名其妙的耗電。
這種系統(tǒng)級(jí)別的推送省電，省內(nèi)存，到達(dá)率高。應(yīng)用可以根據(jù)手機(jī)型號(hào)的不同，優(yōu)先使用廠家系統(tǒng)級(jí)別的推送，再配合自身的保活機(jī)制，最大程度保障推送的到達(dá)率。
