萬字長文：手把手教你實(shí)現(xiàn)一套高效的IM長連接自適應(yīng)心跳?；顧C(jī)制
本文作者“Carson”，現(xiàn)就職于騰訊公司，原題“高效?；铋L連接：手把手教你實(shí)現(xiàn)自適應(yīng)的心跳保活機(jī)制”，有較多修訂和改動。
1、引言
當(dāng)要實(shí)現(xiàn)IM即時通訊聊天、消息推送等高實(shí)時性需求時，我們一般會選擇長連接的通信方式。
而真正當(dāng)實(shí)現(xiàn)長連接方式時，會遇到很多技術(shù)問題，比如最常見的長連接保活問題。
今天，我將通過本篇文章，手把手教大家實(shí)現(xiàn)一套可自適應(yīng)的心跳?；顧C(jī)制，從而能高效穩(wěn)定地維持諸如IM聊天這類需求的長連接。
?
學(xué)習(xí)交流：
- 移動端IM開發(fā)入門文章：《新手入門一篇就夠：從零開發(fā)移動端IM》
- 開源IM框架源碼：https://github.com/JackJiang2011/MobileIMSDK?
（本文同步發(fā)布于：http://www.52im.net/thread-3908-1-1.html）
2、相關(guān)文章
《為何基于TCP協(xié)議的移動端IM仍然需要心跳保活機(jī)制？》
《一文讀懂即時通訊應(yīng)用中的網(wǎng)絡(luò)心跳包機(jī)制：作用、原理、實(shí)現(xiàn)思路等》
《一種Android端IM智能心跳算法的設(shè)計與實(shí)現(xiàn)探討（含樣例代碼）》
《自已開發(fā)IM有那么難嗎？手把手教你自擼一個Andriod版簡易IM (有源碼)》
《跟著源碼學(xué)IM(一)：手把手教你用Netty實(shí)現(xiàn)心跳機(jī)制、斷線重連機(jī)制》
《跟著源碼學(xué)IM(五)：正確理解IM長連接、心跳及重連機(jī)制，并動手實(shí)現(xiàn)》
3、什么是長連接
認(rèn)識長連接：
長連接的主要作是通過長時間保持雙方連接，從而：
1）提高通信速度；
2）確保實(shí)時性；
3）避免短時間內(nèi)重復(fù)連接所造成的信道資源和網(wǎng)絡(luò)資源的浪費(fèi)。
長連接與短連接的區(qū)別：
PS：對于IM這類的開發(fā)者而言，通常大家都把HTTP協(xié)議稱“短連接”、把直接基于TCP、UDP或WebSocket的socket稱為“長連接”。
4、導(dǎo)致長連接斷開的原因
4.1 基本概念
從上節(jié)可知，在使用長連接的情況下，雙方的所有通信都建立在1條長連接上（比如1次TCP連接）。所以，長連接需要持續(xù)保持雙方連接才可使得雙方持續(xù)通信。
然而，實(shí)際情況是，長連接會存在斷開的情況。
這些斷開原因主要是：
1）長連接所在進(jìn)程被殺死（這主要說的是移動端）；
2）NAT超時；
3）網(wǎng)絡(luò)狀態(tài)發(fā)生變化；
4）其他不可抗因素（網(wǎng)絡(luò)狀態(tài)差、DHCP的租期等等 ）。
下面，我將對每種原因進(jìn)行分析。
4.2 具體分析
1）原因1：進(jìn)程被殺死
當(dāng)進(jìn)程被殺死后，長連接也會隨之?dāng)嚅_。進(jìn)程被殺在Andriod端是最常見的問題，限于篇幅就不在此展開這個話題，有興趣可以閱讀這篇：《Android P正式版即將到來：后臺應(yīng)用?；睢⑾⑼扑偷恼嬲瑝簟?。
2）原因2：NAT 超時（重點(diǎn)關(guān)注）
NAT超時現(xiàn)象如下：
?
各運(yùn)營商和地區(qū)的NAT超時時間如下：
PS：上述數(shù)據(jù)來源于微信團(tuán)隊(duì)的《移動端IM實(shí)踐：實(shí)現(xiàn)Android版微信的智能心跳機(jī)制》一文，隨著4G、5G的普及，這些數(shù)據(jù)有可能已發(fā)生變化，請以實(shí)際測試結(jié)果為準(zhǔn)。
特別注意：排除其他外因（網(wǎng)絡(luò)切換、NAT超時、人為原因），TCP長連接在雙方都不斷開連接的情況上，本質(zhì)上是不會自動中斷的（也就是不需要心跳包來維持，可以驗(yàn)證一下：讓2臺電腦連上同1個Wifi，其中1臺做服務(wù)器, 另1臺做客戶端連接服務(wù)器（無設(shè)置KeepAlive）。只要電腦、路由器不斷網(wǎng)斷電，那么，2臺電腦的長連接是不會自動中斷的）。
Jack Jiang注：上述論述可能不太準(zhǔn)確，有新興趣的讀者可以詳讀《拔掉網(wǎng)線再插上，TCP連接還在嗎？一文即懂！》。
3）原因3：網(wǎng)絡(luò)狀態(tài)發(fā)生變化
當(dāng)移動客戶端網(wǎng)絡(luò)狀態(tài)發(fā)生變化時（如移動網(wǎng)絡(luò) & Wifi切換、斷開、重連），也會使長連接斷開。
4）原因4：其他不可抗因素
如網(wǎng)絡(luò)狀態(tài)差、DHCP的租期到期等等，都會使得長連接發(fā)生 偶然的斷開。DHCP的租期到期：對于 Android系統(tǒng)， DHCP到了租期后不會主動續(xù)約（繼續(xù)使用過期IP），從而導(dǎo)致長連接斷開。
5、高效維持長連接的解決方案
5.1 基本介紹
在了解長連接斷開原因后，針對這些原因，此處給出我的高效維持長連接的解決方案（如下圖所示）。
為此，若需有效維持長連接，則需要做到：
說得簡單點(diǎn)，高效維持長連接的關(guān)鍵在于：
1）?；睿禾幱谶B接狀態(tài)時要做到盡量不要斷；
2）重連：連接斷了之后要能繼續(xù)重連回來。
5.2 具體措施
1）措施1：進(jìn)程保活
整體概括如下：
PS：關(guān)于Android的進(jìn)程?；睿@個話題就很熱門了，感興趣可以順著下面的文章詳細(xì)讀一讀：
《應(yīng)用?；罱K極總結(jié)(一)：Android6.0以下的雙進(jìn)程守護(hù)?；顚?shí)踐》
《應(yīng)用?；罱K極總結(jié)(二)：Android6.0及以上的保活實(shí)踐(進(jìn)程防殺篇)》
《應(yīng)用?；罱K極總結(jié)(三)：Android6.0及以上的?；顚?shí)踐(被殺復(fù)活篇)》
《Android進(jìn)程?；钤斀猓阂黄恼陆鉀Q你的所有疑問》
《微信團(tuán)隊(duì)原創(chuàng)分享：Android版微信后臺?；顚?shí)戰(zhàn)分享(進(jìn)程?；钇?》
《Android P正式版即將到來：后臺應(yīng)用?；睢⑾⑼扑偷恼嬲瑝簟?/p>
《全面盤點(diǎn)當(dāng)前Android后臺?；罘桨傅恼鎸?shí)運(yùn)行效果（截止2019年前）》
《2020年了，Android后臺?；钸€有戲嗎？看我如何優(yōu)雅的實(shí)現(xiàn)！》
《史上最強(qiáng)Android保活思路：深入剖析騰訊TIM的進(jìn)程永生技術(shù)》
《Android進(jìn)程永生技術(shù)終極揭密：進(jìn)程被殺底層原理、APP應(yīng)對被殺技巧》
《Android?；顝娜腴T到放棄：乖乖引導(dǎo)用戶加白名單吧(附7大機(jī)型加白示例)》
2）措施2：心跳?；顧C(jī)制
這是本文的重點(diǎn)，下節(jié)開始會詳細(xì)解析
3）措施3：斷線重連機(jī)制
原理就是：檢測網(wǎng)絡(luò)狀態(tài)變化并及時判斷連接的有效性。
具體實(shí)現(xiàn)：這個其實(shí)跟心跳?；顧C(jī)制是一套完整的邏輯，所以下面會在心跳?；顧C(jī)制中一起講解。
6、心跳?；顧C(jī)制簡介
心跳?；顧C(jī)制的整體介紹如下：
不過，很多人容易混淆把心跳機(jī)制和傳統(tǒng)的HTTP輪詢機(jī)制搞混。
下面給出二者區(qū)別：
7、主流IM的心跳機(jī)制分析和對比
對國、內(nèi)外主流的移動IM產(chǎn)品（WhatsAPP、Line、微信）進(jìn)行了心跳機(jī)制的簡單分析和對比。
具體請看下圖：
PS：以上數(shù)據(jù)來自于微信團(tuán)隊(duì)分享的《移動端IM實(shí)踐：WhatsAPP、Line、微信的心跳策略分析》一文。
8、心跳?；顧C(jī)制方案總體設(shè)計
下面，我將根據(jù)市面上主流的心跳機(jī)制，設(shè)計了一套心跳機(jī)制方案。
心跳機(jī)制方案的基本流程：
?
對于心跳機(jī)制方案設(shè)計的主要考慮因素是：
1）要保證消息的實(shí)時性；
2）要考慮耗費(fèi)設(shè)備的資源（網(wǎng)絡(luò)流量、電量、CPU等等）。
從上圖可以看出，對于心跳機(jī)制方案設(shè)計的要點(diǎn)在于：
1）心跳包的規(guī)格（內(nèi)容 & 大?。?；
2）心跳發(fā)送的間隔時間；
3）斷線重連機(jī)制 （核心 = 如何 判斷長連接的有效性）。
在下面的方案設(shè)計中，將針對這3個問題給出詳細(xì)的解決方案。
9、心跳機(jī)制方案的詳細(xì)設(shè)計
9.1 心跳包的規(guī)格
為了減少流量并提高發(fā)送效率，需要精簡心跳包的設(shè)計。
主要從心跳包的內(nèi)容和大小入手，設(shè)計原則具體如下：
設(shè)計方案：
心跳包 = 1個攜帶少量信息 & 大小在10字節(jié)內(nèi)的信息包
9.2 心跳發(fā)送的間隔時間
為了 防止NAT超時并減少設(shè)備資源的消耗（網(wǎng)絡(luò)流量、電量、CPU等等），心跳發(fā)送的間隔時間是整個心跳機(jī)制方案設(shè)計的重點(diǎn)。
心跳發(fā)送間隔時間的設(shè)計原則如下：
?
9.3 最常用的心跳間隔方案
一般，最直接且常用的心跳發(fā)送間隔時間設(shè)置方案多采用：“每隔估計 x 分鐘發(fā)送心跳包1次”。其中，x ＜5分鐘即可（綜合主流移動IM產(chǎn)品，此處建議 x= 4分鐘）。
但是，這種方案存在一些問題：
PS：關(guān)于固定心跳間隔的方案具體實(shí)現(xiàn)，可以詳細(xì)參考：
《跟著源碼學(xué)IM(一)：手把手教你用Netty實(shí)現(xiàn)心跳機(jī)制、斷線重連機(jī)制》；
《跟著源碼學(xué)IM(五)：正確理解IM長連接、心跳及重連機(jī)制，并動手實(shí)現(xiàn)》；
《自已開發(fā)IM有那么難嗎？手把手教你自擼一個Andriod版簡易IM (有源碼)》。
9.4 自適應(yīng)心跳間隔方案
下面，我將詳細(xì)講解自適應(yīng)心跳間隔時間的設(shè)計方案。
基本邏輯：
?
該方案需要解決的有2個核心問題。
1）如何自適應(yīng)計算心跳間隔 從而使得心跳間隔 接近 當(dāng)前NAT 超時時間？
答：不斷增加心跳間隔時間進(jìn)行心跳應(yīng)答測試，直到心跳失敗5次后，即可找出最接近 當(dāng)前NAT 超時時間的心跳間隔時間。
具體請看下圖：
注：只有當(dāng)心跳間隔 接近 NAT 超時時間 時，才能最大化平衡 長連接不中斷 & 設(shè)備資源消耗最低的問題。
2）如何檢測 當(dāng)前網(wǎng)絡(luò)環(huán)境的NAT 超時時間 發(fā)生了變化 ？
答：當(dāng)前發(fā)送心跳包成功 的最大間隔時間（即最接近NAT超時時間的心跳間隔） 發(fā)送失敗5次后，則判斷當(dāng)前網(wǎng)絡(luò)環(huán)境的NAT 超時時間 發(fā)生了變化。
具體請看下圖：
注：在檢測到 NAT 超時時間 發(fā)生變化后，重新自適應(yīng)計算心跳間隔 從而使得心跳間隔 接近 NAT 超時時間
總結(jié)一下：統(tǒng)籌以上2個核心問題，總結(jié)出自適應(yīng)心跳間隔時間設(shè)計方案為下圖：
PS：關(guān)于自適應(yīng)心跳機(jī)制的設(shè)計和實(shí)現(xiàn)，可以詳細(xì)參考：
《移動端IM實(shí)踐：實(shí)現(xiàn)Android版微信的智能心跳機(jī)制》；
《一種Android端IM智能心跳算法的設(shè)計與實(shí)現(xiàn)探討（含樣例代碼）》。
10、斷線重連機(jī)制的實(shí)現(xiàn)
技術(shù)上來說：長連接的心跳?；钜蕾囉谛奶鴻C(jī)制，在心跳機(jī)制起作用的情況下，適時啟動斷線重連機(jī)制，在心跳機(jī)制和斷線重連機(jī)制的共同作用下才能實(shí)現(xiàn)真正的心跳?；睢５珵榱俗屵壿嫺逦?，我把斷線重連機(jī)制跟心跳機(jī)制單獨(dú)各作為一節(jié)來講解。本節(jié)講的是斷片線重連機(jī)制。
該機(jī)制的核心在于：如何判斷長連接的有效性。即：什么情況下視為長連接斷線？
1）設(shè)計原則：
基本邏輯就是：判斷長連接是否有效的準(zhǔn)則 = 服務(wù)器是否返回心跳應(yīng)答。
此處需要分清長連接的“存活 & 有效“狀態(tài)的區(qū)別：
?
2）具體方案：
實(shí)現(xiàn)思路：通過計數(shù)計算，若連續(xù)5次發(fā)送心跳后，服務(wù)器都無心跳應(yīng)答，則視為長連接無效。
判斷流程：
3）網(wǎng)上流傳的方案：
在網(wǎng)上流傳著一些用于判斷長連接是否有效的方案，具體介紹如下：?
至此，關(guān)于心跳?；顧C(jī)制已經(jīng)講解完畢。
11、方案小結(jié)
有必要總結(jié)一下我在上兩節(jié)分享的心跳機(jī)制和斷線重連機(jī)制，這兩個機(jī)制組成了本文的長連接心跳?；钔暾壿?。
設(shè)計方案：?
流程設(shè)計：
注：標(biāo)識 “灰色” 的判斷流程參考上文描述。
12、進(jìn)一步優(yōu)化和完善心跳?；罘桨?/h1>12.1 基本情況
上兩節(jié)中的方案依然會存在技術(shù)缺陷，從而導(dǎo)致長連接斷開（比如：長連接本身不可用（此時重連多少次也沒用））。
下面將優(yōu)化和完善上述方案，從而保證 客戶端與服務(wù)器依然保持著通信狀態(tài)。
優(yōu)化點(diǎn)主要是：
1）確保當(dāng)前網(wǎng)絡(luò)的有效性和穩(wěn)定性再開始長連接；
2）自適應(yīng)計算心跳包間隔時間的時機(jī)。
12.2 確保網(wǎng)絡(luò)的有效性和穩(wěn)定性后再開始長連接
問題描述：
?
解決方案：
加入到原有的心跳保活機(jī)制主流程：
12.3 自適應(yīng)計算心跳包間隔時間的時機(jī)
問題描述：
?
方案設(shè)計：
?
加入到到原有的心跳?；顧C(jī)制主流程：
?
12.4 小結(jié)一下
13、額外思考：TCP協(xié)議自帶的KeepAlive機(jī)制能否替代心跳機(jī)制？
很多人認(rèn)為，TCP 協(xié)議自身就有KeepAlive機(jī)制，為何基于它的通訊鏈接，仍需在應(yīng)用層實(shí)現(xiàn)額外的心跳保活機(jī)制？
結(jié)論是：無法替代；
原因是：TCP KeepAlive機(jī)制的作用是檢測連接的有無（死活），但無法檢測連接是否有效。
注：“連接有效”的定義 = 雙方具備發(fā)送 & 接收消息的能力。
先來看看KeepAlive 機(jī)制是什么：
?
KeepAlive 的機(jī)制不可替代心跳機(jī)制的具體原因如下：
?
特別注意：
1）KeepAlive 機(jī)制只是操作系統(tǒng)底層的一個被動機(jī)制，不應(yīng)該被上層應(yīng)用層使用；
2）當(dāng)系統(tǒng)關(guān)閉一個由KeepAlive 機(jī)制檢查出來的死連接時，是不會主動通知上層應(yīng)用的，只能通過調(diào)用相應(yīng)IO操作的返回值中發(fā)現(xiàn)。
小結(jié)一下就是：KeepAlive機(jī)制無法代替心跳機(jī)制，需要在應(yīng)用層 自己實(shí)現(xiàn)心跳機(jī)制以檢測長連接的有效性，從而高效維持長連接。
Jack Jiang注：關(guān)于TCP本身的KeepAlive機(jī)制，可能詳讀：
《為何基于TCP協(xié)議的移動端IM仍然需要心跳?；顧C(jī)制？》
《徹底搞懂TCP協(xié)議層的KeepAlive?；顧C(jī)制》
14、本文總結(jié)
看完本文后，相信在高效維持長連接的需求下，你可以完美地解決了！
本文方案的主體設(shè)計就是：
方案的優(yōu)化和完善內(nèi)容就是：
15、參考資料
[1]?TCP/IP詳解 卷1：協(xié)議
[2]?為何基于TCP協(xié)議的移動端IM仍然需要心跳?；顧C(jī)制？
[3]?徹底搞懂TCP協(xié)議層的KeepAlive?；顧C(jī)制
[4]?萬字長文，一篇吃透WebSocket：概念、原理、易錯常識、動手實(shí)踐
[5]?移動端IM實(shí)踐：實(shí)現(xiàn)Android版微信的智能心跳機(jī)制
[6]?移動端IM實(shí)踐：WhatsAPP、Line、微信的心跳策略分析
[7]?微信團(tuán)隊(duì)原創(chuàng)分享：Android版微信后臺保活實(shí)戰(zhàn)分享(網(wǎng)絡(luò)?；钇?
[8]?融云技術(shù)分享：融云安卓端IM產(chǎn)品的網(wǎng)絡(luò)鏈路?；罴夹g(shù)實(shí)踐
[9]?阿里IM技術(shù)分享(五)：閑魚億級IM消息系統(tǒng)的及時性優(yōu)化實(shí)踐
[10]?2020年了，Android后臺?；钸€有戲嗎？看我如何優(yōu)雅的實(shí)現(xiàn)！
（本文同步發(fā)布于：http://www.52im.net/thread-3908-1-1.html）
