HubuIM RFC草案
消息协议设计
基本协议
评估标准
-
【性能】协议传输效率，尽可能降低端到端的延迟，延迟高于200ms用户侧就会有所感知
-
【兼容】既要向前兼容也要向后兼容
-
【存储】减少消息包的大小，降低空间占用率，一个字节在亿级别并发之下也是一亿个字节
-
【计算】减少编解码时造成的CPU使用率的权衡
-
【网络】尽可能减少网络带宽消耗
-
【安全】协议安全性
-
【迭代】要能够快速迭代，灵活拓展
-
【通用】可跨平台接入，H5，IoT设备等等
-
【可读】
基本结构
IM协议的设计从纵向来看分为三个层次，应用层/安全层/传输层。
应用层
有很多开源协议，例如MQTT，websocket等等。但是这些协议冗余的字段比较多，在大型IM的场景下一般都是自定义协议的。
因此HubuIM采用自定义协议
序列化方式使用protobuf，这个是无可争议的。
安全层
基于密钥的生命周期可以分为
-
TLS/SSL：加密效果好，证书的管理比较复杂
-
固定加密：通信前客户端和服务端约定好密钥和加密算法（会被黑客逆向）
-
一人一密：使用用户特定的属性进行加密，例如密码
-
一次一密：这个是最安全的，创建连接建立一次会话，双方进行加密三次握手（非对称），对称加密传输。
加密消耗的是CPU资源，是CPU密集型操作。如果放到接入层或者业务逻辑层来做的话，会影响到他们的正常运行。因此应该在四层网络负载或者七层网络负载的地方去解密，内网环境默认是安全的。
因此HubuIM采用的方式是TLS3.0+网关终止。
在Nginx处就进行解密，Nginx所在的机器可以使用硬件来进行优化，例如用GPU加速，用Intel加速器等等。
那么为什么不在LVS（四层网络负载均衡器）上面去做加密解密，然后直接发到IM网关，这样可以让网络通信少跳一次。
这个问题是因为Nginx这个七层负载均衡的地方相当于是公司的一个基础架构层，是要做很多事情的，不方便去掉的。
传输层
可以使用UDP或者TCP协议。微信这种很定义的可能使用UDP+QUIC这种保证可靠性。因为UDP是无状态的传输协议，不会存储连接的状态，在弱网环境下更优，消息风暴发生的可能性更小。
UDP的话需要在应用层写大量的代码来保证可靠性，难度非常大，**因此HubuIM使用TCP协议。**弱网环境在应用层来进行优化。
总结
HubuIM协议
对于传输层使用TCP，安全层使用TLS，应用层使用自研二进制协议+开源序列化协议。
既然使用了TCP协议，那么我们面临的一个问题就是TCP的粘包，拆包问题。具体解决方法我们在后面讲解。
消息可用性
基本概念
-
长链接 vs 短链接。我们才用的是长链接和短链接共同作用，短链接作为旁路。
-
各种ID
-
connID：代表的是一个TCP链接
-
clientID：代表的是client发送给IM Server的用来标识本客户端消息发送顺序的ID，仅仅是本客户端，该ID并不代表消息的全局一致。需要有递增性质。
-
seqID：当IM Server收到clientID之后生成的会话内消息顺序一致的seqID。需要有递增性质。
-
sessionID：会话ID
-
msgID：代表的是一个消息的ID
-
-
PULL 与 PUSH 模式。PULL就是client向IM Server拉取消息，使用短链接减少TCP链接的压力。PUSH就是IM Server通过TCP长链接推送消息。
-
通信复杂度：网络传输过程中经过的节点可以说是一个性能瓶颈，不能经过太多节点。消息风暴就是网络中有太多的报文，会压垮IDC。常见于弱网环境，弱网下消息丢失严重，TCP的可靠性反而成为延迟，让网络中有大量的报文。
背景介绍
对于IM来说，消息的可靠与一致就是：可达有序，不重不漏。
有人会问：TCP已经保证一致性了，那么为什么IM还有保证一致。
其实答案很简单：TCP只能保证到内核传输层为止的可靠性，但是应用层的可靠性你是没有办法保证的。
设计IM必须有端到端的设计思维：底层可靠不等于上层可靠，底层一致不等于上层一致。
方案选型
技术挑战是什么？
-
三方通信，网络层面无法保证消息必达
-
没有全局时钟，确定唯一顺序，并且是符合因果顺序的
-
多客户发送/多服务端接收/多线程多协程处理，顺序难以确定。
解决方案是学习TCP：
-
消息及时：服务端实时接收消息并实时在线发送
-
消息可达：超时重试，ACK确认
-
消息幂等：分配seqID，服务端存储seqID
-
消息有序：seqID可以比较。
上行消息
clientID严格递增
弱网问题是传输层的问题，可以优化传输层协议，例如升级成Quic来优化，长连接不适合在弱网环境下工作。
消息转发
-
seqID在会话内有序就行，这样就可以解决redis的单点问题。
-
seqID需要在ACK之前分配，否则ACK成功发出去之后，服务器宕机了，这样seqID就等于没有分配，会出现问题。
-
如果服务端在存储消息，业务处理，接入层路由的时候失败怎么办？
-
消息存储之后再回复ACK，如果ACK失败则客户端重试时再次幂等的回复ACK。
-
一旦消息存储，如果服务崩溃导致长连接断开，客户端重新建立连接时可以发送一个pull信令，拉去历史消息进行消息补洞，保证可靠性。
-
-
消息存储可以交给MQ异步的进行。
下行消息
分配seqID的时候针对redis的单点使用lua脚本来进行一个ID的跳变。
客户端发现消息不连续的时候可能是因为消息跳变了，但是他无法确认，因此不能直接拒绝，而是发送pull信令来进行增补，如果拉去不到新消息则说明是跳变导致。
推拉结合+长短连接结合+服务端打包整流：假如是一个群聊，一下子有100M信息，我会把这些信息放在一个窗口里面，不会一个一个发送，这样的批处理可以提高效率。然后窗口大了之后服务端向客户端发送一个pull信令，让客户端发起一个请求来用短链接拉取这个窗口里面的数据。