【融雲分析】 IM 即時通訊之鏈路保活

眾所周知，IM 即時通訊是一項對即時性要求非常高的技術，而保障訊息即時到達的首要條件就是鏈路存活。那麼在複雜的網路環境和國內安卓手機被深度定製化的條件下，如何保障鏈路存活呢？本文詳解了融雲安卓端 SDK 在基於 TCP 協議實現鏈路保活方面的探索和經驗。

IM 系統整體框架

如上圖所示，為了保障鏈路存活，一套成熟的 IM 系統一般會包含訊息鏈路和推送鏈路兩條長連線通道。當有新訊息到達時，訊息服務首先會判斷訊息鏈路是否存活，如果訊息鏈路處於存活狀態，訊息優先從訊息鏈路下發到客戶端，否則會被路由到推送伺服器，由推送鏈路下發。

綜上所述，鏈路保活涉及到訊息鏈路和推送鏈路兩條鏈路的保活策略。基於這兩條鏈路使用場景的不同，保活策略上除了心跳機制是相同的，其它保活策略各有不同。下面將詳細講解。

鏈路保活的必要性

基於 TCP 的 Socket 連線建立之後，如果不做任何處理，這個連線會長時間存在並且可用嗎？答案是否定的。原因有兩點：

一、預設 Socket 連線無法及時探測到鏈路的異常情況，即使將 Socket 的屬性引數 keepAlive 設定為 true 仍然無法及時獲取到鏈路存活狀態。這是因為 Socket 的連線狀態是由一個狀態機進行維護的，連線完畢後，雙方都會處於建立狀態。假如某臺伺服器因為某些原因導致負載超高，無法及時響應業務請求，這時 TCP 探測到的仍然是連線狀態，而實際上此鏈路已經不可用了。

二、國內運營商的 NAT 超時機制會把一定時間內沒有資料互動的連線斷開，這個時間可能只有幾分鐘，遠無法滿足我們的長連線需求。

通用保活機制 - 心跳機制

基於以上原因，要維持 Socket 連線長時間存活，就需要實現自己的保活機制。最通用的一種保活機制就是心跳機制。即客戶端每隔一段時間給伺服器傳送一個很小的資料包，根據能否收到伺服器的響應來判斷鏈路的可用性。為了節省流量，這個包一般非常小，甚至沒有內容。

那麼客戶端如何實現定時傳送心跳包呢？一般有兩種方式：

一種是透過 Java 裡的 Timer 來實現。最基本的步驟如下：

1、建立一個要執行的任務TimerTask。

2、建立一個Timer例項，透過Timer提供的schedule()方法，將 TimerTask 加入到定時器Timer 中，設定每隔一段時間執行 TimerTask , 在 TimerTask 裡傳送心跳包。這種方式實現起來較簡單，而且省電，不需要持有 WakeLock 。缺點也很明顯，長時間在後臺，程式被回收或者系統休眠後， Timer 機制隨之失效。

另外一種方式是利用安卓系統的定時工作管理員 AlarmManager 迴圈執行傳送心跳包的任務。這種方式不會因為系統休眠而失效，系統休眠後仍然可以透過 WakeLock 喚醒，執行心跳任務，因此相對 Timer 機制，這種方式比較費電，使用的時候一定要注意如下幾點：

首先根據需求合理使用 AlarmManager 的鬧鐘引數。鬧鐘各引數的區別參考下表：

其次 AlarmManager 提供了 cancel() 方法，在設定新的定時任務前，透過 cancel() 方法取消系統裡設定的同型別任務，避免設定冗餘任務。

最後，安卓從 6.0 版本引入了 Doze 模式，並提供了新的鬧鐘設定方法 setExactAndAllowWhileIdle()，透過該方法設定的鬧鐘時間，系統會智慧排程，將各個應用設定的事務統一在一次喚醒中處理，以達到省電的目的。推薦在安卓 6.0 以上系統中，優先使用該方法。

訊息鏈路保活機制

訊息鏈路作為收發訊息的主要通道，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時，能及時探測並啟動重連等保障機制。基於以上特性，訊息鏈路除了前面所說的心跳機制外，還另外維護了兩套鏈路最佳化機制：複合連線機制和重連機制。

複合連線機制的基本步驟如下：

1. 客戶端連線導航伺服器，導航伺服器會下發應用對應的配置資訊，其中包括連線伺服器的地址列表。

2. 客戶端從第一個伺服器地址嘗試連線，並啟動超時機制，如果連線失敗或沒有及時收到服務響應, 則繼續嘗試連線下一個直到成功連線，將成功連線的地址儲存到本地，作為最優地址，後面連線時優先使用此地址。透過這種機制，能保障客戶端優先選用最優鏈路，縮短連線時間。

