大家工作生活中可能经常使用微信、钉钉、微博这样的软件，作为技术开发的你有没有想过它们后端的技术架构是如何做的？

IM核心功能

一般来说，钉钉和微信后端主要就是一个IM的即时通讯软件，再加上很多周边功能，我们先来看下IM这块的核心功能包含哪些模块：

0）用户：系统的使用者。

1）消息：是指用户之间的沟通内容（通常在IM系统中，消息会有以下几类：文本消息、表情消息、图片消息、视频消息、文件消息等等）。

2）会话：通常指两个用户之间因聊天而建立起的关联。

3）群：通常指多个用户之间因聊天而建立起的关联。

4）终端：指用户使用IM系统的机器（通常有Android端、iOS端、Web端等等）。

5）未读数：指用户还没读的消息数量。

6）用户状态：指用户当前是在线、离线还是挂起等状态。

7）关系链：是指用户与用户之间的关系，通常有单向的好友关系、双向的好友关系、关注关系等等（这里需要注意与会话的区别：用户只有在发起聊天时才产生会话，但关系并不需要聊天才能建立。对于关系链的存储，可以使用图数据库（Neo4j等等），可以很自然地表达现实世界中的关系，易于建模）。

8）单聊：一对一聊天。

9）群聊：多人聊天。

10）客服：在电商领域，通常需要对用户提供售前咨询、售后咨询等服务（这时，就需要引入客服来处理用户的咨询）。

11）消息分流：在电商领域，一个店铺通常会有多个客服，此时决定用户的咨询由哪个客服来处理就是消息分流（通常消息分流会根据一系列规则来确定消息会分流给哪个客服，例如客服是否在线（客服不在线的话需要重新分流给另一个客服）、该消息是售前咨询还是售后咨询、当前客服的繁忙程度等等）。

12）信箱：本文的信箱我们指一个Timeline、一个收发消息的队列。

读扩散 vs 写扩散

IM系统里经常会涉及到读扩散和写扩散这两个技术概念，我们来看看。

读扩散

读扩散也称为“拉模式”，这应该是最符合我们认知直觉的一种技术实现方式。

原理如下图：

如上图所示：每一个内容发布者都有一个自己的发件箱（“我发布的内容”），每当我们发出一个新帖子，都存入自己的发件箱中。当我们的粉丝来阅读时，系统首先需要拿到粉丝关注的所有人，然后遍历所有发布者的发件箱，取出他们所发布的帖子，然后依据发布时间排序，展示给阅读者。

这种设计：阅读者读一次消息流，后台会扩散为N次读操作（N等于关注的人数）以及一次聚合操作，因此称为读扩散。每次读消息流相当于去关注者的收件箱主动拉取帖子，因此也得名——拉模式。

这种模式：

1）好处是：底层存储简单，没有空间浪费。

2）坏处是：每次读操作会非常重，操作非常多。

设想一下：如果我关注的人数非常多，遍历一遍我所关注的所有人，并且再聚合一下，这个系统开销会非常大，时延上可能达到无法忍受的地步。

因此：读扩散主要适用系统中阅读者关注的人没那么多，并且刷消息流并不频繁的场景。

拉模式还有一个比较大的缺点：就是分页不方便，我们刷微博或朋友圈，肯定是随着大拇指在屏幕不断划动，内容一页一页的从后台拉取。如果不做其他优化，只采用实时聚合的方式，下滑到比较靠后的页码时会非常麻烦。

写扩散

据统计：大多数消息流产品的读写比大概在100:1，也就是说大部分情况都是刷消息流看别人发的朋友圈和微博，只有很少情况是自己亲自发一条朋友圈或微博给别人看。

因此：读扩散那种很重的读逻辑并不适合大多数场景。

我们宁愿让发帖的过程复杂一些，也不愿影响用户读消息流的体验，因此稍微改造一下前面方案就有了写扩散。写扩散也称为“推模式”，这种模式会对拉模式的一些缺点做改进。

原理如下图：

如上图所示：系统中每个用户除了有发件箱，也会有自己的收件箱。当发布者发表一篇帖子的时候，除了往自己发件箱记录一下之外，还会遍历发布者的所有粉丝，往这些粉丝的收件箱也投放一份相同内容。这样阅读者来读消息流时，直接从自己的收件箱读取即可。

这种设计：每次发表帖子，都会扩散为M次写操作（M等于自己的粉丝数），因此成为写扩散。每篇帖子都会主动推送到所有粉丝的收件箱，因此也得名推模式。

这种模式可想而知：发一篇帖子，背后会涉及到很多次的写操作。通常为了发帖人的用户体验，当发布的帖子写到自己发件箱时，就可以返回发布成功。后台另外起一个异步任务，不慌不忙地往粉丝收件箱投递帖子即可。

写扩散的好处在于通过数据冗余（一篇帖子会被存储M份副本），提升了阅读者的用户体验。通常适当的数据冗余不是什么问题，但是到了微博明星这里，完全行不通。比如目前微博粉丝量Top2的谢娜与何炅，两个人微博粉丝过亿。

设想一下：如果单纯采用推模式，那每次谢娜何炅发一条微博，微博后台都要地震一次。一篇微博导致后台上亿次写操作，这显然是不可行的。

另外：由于写扩散是异步操作，写得太慢会导致帖子发出去半天，有些粉丝依然没能看见，这种体验也不太好。

通常写扩散适用于好友量不大的情况，比如微信朋友圈正是写扩散模式。每一名微信用户的好友上限为5000人，也就是说你发一条朋友圈最多也就扩散到5000次写操作，如果异步任务性能好一些，完全没有问题。

那对于上面说的超级大V到底是采用读扩散还是写扩散了，其实都不是，在业界还有另一种读写混合模式。

亿级架构核心点

由于概念比较多，一篇文章是不可能全部描述清楚的，还有像钉钉、微信与微博这种亿级海量用户的系统架构实现其实有很多难点，随便给你说几个，看下你自己是否知道！

1、亿级用户同时在线聊天如何保证高并发聊天消息正常推送

2、公众号千万级粉丝大V发文章如何让粉丝高效收取

3、高并发聊天系统如何保证发送的消息不乱序

4、微信钉钉后端海量离线消息如何高效存储与获取

5、高并发聊天系统如何保证发送的消息不丢失

6、单聊与群聊数据收发机制用读扩散还是写扩散

7、如何设计微博上亿粉丝大V消息收发架构

8、微信后端PB级海量历史聊天消息数据如何存储

9、应该如何架构微信春晚抢红包高并发系统

10、微信钉钉后端如何保证消息收发核心链路高可用

11、微信钉钉的群聊为什么要设置人数上限

12、如何架构微信后端百万在线直播互动系统

13、如何设计微信钉钉后端系统的缓存架构抗高并发

14、微信朋友圈日均千亿访问量背后会有哪些技术挑战

看完懵了么？再继续看下图，给大家写了一套亿级钉钉微信后端IM架构核心（1.0）的图，感觉怎么样？

学完将收获

1、深入到源码级别，带你彻底理解Netty高并发高性能的架构设计思想

2、通过企业级实战IM项目，帮你掌握类似钉钉微信这种亿级用户架构项目的核心设计

3、 在简历上增加精通NIO模型与高性能框架Netty的底层原理与项目实战一项

4、在金九银十的面试中，能够很好地应对关于NIO与Netty的面试问题

2021最新版大厂面试真题集