【融云分析】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，而保障消息即時到達的首要條件就是鏈路存活。那么在復雜的網絡環境和國內安卓手機被深度定制化的條件下，如何保障鏈路存活呢？本文詳解了融云安卓端 SDK 在基于 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 系統一般會包含消息鏈路和推送鏈路兩條長連接通道。當有新消息到達時，消息服務首先會判斷消息鏈路是否存活，如果消息鏈路處于存活狀態，消息優先從消息鏈路下發到客戶端，否則會被路由到推送服務器，由推送鏈路下發。

綜上所述，鏈路保活涉及到消息鏈路和推送鏈路兩條鏈路的保活策略。基于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

基于 TCP 的 Socket 連接建立之后，如果不做任何處理，這個連接會長時間存在并且可用嗎？答案是否定的。原因有兩點：

一、默認 Socket 連接無法及時探測到鏈路的異常情況，即使將 Socket 的屬性參數 keepAlive 設置為 true 仍然無法及時獲取到鏈路存活狀態。這是因為 Socket 的連接狀態是由一個狀態機進行維護的，連接完畢后，雙方都會處于建立狀態。假如某臺服務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 探測到的仍然是連接狀態，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數據交互的連接斷開，這個時間可能只有幾分鐘，遠無法滿足我們的長連接需求。

通用保活機制 - 心跳機制

基于以上原因，要維持 Socket 連接長時間存活，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服務器發送一個很小的數據包，根據能否收到服務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。

那么客戶端如何實現定時發送心跳包呢？一般有兩種方式：

一種是通過 Java 里的 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、創建一個Timer實例，通過Timer提供的schedule()方法，將 TimerTask 加入到定時器Timer 中，設置每隔一段時間執行 TimerTask , 在 TimerTask 里發送心跳包。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，長時間在后臺，進程被回收或者系統休眠后， Timer 機制隨之失效。

另外一種方式是利用安卓系統的定時任務管理器 AlarmManager 循環執行發送心跳包的任務。這種方式不會因為系統休眠而失效，系統休眠后仍然可以通過 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 的鬧鐘參數。鬧鐘各參數的區別參考下表：

其次 AlarmManager 提供了 cancel() 方法，在設置新的定時任務前，通過 cancel() 方法取消系統里設置的同類型任務，避免設置冗余任務。

最后，安卓從 6.0 版本引入了 Doze 模式，并提供了新的鬧鐘設置方法 setExactAndAllowWhileIdle()，通過該方法設置的鬧鐘時間，系統會智能調度，將各個應用設置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。

消息鏈路保活機制

消息鏈路作為收發消息的主要通道，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時，能及時探測并啟動重連等保障機制。基于以上特性，消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優化機制：復合連接機制和重連機制。

復合連接機制的基本步驟如下：

1. 客戶端連接導航服務器，導航服務器會下發應用對應的配置信息，其中包括連接服務器的地址列表。

2. 客戶端從第一個服務器地址嘗試連接，并啟動超時機制，如果連接失敗或沒有及時收到服務響應, 則繼續嘗試連接下一個直到成功連接，將成功連接的地址保存到本地，作為最優地址，后面連接時優先使用此地址。通過這種機制，能保障客戶端優先選用最優鏈路，縮短連接時間。

重連機制，則是指業務層在檢測到與服務器的連接斷開后，嘗試 N 次重新連接服務器，首次斷開 1 秒后會重新連接，如果仍然連接不成功，會在 2 秒后（重連間隔時間為上次重連間隔時間乘 2 ）嘗試重新連接服務器，以此類推當嘗試重連 N 次后，仍然連不上服務器將不再嘗試重新連接，只有在網絡情況發生變化或重新打開應用時才會再次嘗試重連。

推送鏈路保活機制

推送鏈路作為消息到達的補充手段，要求盡可能延長在后臺的存活時間。即使被殺后，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？首先咱們需要先了解下安卓系統上進程管理的兩大機制：

一種是 LMK 機制，英文是 Low Memory Killer, 基于 Linux 的內存管理機制衍生而來。主要是通過進程的 oom_adj 值來判定進程的重要程度，從而決定是否回收這些進程。oom_adj 的值越低，代表重要度越高，比如 native 進程，framework 層啟動的系統進程，優先級一般都為負數。其次是前臺可見進程，系統也不會回收。然而可見進程退到后臺后， 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權限管理機制（AppOps），各大廠家在此基礎上又進行了深度定制化，比如小米的安全中心，華為的手機管家等，都用來進行權限管理。該權限管理機制運行在安卓系統的框架層，上層各應用的進程如果想嘗試重新啟動，系統首先會去權限管理中心檢查該進程有沒有自啟動權限，如果有，才準予啟動。否則，從框架層直接限制系統的啟動。

基于以上兩種機制，推送鏈路的保活也可分為兩大類，

一 進程保活。它的思路是根據 LMK 機制提高進程優先級，降低被殺的幾率。主要有以下幾種方法：

監聽黑屏事件，啟動 1 像素透明 Activity ，使應用進程轉為可視進程，降低被殺概率。在屏幕亮時，關閉該 Activity。

雙服務守護。A 服務以 startForeground() 形式啟動，發送一個通知，B 服務同樣以 startForeground() 形式啟動，且發送和 A 相同 ID 的通知，然后在 B 服務里調用 stopForeground() 方法，取消通知。這樣 A 服務就會以前臺進程的形式存活，且不影響用戶感知。

根據文件鎖互斥原理，監視 Java 進程存活狀態，若被殺，Linux 層成功持有文件，則通過 exec() 命令，打開一個純 Linux 的可執行文件，開啟一個 Daemon 進程, 該進程因為從 Linux 層啟動，在安卓 5.0 之前，優先級會比較高，不會被殺。在安卓 5.0 之后，該方式不再有效。

二 進程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 被殺掉后，系統會自動嘗試重啟。不過在國內定制化的系統上，這種方式能成功重啟的幾率很低，需要用戶在權限管理中心打開自啟動等權限，才能成功拉活。

二、也就是前面講過的心跳機制，不過這里要求使用 AlarmManager 設置 ELAPSED_REALTIME_WAKEUP 屬性的鬧鐘，在系統休眠后，才會正常接受到心跳事件，從而將進程拉活。

三、通過監聽網絡切換，用戶行為等事件，拉起進程。

四、應用間互相拉活。比如系統里有好幾個應用集成了同一個 SDK , 那么在用戶啟動其中某一個 App 的時候，SDK 會去掃描其它應用，把"兄弟姐妹" 拉活。這種方式對用戶體驗傷害非常大，會造成系統莫名其妙的耗電。

隨著安卓系統版本的迭代，對后臺進程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，不需要再維護單獨進程。當前支持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，省內存，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。

集成第三方系統級推送之后，整個消息的收發流程可以參考下圖: