09.7.1.3 消息推送与长连接
所属:全栈开发面试题库 / 09 高阶架构:高并发与分布式 / 09.7 场景设计题 / 09.7.1 场景设计题
09.7.1.3-001 推送系统整体架构怎么分层?
一句话结论
典型分层:客户端与网关建立长连接 → 连接网关维护会话映射 → 推送服务根据用户路由到所在网关 → 消息持久化与离线存储 → 投递后等待 ack 与重试;连接层、路由层、消息层、存储层分别扩展,离线与在线两条路径互补。
概念解释
- 连接网关:承载长连接与心跳。
- 路由层:用户标识到连接所在网关的映射。
- 消息层:投递、ack、重试、离线存储。
原理流程(链路图)
发送方 → 消息服务 → 查接收方连接路由
→ 所在网关 → 长连接推送
离线 → 消息存储 → 上线后拉取/同步
代码或图示
在线路径:消息 → 路由 → 网关 → 客户端 ack
离线路径:消息 → 存储 → 上线拉取 → 同步未读
常见误区
- 误区:推送只维持一条客户端到服务端的连接。多网关部署时必须有路由层把消息定位到连接所在节点。
- 误区:在线推送成功就结束。离线消息、未读计数、ack 缺失重试都要纳入系统闭环。
追问
- 问:哪层水平扩展最关键?答:连接网关按连接数扩展,路由层保证会话映射可查询与一致性更新。
- 问:发送方和接收方服务是同一个吗?答:可分为会话/连接服务与消息服务,职责解耦便于独立扩展。
09.7.1.3-002 WebSocket、SSE、长轮询怎么选型?
一句话结论
WebSocket 双向全双工,适合即时聊天、指令下发;SSE 服务端单向推送,适合通知、状态流且实现简单;HTTP 长轮询是兼容性兜底,适合无法建立长连接的网络环境;按双向需求、网络兼容与实现成本选择,可同时保留降级链路。
概念解释
- WebSocket:单次握手后双向帧通信。
- SSE:HTTP 持续流,服务端单向发事件。
- 长轮询:请求挂起,有消息返回后客户端再发请求。
原理流程
双向交互 → WebSocket
仅服务端通知 → SSE
旧网络/代理限制 → 长轮询兜底
代码或图示
对比维度:方向、连接开销、断线重连、代理兼容性、实现复杂度
常见误区
- 误区:所有推送场景都用 WebSocket。单向通知用 SSE 更轻,兼容性场景长轮询更稳,盲目上长连接增加维护成本。
- 误区:长连接建立后不会断。移动网络切换、代理超时都会断开,必须有重连与降级方案。
追问
- 问:WebSocket 握手依赖什么?答:HTTP Upgrade 握手,部分代理/防火墙对其支持不一,需准备降级。
- 问:SSE 能发客户端消息吗?答:不能,客户端上行仍走普通 HTTP 请求。
09.7.1.3-003 连接与用户会话怎么映射管理?
一句话结论
客户端登录后建立连接,网关上维护连接 ID 与用户标识、设备、实例的映射;路由表存用户当前在线网关与连接;连接断开更新在线状态;多端登录时同一用户可有多个设备连接,消息按设备路由或聚合分发。
概念解释
- 会话映射:用户 ↔ 连接 ↔ 网关实例。
- 多端:同一用户多设备连接集合。
- 状态:在线、离线、设备类型。
原理流程(伪代码)
连接建立 + 登录鉴权 → 注册映射(userId, device, connId, gateway)
断开 → 移除/标记离线
推送 → 按 userId 查连接集合
代码或图示
映射存储:本地连接表 + 集中路由表(Redis/内部一致性服务)
多端:userId → [device 连接列表]
常见误区
- 误区:只在网关上内存记录映射。多网关部署时其他节点不知道连接在哪,需要可共享查询的路由表。
- 误区:同一用户只允许一条连接。多端场景要管理连接集合,消息选择目标设备或全设备同步。
追问
- 问:路由表存什么?答:用户标识、网关实例、连接 ID、设备、状态与心跳时间。
- 问:登录鉴权在哪做?答:建立连接后或握手阶段校验身份令牌,未鉴权连接不进入消息路由。
09.7.1.3-004 连接网关怎么水平扩展?
一句话结论
网关无状态承载连接,实例通过负载均衡接入;连接与实例的绑定关系记入路由表;新增/摘除实例时连接迁移或重连;按单实例连接数、CPU、内存与文件描述符容量扩缩;长连接数量受单机资源约束,不能只靠加应用线程扩展。
概念解释
- 无状态网关:连接数据可集中路由。
- 负载均衡:四层/七层接入,保持会话。
- 容量边界:连接数受内存、FD、心跳开销限制。
原理流程
客户端 → LB → 网关实例集群
映射写入路由表
扩容:新实例承接新连接;缩容:旧连接优雅断开重连
代码或图示
单实例连接上限评估:内存/FD/心跳 CPU,按压测水位设定
实例数 ≈ 目标连接数 / 单实例安全连接数
常见误区
- 误区:网关加机器就能无限承载连接。单机连接占用内存与文件描述符,有明确上限,要按容量规划。
- 误区:扩缩容不处理存量连接。摘实例时存量连接需要优雅通知重连,否则集中断开风暴。
追问
- 问:LB 怎么保持长连接?答:四层转发保持 IP 会话,或七层基于连接绑定;具体能力按所用 LB 配置确认。
- 问:连接突然大量断开怎么排查?答:看网关实例资源、LB 超时配置、心跳频率与网络抖动。
09.7.1.3-005 消息怎么路由到正确的连接?
一句话结论
消息服务按接收者标识查路由表,得到在线网关与连接列表,经内部通道把消息投到对应网关,网关通过长连接下发;接收方离线则写离线存储;路由查询失败或连接不存在时回落离线路径,不把消息丢弃在内存路由中。
概念解释
- 路由查询:用户/设备 → 网关实例。
- 内部投递:服务到网关的消息通道。
- 回落:在线不可达时转离线存储。
原理流程(伪代码)
发送消息(toUser, payload)
查路由 → 在线连接列表
在线 → 内部通道投递网关 → 下发
离线/路由缺失 → 写离线消息存储
代码或图示
路由失效处理:连接已断开但路由未更新 → 投递失败转离线,触发路由校正
常见误区
- 误区:路由查询到旧实例就直接发。连接可能已迁移,投递失败必须回落离线并校正路由。
- 误区:消息只走内存队列。网关重启/宕机时内存消息丢失,持久化与离线存储兜底。
追问
- 问:内部通道用什么?答:可基于 MQ、内部 RPC 或专用通道,按消息量与时延要求选型。
- 问:多端怎么选目标设备?答:按设备在线状态、应用标识与消息类型决定推哪些设备。
09.7.1.3-006 离线消息怎么存储和同步?
一句话结论
接收方离线时消息持久化到离线/历史消息存储,记录会话、消息 ID、时间与状态;上线后按增量拉取未同步消息,补齐期间离线内容;已读/已同步位点在客户端与服务端分别记录,避免重复拉取与漏拉。
概念解释
- 离线存储:按会话与用户组织消息。
- 增量同步:上线按位点拉取未同步消息。
- 位点:客户端已同步到的消息标识/时间。
原理流程
离线 → 消息写存储(会话, msgId, ts)
上线 → 拉取位点之后的消息
客户端确认 → 更新已同步位点
代码或图示
位点记录:会话维度 lastSyncMsgId / 时间戳
重连后:拉取位点之后消息,去重合并
常见误区
- 误区:离线消息只存内存。网关宕机或用户长期离线会丢失,必须持久化。
- 误区:上线全量拉取历史消息。应按位点增量同步,控制流量与客户端开销。
追问
- 问:离线消息保留多久?答:按产品策略与存储成本设定,过期清理并记录可追溯周期。
- 问:消息存储按什么模型?答:会话维度组织,便于按会话拉取历史与未读。
09.7.1.3-007 投递怎么保证到达,ack 与重试怎么设计?
一句话结论
消息下发后等待客户端 ack;超时未 ack 按退避重试,多次尝试仍不可达则转离线存储;消息带唯一 ID,客户端去重;ack 状态分已送达、已读;重试不产生重复消息,靠消息 ID 幂等;投递状态持久化以便排查丢失。
概念解释
- ack:客户端确认收到。
- 重试:未确认消息再次投递。
- 状态:发送中、已送达、已读、离线待拉取。
原理流程(伪代码)
下发消息(msgId) → 等待 ack
超时 → 重试(退避)
超过次数 → 转离线存储
客户端按 msgId 去重合并
代码或图示
状态流转:待发送 → 已送达(ack) → 已读
失败重试 → 离线存储
常见误区
- 误区:连接写入成功就算送达。TCP 写入成功不等于客户端应用收到,需要应用层 ack 才确认。
- 误区:重试消息不带原消息 ID。客户端无法去重,重复到达造成重复展示。
追问
- 问:ack 超时多久?答:按网络与客户端场景设定,结合重试策略压测确定,不写死经验值。
- 问:已读回执要不要?答:按产品需要,已读是独立状态,不能与送达 ack 混为一谈。
09.7.1.3-008 单聊、群聊、广播的分发模型有什么区别?
一句话结论
单聊按点对点路由;群聊先确定成员集合再逐人分发或投递群会话;广播/全员通知按层级扇出,控制接收方规模与下游压力;群越大越要平衡实时性与分发成本,写扩散与读扩散按群规模选择。
概念解释
- 单聊:接收方唯一。
- 群聊:成员集合分发。
- 广播:大范围扇出,可分层、分级推送。
原理流程
单聊:路由到对方连接
小群:写扩散,逐成员投递/存离线
大群/广播:读扩散或分层分发,避免逐条放大
代码或图示
分发规模:1 → 1(单聊);1 → N(群);1 → 全量(广播)
常见误区
- 误区:群消息都按单聊模式逐人实时推。大群逐条扇出会把推送风暴放大,需要扩散策略配合。
- 误区:广播与普通消息同优先级。全员通知应独立限流与降级,避免挤占会话消息通道。
追问
- 问:群成员列表从哪来?答:群服务维护成员关系,推送时读取并缓存成员集合。
- 问:广播怎么避免打爆网关?答:分批、限速、按在线网关聚合下发,见扇出题。
09.7.1.3-009 消息顺序和去重怎么保证?
一句话结论
同一会话/用户的消息按顺序单元路由到同一处理通道,消息带序列号或版本;客户端按序列号排序去重,旧版本或重复 ID 丢弃;跨会话不保证全局顺序;乱序到达的消息等待补齐或按版本覆盖,避免旧消息覆盖新状态。
概念解释
- 顺序单元:会话/用户维度。
- 序列号:单调递增的消息序号。
- 去重:消息 ID + 序列号判断。
原理流程
会话内消息分配递增序号
同会话路由到同一通道
客户端:按序号排序,重复 ID 跳过,旧序号丢弃
代码或图示
消息字段:sessionId, seq, msgId, ts
乱序:等待缺口或按版本合并
常见误区
- 误区:推送通道天然保证顺序。多网关、重试、重连都可能导致乱序,必须序列号或版本校验。
- 误区:所有消息全局有序。只有同一会话单元内需要顺序,跨会话无序不影响体验。
追问
- 问:序列号在哪生成?答:会话维度单调递增,可由消息服务按会话分配,避免依赖墙钟。
- 问:缺口消息怎么补?答:客户端发现序号缺口时按位点拉取补齐。
09.7.1.3-010 推送峰值怎么削峰和保护下游?
一句话结论
消息进入缓冲队列按网关与下游能力匀速分发;群发/广播分批限速;热点会话单独隔离;连接网关、消息存储按峰值压测容量;峰值期间非关键通知降级延后,优先保证会话消息投递;监控积压与投递延迟。
概念解释
- 缓冲:队列削平瞬时发布峰值。
- 限速分批:大群/广播按批次下发。
- 隔离:热点与普通消息通道分离。
原理流程
发布峰值 → 消息队列缓冲
分发器按网关承载能力拉取
广播/大群分批限速
积压超阈值 → 非关键消息降级延后
代码或图示
监控:队列积压、投递 RT、网关连接数、ack 率
常见误区
- 误区:来一条推一条。突发群发会瞬间打满网关与连接通道,缓冲与分批是必要环节。
- 误区:所有消息同优先级。系统通知、营销消息应可降级,不能挤占即时会话。
追问
- 问:分发速率怎么定?答:按网关 ack 能力与存储写入水位压测设定,动态调节。
- 问:积压时用户体验怎么保?答:关键消息优先,延后消息在通道恢复后补推并提示。
09.7.1.3-011 断线重连和会话恢复怎么做?
一句话结论
客户端断连后带会话标识与同步位点重连,网关重新注册映射;上线后按位点增量同步离线期间消息;重连退避避免集中重连风暴;鉴权失效则要求重新登录;会话恢复与消息补齐流程独立于连接重建。
概念解释
- 重连:建立新连接并重新鉴权注册。
- 恢复:按位点拉取缺失消息。
- 退避:指数退避 + 抖动,防止重试风暴。
原理流程(伪代码)
断连 → 退避重连 → 鉴权 → 注册映射
上报 lastSyncSeq → 服务端补齐缺口消息
合并去重后更新位点
代码或图示
重连参数:初始间隔、倍增上限、抖动
恢复范围:位点之后的离线/未确认消息
常见误区
- 误区:重连后直接清状态。未确认消息可能仍在传输,需要位点对齐补齐,不能假设连接断开前都已送达。
- 误区:客户端失败立即固定间隔重连。大面积断连时固定重试会形成风暴,需要退避抖动。
追问
- 问:重连后重复消息怎么办?答:按消息 ID 去重,客户端合并已展示内容。
- 问:连接过期怎么识别?答:令牌过期/会话失效,重连后走登录流程,不沿用旧会话。
09.7.1.3-012 心跳和空闲连接怎么管理?
一句话结论
心跳由客户端与服务端约定周期,双向探测存活;超时无心跳判定连接失效,清理映射与资源;空闲连接定期回收;心跳间隔平衡探测灵敏度与电量/流量开销;移动端还要配合网络切换与后台状态调整心跳频率。
概念解释
- 心跳周期:保活探测间隔。
- 超时判定:连续无心跳/无数据判定离线。
- 资源回收:清理断连映射、连接对象与缓冲。
原理流程
周期心跳 → 服务端更新存活时间
超时未收到心跳/数据 → 标记离线 → 清理映射
空闲连接 → 回收资源
代码或图示
心跳配置:间隔、超时次数(以实测网络与设备耗电为准)
移动后台:降低频率或依赖系统推送通道
常见误区
- 误区:心跳越频繁越好。高频心跳增加耗电、流量与网关 CPU,应按网络环境折中。
- 误区:TCP 保活能替代应用心跳。TCP 保活探测周期长且不能识别应用层假死,应用层心跳仍需要。
追问
- 问:半开连接怎么发现?答:心跳超时 + 写入失败探测,判定失效后清理并触发离线路由。
- 问:心跳消息要走业务通道吗?答:独立控制帧处理,不占用业务消息序列。
09.7.1.3-013 移动端后台限制怎么应对?
一句话结论
移动端系统会限制后台长连接存活,应用退后台后连接可能被回收;应对方式是依赖厂商/系统推送通道下发关键通知,前台保持应用长连接;两条通道互补,离线消息在应用打开时再同步;不要假设 App 在后台始终维持长连接。
概念解释
- 后台回收:系统省电策略断开后台连接。
- 系统通道:厂商/平台推送服务直达通知栏。
- 互补:前台长连接 + 后台系统推送。
原理流程
前台:应用长连接直连推送
后台被回收:关键通知走系统推送通道
回前台:建立连接,增量同步离线消息
代码或图示
通道选择:实时会话走应用连接;后台通知走系统推送
离线消息统一在消息存储中补齐
常见误区
- 误区:App 启动后长连接一直有效。移动后台限制下连接不可靠,关键通知必须有系统通道兜底。
- 误区:系统推送能替代应用内消息同步。推送只触达通知栏,完整消息仍需上线后从存储拉取。
追问
- 问:系统推送通道要集成几家?答:按目标设备平台覆盖主流厂商通道,具体能力与配额以平台文档为准。
- 问:推送到达率怎么评估?答:分通道统计送达与点击,结合应用内同步补齐情况。
09.7.1.3-014 历史消息存储和拉取模型怎么设计?
一句话结论
消息按会话维度持久化,支持按时间/分页拉取历史;存储分层:热会话近期消息在快存储,历史归档到低成本存储;拉取按游标分页,避免一次性加载过量;未读数与会话列表单独维护,历史消息拉取不影响实时推送链路。
概念解释
- 会话存储:消息归属于会话。
- 分页游标:按消息 ID/时间翻页。
- 分层:热数据与归档分离。
原理流程
消息写入会话存储
历史拉取:游标分页 → 返回消息列表
过期历史 → 归档存储
代码或图示
拉取参数:会话 ID、游标、分页大小
返回:消息列表 + 下一页游标
常见误区
- 误区:历史消息都放同一份高性能存储。长期全量历史成本高,应分层归档。
- 误区:一次拉取全部聊天记录。分页游标控制单次数据量,避免客户端与存储压力。
追问
- 问:未读数怎么算?答:会话维度记录未读计数,已读时更新,不必遍历历史消息统计。
- 问:消息删除/撤回怎么存储?答:记录撤回状态,历史拉取时返回撤回标记而非直接抹除追溯。
09.7.1.3-015 大群扇出:写扩散和读扩散怎么取舍?
一句话结论
写扩散把消息复制到每个成员的信箱,实时性好但写放大随群规模增长;读扩散消息只存群一份,成员上线时拉取群消息,写成本低但实时性与离线拉取压力大;按群规模选择:小群写扩散,大群读扩散或混合方案,成员变更时同步调整。
概念解释
- 写扩散:每成员一份消息副本。
- 读扩散:群消息一份,成员拉取。
- 混合:核心群成员写扩散,大群读扩散。
原理流程
小群:发消息 → 复制到各成员信箱 → 实时推送
大群:发消息 → 存群会话 → 成员上线/按需拉取
代码或图示
写放大 ≈ 成员数;读压力集中在大群活跃成员
阈值按存储与推送压测确定
常见误区
- 误区:大群也写扩散。成员数大时每条消息复制 N 份,存储与写入成本失控。
- 误区:读扩散不需要离线设计。大群成员上线集中拉取会形成读压力,需分页与限流。
追问
- 问:成员进出群怎么处理?答:写扩散需补推/清理信箱副本;读扩散按群成员关系拉取,调整成本低。
- 问:消息多端同步用哪种?答:个人信箱模型偏写扩散,群历史模型偏读扩散。
09.7.1.3-016 连接状态和容量怎么监控估算?
一句话结论
监控在线连接数、网关实例负载、心跳超时率、消息积压、投递延迟、ack 率与重连频率;容量按单实例连接上限与目标在线连接数推算实例数;连接数峰值、群发峰值分别压测;容量不足时扩容网关并提前限流保护。
概念解释
- 连接指标:在线数、重连率、心跳超时。
- 投递指标:积压、RT、ack 率。
- 容量:单实例水位 → 实例规划。
原理流程(估算式)
目标连接数 / 单实例安全连接数 ≈ 网关实例数
预留冗余,按峰值连接与消息量分别压测
代码或图示
看板:在线连接、每网关负载、队列积压、投递 P99、离线同步量
常见误区
- 误区:只看消息发送量。长连接系统容量首先受连接数与网关资源约束,连接峰值可能先于消息量打满。
- 误区:压测只测在线推送。重连风暴、离线拉取、群发扇出都要纳入压测场景。
追问
- 问:单实例连接上限看什么?答:内存占用、文件描述符、心跳 CPU、网络缓冲,按实测水位取值。
- 问:重连率突增说明什么?答:网络抖动、网关摘除或心跳配置问题,需要结合连接断开日志排查。
09.7.1.3-017 推送链路有哪些降级兜底?
一句话结论
降级手段:长连接不可用时回落长轮询/系统推送通道;非关键通知延后或聚合下发;网关压力超阈值时限流新连接与广播;离线消息保证上线补齐;推送失败降级为轮询拉取;各降级开关与触发阈值提前定义并演练。
概念解释
- 通道降级:连接协议回退。
- 消息降级:非关键延后、聚合。
- 兜底:离线存储 + 上线同步保证不丢。
原理流程
长连接异常 → 客户端降级轮询/系统通道
网关过载 → 限流 + 非关键消息延后
推送失败 → 离线存储,上线补齐
代码或图示
降级开关:通道切换、广播限速、消息聚合、连接限流
常见误区
- 误区:降级就是停推。好的兜底有替代通道与离线补齐,保证消息最终可获取。
- 误区:降级阈值临时决定。触发条件、开关位置与恢复顺序要在预案中明确。
追问
- 问:系统通道和应用连接消息怎么合并?答:以消息 ID 与位点去重,两边内容对齐到统一消息存储。
- 问:降级期间未送达消息怎么办?答:标记离线待同步,通道恢复后补推,不依赖内存临时状态。
09.7.1.3-018 推送与长连接落地 checklist 包含哪些点?
一句话结论
核对:连接鉴权与会话映射、多网关路由可查询、协议选型与降级链路、在线投递与离线存储闭环、ack 重试与消息去重、会话内顺序序列号、群发/广播扇出策略、心跳与空闲回收、移动端系统通道互补、历史消息分页分层、连接与投递指标监控、峰值压测与降级预案。
概念解释
- 连接层:映射、心跳、扩展、回收。
- 消息层:路由、投递、ack、离线、顺序去重。
- 运维:容量、监控、降级、演练。
原理流程
连接建立 → 路由注册 → 消息投递
离线存储 → 上线同步 → 监控容量
故障演练:断连、重连风暴、网关宕机、推送积压
代码或图示
上线前检查:
[ ] 多端/多网关路由可定位连接
[ ] 离线消息持久化,上线增量补齐
[ ] 投递 ack + 重试 + 消息 ID 去重
[ ] 会话内顺序有序列号保障
[ ] 大群扇出策略与限流隔离
[ ] 心跳、重连退避与系统通道兜底
常见误区
- 误区: checklist 只验证正常在线推送。离线、重连、网关宕机、群发峰值、后台回收都要覆盖。
- 误区:心跳间隔、连接上限凭经验写死。以压测与设备实测为准,未确认参数标注待确认与验证点。
追问
- 问:怎么演练长连接故障?答:杀网关实例、断开网络、模拟大面积重连,观察路由校正、离线补齐与退避行为。
- 问:上线后盯什么?答:在线连接与重连率、心跳超时、积压与投递 P99、离线同步量、各通道到达率。