重連機制，則是指業務層在檢測到與伺服器的連線斷開後，嘗試 N 次重新連線伺服器，首次斷開 1 秒後會重新連線，如果仍然連線不成功，會在 2 秒後（重連間隔時間為上次重連間隔時間乘 2 ）嘗試重新連線伺服器，以此類推當嘗試重連 N 次後，仍然連不上伺服器將不再嘗試重新連線，只有在網路情況發生變化或重新開啟應用時才會再次嘗試重連。

推送鏈路保活機制

推送鏈路作為訊息到達的補充手段，要求儘可能延長在後臺的存活時間。即使被殺後，仍然能被再次喚醒。iOS 手機有 APNS 來達到以上效果，但安卓的官方推送系統 FCM 在國內基本不可用。那在國內安卓系統上如何保障推送到達呢？首先我們們需要先了解下安卓系統上程式管理的兩大機制：

一種是 LMK 機制，英文是 Low Memory Killer, 基於 Linux 的記憶體管理機制衍生而來。主要是透過程式的 oom_adj 值來判定程式的重要程度，從而決定是否回收這些程式。oom_adj 的值越低，代表重要度越高，比如 native 程式，framework 層啟動的系統程式，優先順序一般都為負數。其次是前臺可見程式，系統也不會回收。然而可見程式退到後臺後， oom_adj 的值會立即升高，在系統定時清理時被殺。

另外一種機制是安卓原生的許可權管理機制（AppOps），各大廠家在此基礎上又進行了深度定製化，比如小米的安全中心，華為的手機管家等，都用來進行許可權管理。該許可權管理機制執行在安卓系統的框架層，上層各應用的程式如果想嘗試重新啟動，系統首先會去許可權管理中心檢查該程式有沒有自啟動許可權，如果有，才准予啟動。否則，從框架層直接限制系統的啟動。

基於以上兩種機制，推送鏈路的保活也可分為兩大類，

一 程式保活。它的思路是根據 LMK 機制提高程式優先順序，降低被殺的機率。主要有以下幾種方法：

監聽黑屏事件，啟動 1 畫素透明 Activity ，使應用程式轉為可視程式，降低被殺機率。在螢幕亮時，關閉該 Activity。

雙服務守護。A 服務以 startForeground() 形式啟動，傳送一個通知，B 服務同樣以 startForeground() 形式啟動，且傳送和 A 相同 ID 的通知，然後在 B 服務裡呼叫 stopForeground() 方法，取消通知。這樣 A 服務就會以前臺程式的形式存活，且不影響使用者感知。

根據檔案鎖互斥原理，監視 Java 程式存活狀態，若被殺，Linux 層成功持有檔案，則透過 exec() 命令，開啟一個純 Linux 的可執行檔案，開啟一個 Daemon 程式, 該程式因為從 Linux 層啟動，在安卓 5.0 之前，優先順序會比較高，不會被殺。在安卓 5.0 之後，該方式不再有效。

二 程式拉活的策略和安卓系統的 AppOps 機制有關，一般有如下幾種：

一、利用 Service 本身的 Sticky 屬性，在 Service 的 onStartCommand() 中返回START_STICKY，這樣當 Service 被殺掉後，系統會自動嘗試重啟。不過在國內定製化的系統上，這種方式能成功重啟的機率很低，需要使用者在許可權管理中心開啟自啟動等許可權，才能成功拉活。

二、也就是前面講過的心跳機制，不過這裡要求使用 AlarmManager 設定 ELAPSED_REALTIME_WAKEUP 屬性的鬧鐘，在系統休眠後，才會正常接受到心跳事件，從而將程式拉活。

三、透過監聽網路切換，使用者行為等事件，拉起程式。

四、應用間互相拉活。比如系統裡有好幾個應用整合了同一個 SDK , 那麼在使用者啟動其中某一個 App 的時候，SDK 會去掃描其它應用，把"兄弟姐妹" 拉活。這種方式對使用者體驗傷害非常大，會造成系統莫名其妙的耗電。

隨著安卓系統版本的迭代，對後臺程式的啟動管控越來越嚴。為了解決推送的問題，各手機廠家推出了自己的系統級推送服務。由廠家在 Framework 層統一維護一條推送通道，上層所有應用共同使用該推送鏈路，不需要再維護單獨程式。當前支援系統級推送的廠家有：小米、華為、魅族、vivo、OPPO,這種系統級別的推送省電，省記憶體，到達率高。應用可以根據手機型號的不同，優先使用廠家系統級別的推送，再配合自身的保活機制，最大程度保障推送的到達率。

整合第三方系統級推送之後，整個訊息的收發流程可以參考下圖: