本文由微信開發(fā)團(tuán)隊(duì)工程師“ qiuwenchen”分享，發(fā)布于WeMobileDev公眾號(hào)，有修訂。

1、引言

全文搜索是使用倒排索引進(jìn)行搜索的一種搜索方式。倒排索引也稱為反向索引，是指對(duì)輸入的內(nèi)容中的每個(gè)Token建立一個(gè)索引，索引中保存了這個(gè)Token在內(nèi)容中的具體位置。全文搜索技術(shù)主要應(yīng)用在對(duì)大量文本內(nèi)容進(jìn)行搜索的場(chǎng)景。

微信終端涉及到大量文本搜索的業(yè)務(wù)場(chǎng)景主要包括：im聯(lián)系人、im聊天記錄、收藏的搜索。

這些功能從2014年上線至今，底層技術(shù)已多年沒有更新：

• 1）聊天記錄使用的全文搜索引擎還是SQLite FTS3，而現(xiàn)在已經(jīng)有SQLite FTS5；

• 2）收藏首頁(yè)的搜索還是使用簡(jiǎn)單的Like語(yǔ)句去匹配文本；

• 3）聯(lián)系人搜索甚至用的是內(nèi)存搜索（在內(nèi)存中遍歷所有聯(lián)系人的所有屬性進(jìn)行匹配）。

隨著用戶在微信上積累的im聊天數(shù)據(jù)越來(lái)越多，提升微信底層搜索技術(shù)的需求也越來(lái)越迫切。于是，在2021年我們對(duì)微信iOS端的全文搜索技術(shù)進(jìn)行了一次全面升級(jí)，本文主要記錄了本次技術(shù)升級(jí)過(guò)程中的技術(shù)實(shí)踐。

學(xué)習(xí)交流：

- 移動(dòng)端IM開發(fā)入門文章：《新手入門一篇就夠：從零開發(fā)移動(dòng)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-3839-1-1.html）

2、系列文章

本文是專題系列文章中的第4篇：

• 《IM全文檢索技術(shù)專題(一)：微信移動(dòng)端的全文檢索優(yōu)化之路》

• 《IM全文檢索技術(shù)專題(二)：微信移動(dòng)端的全文檢索多音字問(wèn)題解決方案》

• 《IM全文檢索技術(shù)專題(三)：網(wǎng)易云信Web端IM的聊天消息全文檢索技術(shù)實(shí)踐》

• 《IM全文檢索技術(shù)專題(四)：微信iOS端的最新全文檢索技術(shù)優(yōu)化實(shí)踐》（* 本文）

3、全文檢索引擎的選型

iOS客戶端可以使用的全文搜索引擎并不多，主要有：

• 1）SQLite三個(gè)版本的FTS組件（FTS3和4、FTS5）；

• 2）Lucene的C++實(shí)現(xiàn)版本CLucene；

• 3）?Lucene的C語(yǔ)言橋接版本Lucy。

這里給出了這些引擎在事務(wù)能力、技術(shù)風(fēng)險(xiǎn)、搜索能力、讀寫性能等方面的比較（見下圖）。

?

1）在事務(wù)能力方面：

Lucene沒有提供完整的事務(wù)能力，因?yàn)長(zhǎng)ucene使用了多文件的存儲(chǔ)結(jié)構(gòu)，它沒有保證事務(wù)的原子性。

而SQLite的FTS組件因?yàn)榈讓舆€是使用普通的表來(lái)實(shí)現(xiàn)的，可以完美繼承SQLite的事務(wù)能力。

2）在技術(shù)風(fēng)險(xiǎn)方面：

Lucene主要應(yīng)用于服務(wù)端，在客戶端沒有大規(guī)模應(yīng)用的案例，而且CLucene和Lucy自2013年后官方都停止維護(hù)了，技術(shù)風(fēng)險(xiǎn)較高。

SQLite的FTS3和FTS4組件則是屬于SQLite的舊版本引擎，官方維護(hù)不多了，而且這兩個(gè)版本都是將一個(gè)詞的索引存到一條記錄中，極端情況下有超出SQLite單條記錄最大長(zhǎng)度限制的風(fēng)險(xiǎn)。

SQLite的FTS5組件作為最新版本引擎也已經(jīng)推出超過(guò)六年了，在安卓微信上也已經(jīng)全量應(yīng)用，所以技術(shù)風(fēng)險(xiǎn)是最低的。

3）在搜索能力方面：

Lucene的發(fā)展歷史比SQLite的FTS組件長(zhǎng)很多，搜索能力相比也是最豐富的。特別是Lucene有豐富的搜索結(jié)果評(píng)分排序機(jī)制，但這個(gè)在微信客戶端沒有應(yīng)用場(chǎng)景。因?yàn)槲覀兊乃阉鹘Y(jié)果要么是按照時(shí)間排序，要么是按照一些簡(jiǎn)單的自定義規(guī)則排序。

在SQLite幾個(gè)版本的引擎中，F(xiàn)TS5的搜索語(yǔ)法更加完備嚴(yán)謹(jǐn)，提供了很多接口給用戶自定義搜索函數(shù)，所以搜索能力也相對(duì)強(qiáng)一點(diǎn)。

4）在讀寫性能方面：

下面3個(gè)圖是用不同引擎對(duì)100萬(wàn)條長(zhǎng)度為10的隨機(jī)生成中文語(yǔ)句生成Optimize狀態(tài)的索引的性能數(shù)據(jù)，其中每個(gè)語(yǔ)句的漢字出現(xiàn)頻率按照實(shí)際的漢字使用頻率。

?

?

從上面的3張圖可以看到：Lucene讀取命中數(shù)量的性能比SQLite好很多，說(shuō)明Lucene索引的文件格式很有優(yōu)勢(shì)，但是微信沒有只讀取命中數(shù)量的應(yīng)用場(chǎng)景。Lucene的其他性能數(shù)據(jù)跟SQLite的差距不明顯。SQLite FTS3和FTS5的大部分性能很接近，F(xiàn)TS5索引的生成耗時(shí)比FTS3高一截，這個(gè)有優(yōu)化方法。

綜合考慮這些因素：我們選擇SQLite FTS5作為iOS微信全文搜索的搜索引擎。

4、引擎層優(yōu)化1：實(shí)現(xiàn)FTS5的Segment自動(dòng)Merge機(jī)制

SQLite FTS5會(huì)把每個(gè)事務(wù)寫入的內(nèi)容保存成一個(gè)獨(dú)立的b樹，稱為一個(gè)segment，segment中保存了本次寫入內(nèi)容中的每個(gè)詞在本次內(nèi)容中行號(hào)（rowid）、列號(hào)和字段中的每次出現(xiàn)的位置偏移，所以這個(gè)segment就是該內(nèi)容的倒排索引。

多次寫入就會(huì)形成多個(gè)segment，查詢時(shí)就需要分別查詢這些segment再匯總結(jié)果，從而segment數(shù)量越多，查詢速度越慢。

為了減少segment的數(shù)量，SQLite FTS5引入了merge機(jī)制。新寫入的segment的level為0，merge操作可以把level為i的現(xiàn)有segment合并成一個(gè)level為i+1的新的segment。

merge的示例如下：

?

FTS5默認(rèn)的merge操作有兩種：

• 1）automerge：某一個(gè)level的segment達(dá)到4時(shí)就開始在寫入內(nèi)容時(shí)自動(dòng)執(zhí)行一部分merge操作，稱為一次automerge。每次automerge的寫入量跟本次更新的寫入量成正比，需要多次automerge才能完整合并成一個(gè)新segment。Automerge在完整生成一個(gè)新的segment前，需要多次裁剪舊的segment的已合并內(nèi)容，引入多余的寫入量；

• 2）crisismerge：本次寫入后某一個(gè)level的segment數(shù)量達(dá)到16時(shí)，一次性合并這個(gè)level的segment，稱為crisismerge。

FTS5的默認(rèn)merge操作都是在寫入時(shí)同步執(zhí)行的，會(huì)對(duì)業(yè)務(wù)邏輯造成性能影響，特別是crisismerge會(huì)偶然導(dǎo)致某一次寫入操作特別久，這會(huì)讓業(yè)務(wù)性能不可控（之前的測(cè)試中FTS5的建索引耗時(shí)較久，也主要因?yàn)镕TS5的merge操作比其他兩種引擎更加耗時(shí)）。

我們?cè)赪CDB中實(shí)現(xiàn)FTS5的segment自動(dòng)merge機(jī)制，將這些merge操作集中到一個(gè)單獨(dú)子線程執(zhí)行，并且優(yōu)化執(zhí)行參數(shù)。

具體做法如下：

• 1）監(jiān)聽有FTS5索引的數(shù)據(jù)庫(kù)每個(gè)事務(wù)變更到的FTS5索引表，拋通知到子線程觸發(fā)WCDB的自動(dòng)merge操作；

• 2）Merge線程檢查所有FTS5索引表中segment數(shù)超過(guò) 1 的level執(zhí)行一次merge；

• 3）Merge時(shí)每寫入16頁(yè)數(shù)據(jù)檢查一次有沒有其他線程的寫入操作因?yàn)閙erge操作阻塞，如果有就立即commit，盡量減小merge對(duì)業(yè)務(wù)性能的影響。

自動(dòng)merge邏輯執(zhí)行的流程圖如下：

限制每個(gè)level的segment數(shù)量為1，可以讓FTS5的查詢性能最接近optimize（所有segment合并成一個(gè)）之后的性能，而且引入的寫入量是可接受的。假設(shè)業(yè)務(wù)每次寫入量為M，寫入了N次，那么在merge執(zhí)行完整之后，數(shù)據(jù)庫(kù)實(shí)際寫入量為MN(log2(N)+1)。業(yè)務(wù)批量寫入，提高M(jìn)也可以減小總寫入量。

性能方面，對(duì)一個(gè)包含100w條中文內(nèi)容，每條長(zhǎng)度100漢字的fts5的表查詢?nèi)齻€(gè)詞，optimize狀態(tài)下耗時(shí)2.9ms，分別限制每個(gè)level的segment數(shù)量為2、3、4時(shí)的查詢耗時(shí)分別為4.7ms、8.9ms、15ms。100w條內(nèi)容每次寫入100條的情況下，按照WCDB的方案執(zhí)行merge的耗時(shí)在10s內(nèi)。

使用自動(dòng)Merge機(jī)制，可以在不影響索引更新性能的情況下，將FTS5索引保持在最接近Optimize的狀態(tài)，提高了搜索速度。

5、引擎層優(yōu)化2：分詞器優(yōu)化

5.1 分詞器性能優(yōu)化

分詞器是全文搜索的關(guān)鍵模塊，它實(shí)現(xiàn)將輸入內(nèi)容拆分成多個(gè)Token并提供這些Token的位置，搜索引擎再對(duì)這些Token建立索引。SQLite的FTS組件支持自定義分詞器，可以按照業(yè)務(wù)需求實(shí)現(xiàn)自己的分詞器。

分詞器的分詞方法可以分為按字分詞和按詞分詞。前者只是簡(jiǎn)單對(duì)輸入內(nèi)容逐字建立索引，后者則需要理解輸入內(nèi)容的語(yǔ)義，對(duì)有具體含義的詞組建立索引。相比于按字分詞，按詞分詞的優(yōu)勢(shì)是既可以減少建索引的Token數(shù)量，也可以減少搜索時(shí)匹配的Token數(shù)量，劣勢(shì)是需要理解語(yǔ)義，而且用戶輸入的詞不完整時(shí)也會(huì)有搜不到的問(wèn)題。

為了簡(jiǎn)化客戶端邏輯和避免用戶漏輸內(nèi)容時(shí)搜不到的問(wèn)題，iOS微信之前的FTS3分詞器OneOrBinaryTokenizer是采用了一種巧妙的按字分詞算法，除了對(duì)輸入內(nèi)容逐字建索引，還會(huì)對(duì)內(nèi)容中每?jī)蓚€(gè)連續(xù)的字建索引，對(duì)于搜索內(nèi)容則是按照每?jī)蓚€(gè)字進(jìn)行分詞。

下面是用“北京歡迎你”去搜索相同內(nèi)容的分詞例子：

相比于簡(jiǎn)單的按字分詞，這種分詞方式的優(yōu)勢(shì)是可以將搜索時(shí)匹配的Token數(shù)量接近降低一半，提高搜索速度，而且在一定程度上可以提升搜索精度（比如搜索“歡迎你北京”就匹配不到“北京歡迎你”）。這種分詞方式的劣勢(shì)就是保存的索引內(nèi)容很多，基本輸入內(nèi)容的每個(gè)字都在索引中保存了三次，是一種用空間換時(shí)間的做法。

因?yàn)镺neOrBinaryTokenizer用接近三倍的索引內(nèi)容增長(zhǎng)才換取不到兩倍的搜索性能提升，不是很劃算，所以我們?cè)贔TS5上重新開發(fā)了一種新的分詞器VerbatimTokenizer，這個(gè)分詞器只采用基本的按字分詞，不保存冗余索引內(nèi)容。同時(shí)在搜索時(shí)，每?jī)蓚€(gè)字用引號(hào)引起來(lái)組成一個(gè)Phrase，按照FTS5的搜索語(yǔ)法，搜索時(shí)Phrase中的字要按順序相鄰出現(xiàn)的內(nèi)容才會(huì)命中，實(shí)現(xiàn)了跟OneOrBinaryTokenizer一樣的搜索精度。

VerbatimTokenizer的分詞規(guī)則示意圖如下：

5.2 分詞器能力擴(kuò)展

VerbatimTokenizer還根據(jù)微信實(shí)際的業(yè)務(wù)需求實(shí)現(xiàn)了五種擴(kuò)展能力來(lái)提高搜索的容錯(cuò)能力：

1）支持在分詞時(shí)將繁體字轉(zhuǎn)換成簡(jiǎn)體字：這樣用戶可以用繁體字搜到簡(jiǎn)體字內(nèi)容，用簡(jiǎn)體字也能搜到繁體字內(nèi)容，避免了因?yàn)闈h字的簡(jiǎn)體和繁體字形相近導(dǎo)致用戶輸錯(cuò)的問(wèn)題。

2）支持Unicode歸一化：Unicode支持相同字形的字符用不同的編碼來(lái)表示，比如編碼為\ue9的é和編碼為\u65\u301的é有相同的字形，這會(huì)導(dǎo)致用戶用看上去一樣的內(nèi)容去搜索結(jié)果搜不到的問(wèn)題。Unicode歸一化就是把字形相同的字符用同一個(gè)編碼表示。

3）支持過(guò)濾符號(hào)：大部分情況下，我們不需要支持對(duì)符號(hào)建索引，符號(hào)的重復(fù)量大而且用戶一般也不會(huì)用符號(hào)去搜索內(nèi)容，但是聯(lián)系人搜索這個(gè)業(yè)務(wù)場(chǎng)景需要支持符號(hào)搜索，因?yàn)橛脩舻年欠Q里面經(jīng)常出現(xiàn)顏文字，符號(hào)的使用量不低。

4）支持用Porter Stemming算法對(duì)英文單詞取詞干：取詞干的好處是允許用戶搜索內(nèi)容的單復(fù)數(shù)和時(shí)態(tài)跟命中內(nèi)容不一致，讓用戶更容易搜到內(nèi)容。但是取詞干也有弊端，比如用戶要搜索的內(nèi)容是“hAPPyday”，輸入“hAPPy”作為前綴去搜索卻會(huì)搜不到，因?yàn)椤癶APPyday”取詞干變成“hAPPydai”，“hAPPy”取詞干變成“hAPPi”，后者就不能成為前者的前綴。這種badcase在內(nèi)容為多個(gè)英文單詞拼接一起時(shí)容易出現(xiàn)，聯(lián)系人昵稱的拼接英文很常見，所以在聯(lián)系人的索引中沒有取詞干，在其他業(yè)務(wù)場(chǎng)景中都用上了。

5）支持將字母全部轉(zhuǎn)成小寫：這樣用戶可以用小寫搜到大寫，反之亦然。

這些擴(kuò)展能力都是對(duì)建索引內(nèi)容和搜索內(nèi)容中的每個(gè)字做變換，這個(gè)變換其實(shí)也可以在業(yè)務(wù)層做，其中的Unicode歸一化和簡(jiǎn)繁轉(zhuǎn)換以前就是在業(yè)務(wù)層實(shí)現(xiàn)的。

但是這樣做有兩個(gè)弊端：

• 1）一個(gè)是業(yè)務(wù)層每做一個(gè)轉(zhuǎn)換都需要對(duì)內(nèi)容做一次遍歷，引入冗余計(jì)算量；

• 2）一個(gè)是寫入到索引中的內(nèi)容是轉(zhuǎn)變后的內(nèi)容，那么搜索出來(lái)的結(jié)果也是轉(zhuǎn)變后的，會(huì)和原文不一致，業(yè)務(wù)層做內(nèi)容判斷的時(shí)候容易出錯(cuò)。

鑒于這兩個(gè)原因，VerbatimTokenizer將這些轉(zhuǎn)變能力都集中到了分詞器中實(shí)現(xiàn)。

6、引擎層優(yōu)化3：索引內(nèi)容支持多級(jí)分隔符

SQLite的FTS索引表不支持在建表后再添加新列，但是隨著業(yè)務(wù)的發(fā)展，業(yè)務(wù)數(shù)據(jù)支持搜索的屬性會(huì)變多，如何解決新屬性的搜索問(wèn)題呢？

特別是在聯(lián)系人搜索這個(gè)業(yè)務(wù)場(chǎng)景，一個(gè)聯(lián)系人支持搜索的字段非常多。

一個(gè)直接的想法是：將新屬性和舊屬性用分隔符拼接到一起建索引。

但這樣會(huì)引入新的問(wèn)題：FTS5是以整個(gè)字段的內(nèi)容作為整體去匹配的，如果用戶搜索匹配的Token在不同的屬性，那這條數(shù)據(jù)也會(huì)命中，這個(gè)結(jié)果顯然不是用戶想要的，搜索結(jié)果的精確度就降低了。

我們需要搜索匹配的Token中間不存在分隔符，那這樣可以確保匹配的Token都在一個(gè)屬性內(nèi)。同時(shí)，為了支持業(yè)務(wù)靈活擴(kuò)展，還需要支持多級(jí)分隔符，而且搜索結(jié)果中還要支持獲取匹配結(jié)果的層級(jí)、位置以及該段內(nèi)容的原文和匹配詞。

這個(gè)能力FTS5還沒有，而FTS5的自定義輔助函數(shù)支持在搜索時(shí)獲取到所有命中結(jié)果中每個(gè)命中Token的位置，利用這個(gè)信息可以推斷出這些Token中間有沒有分隔符，以及這些Token所在的層級(jí)，所以我們開發(fā)了SubstringMatchInfo這個(gè)新的FTS5搜索輔助函數(shù)來(lái)實(shí)現(xiàn)這個(gè)能力。

這個(gè)函數(shù)的大致執(zhí)行流程如下：

7、應(yīng)用層優(yōu)化1：數(shù)據(jù)庫(kù)表格式優(yōu)化

7.1 非文本搜索內(nèi)容的保存方式

在實(shí)際應(yīng)用中，我們除了要在數(shù)據(jù)庫(kù)中保存需要搜索的文本的FTS索引，還需要額外保存這個(gè)文本對(duì)應(yīng)的業(yè)務(wù)數(shù)據(jù)的id、用于結(jié)果排序的的屬性（常見的是業(yè)務(wù)數(shù)據(jù)的創(chuàng)建時(shí)間）以及其他需要直接跟隨搜索結(jié)果讀出的內(nèi)容，這些都是不參與文本搜索的內(nèi)容。

根據(jù)非文本搜索內(nèi)容的不同存儲(chǔ)位置，我們可以將FTS索引表的表格式分成兩種：

1）第一種方式：是將非文本搜索內(nèi)容存儲(chǔ)在額外的普通表中，這個(gè)表保存FTS索引的Rowid和非文本搜索內(nèi)容的映射關(guān)系，而FTS索引表的每一行只保存可搜索的文本內(nèi)容。

這個(gè)表格式類似于這樣：

這種表格式的優(yōu)勢(shì)和劣勢(shì)是很明顯，分別是：

• a）優(yōu)勢(shì)是：FTS索引表的內(nèi)容很簡(jiǎn)單，不熟悉FTS索引表配置的同學(xué)不容易出錯(cuò)，而且普通表的可擴(kuò)展性好，支持添加新列；

• b）劣勢(shì)是：搜索時(shí)需要先用FTS索引的Rowid讀取到普通表的Rowid，這樣才能讀取到普通表的其他內(nèi)容，搜索速度慢一點(diǎn)，而且搜索時(shí)需要聯(lián)表查詢，搜索SQL語(yǔ)句稍微復(fù)雜一點(diǎn)。

2）第二種方式：是將非文本搜索內(nèi)容直接和可搜索文本內(nèi)容一起存儲(chǔ)在FTS索引表中。

表格式類似于這樣：

這種方式的優(yōu)劣勢(shì)跟前一種方式恰好相反：

• a）優(yōu)勢(shì)是：搜索速度快而且搜索方式簡(jiǎn)單；

• b）劣勢(shì)是：擴(kuò)展性差且需要更細(xì)致的配置。

因?yàn)閕OS微信以前是使用第二種表格式，而且微信的搜索業(yè)務(wù)已經(jīng)穩(wěn)定不會(huì)有大變化，我們現(xiàn)在更加追求搜索速度，所以我們還是繼續(xù)使用第二種表格式來(lái)存儲(chǔ)全文搜索的數(shù)據(jù)。

7.2 避免冗余索引內(nèi)容

FTS索引表默認(rèn)對(duì)表中的每一列的內(nèi)容都建倒排索引，即便是數(shù)字內(nèi)容也會(huì)按照文本來(lái)處理，這樣會(huì)導(dǎo)致我們保存在FTS索引表中的非文本搜索內(nèi)容也建了索引，進(jìn)而增大索引文件的大小、索引更新的耗時(shí)和搜索的耗時(shí)，這顯然不是我們想要的。

FTS5支持給索引表中的列添加UNINDEXED約束，這樣FTS5就不會(huì)對(duì)這個(gè)列建索引了，所以給可搜索文本內(nèi)容之外的所有列添加這個(gè)約束就可以避免冗余索引。

7.3 降低索引內(nèi)容的大小

前面提到，倒排索引主要保存文本中每個(gè)Token對(duì)應(yīng)的行號(hào)（rowid）、列號(hào)和字段中的每次出現(xiàn)的位置偏移，其中的行號(hào)是SQLite自動(dòng)分配的，位置偏移是根據(jù)業(yè)務(wù)的實(shí)際內(nèi)容，這兩個(gè)我們都決定不了，但是列號(hào)是可以調(diào)整的。

在FTS5索引中，一個(gè)Token在一行中的索引內(nèi)容的格式是這樣的：

從中可以看出，如果我們把可搜索文本內(nèi)容設(shè)置在第一列的話（多個(gè)可搜索文本列的話，把內(nèi)容多的列放到第一列），就可以少保存列分割符0x01和列號(hào)，這樣可以明顯降低索引文件大小。

所以我們最終的表格式是這樣：

7.4 優(yōu)化前后的效果對(duì)比

下面是iOS微信優(yōu)化前后的平均每個(gè)用戶的索引文件大小對(duì)比：

8、應(yīng)用層優(yōu)化2：索引更新邏輯優(yōu)化

8.1 概述

為了將全文搜索邏輯和業(yè)務(wù)邏輯解耦，iOS微信的FTS索引是不保存在各個(gè)業(yè)務(wù)的數(shù)據(jù)庫(kù)中的，而是集中保存到一個(gè)專用的全文搜索數(shù)據(jù)庫(kù)，各個(gè)業(yè)務(wù)的數(shù)據(jù)有更新之后再異步通知全文搜索模塊更新索引。

整體流程如下：

這樣做既可以避免索引更新拖慢業(yè)務(wù)數(shù)據(jù)更新的速度，也能避免索引數(shù)據(jù)更新出錯(cuò)甚至索引數(shù)據(jù)損壞對(duì)業(yè)務(wù)造成影響，讓全文搜索功能模塊能夠充分獨(dú)立。

8.2 保證索引和數(shù)據(jù)的一致

業(yè)務(wù)數(shù)據(jù)和索引數(shù)據(jù)分離且異步同步的好處很多，但實(shí)現(xiàn)起來(lái)也很難。

最難的問(wèn)題是如何保證業(yè)務(wù)數(shù)據(jù)和索引數(shù)據(jù)的一致，也即要保證業(yè)務(wù)數(shù)據(jù)和索引數(shù)據(jù)要逐條對(duì)應(yīng)，不多不少。

曾經(jīng)iOS微信在這里踩了很多坑，打了很多補(bǔ)丁都不能完整解決這個(gè)問(wèn)題，我們需要一個(gè)更加體系化的方法來(lái)解決這個(gè)問(wèn)題。

為了簡(jiǎn)化問(wèn)題，我們可以把一致性問(wèn)題可以拆成兩個(gè)方面分別處理：

• 1）一是保證所有業(yè)務(wù)數(shù)據(jù)都有索引，這個(gè)用戶的搜索結(jié)果就不會(huì)有缺漏；

• 2）二是保證所有索引都對(duì)應(yīng)一個(gè)有效的業(yè)務(wù)數(shù)據(jù)，這樣用戶就不會(huì)搜到無(wú)效的結(jié)果。

要保證所有業(yè)務(wù)數(shù)據(jù)都有索引，首先要找到或者構(gòu)造一種一直增長(zhǎng)的數(shù)據(jù)來(lái)描述業(yè)務(wù)數(shù)據(jù)更新的進(jìn)度，這個(gè)進(jìn)度數(shù)據(jù)的更新和業(yè)務(wù)數(shù)據(jù)的更新能保證原子性。而且根據(jù)這個(gè)進(jìn)度的區(qū)間能拿出業(yè)務(wù)數(shù)據(jù)更新的內(nèi)容，這樣我們就可以依賴這個(gè)進(jìn)度來(lái)更新索引。

在微信的業(yè)務(wù)中，不同業(yè)務(wù)的進(jìn)度數(shù)據(jù)不同：

• 1）聊天記錄是使用消息的rowid；

• 2）收藏是使用收藏跟后臺(tái)同步的updateSequence；

• 3）聯(lián)系人找不到這種一直增長(zhǎng)的進(jìn)度數(shù)據(jù)（我們是通過(guò)在聯(lián)系人數(shù)據(jù)庫(kù)中標(biāo)記有新增或有更新的聯(lián)系人的微信號(hào)來(lái)作為索引更新進(jìn)度）。

針對(duì)上述第3）點(diǎn)，進(jìn)度數(shù)據(jù)的使用方法如下：

無(wú)論業(yè)務(wù)數(shù)據(jù)是否保存成功、更新通知是否到達(dá)全文搜索模塊、索引數(shù)據(jù)是否保存成功，這套索引更新邏輯都能保證保存成功的業(yè)務(wù)數(shù)據(jù)都能成功建到索引。

這其中的一個(gè)關(guān)鍵點(diǎn)是數(shù)據(jù)和進(jìn)度要在同個(gè)事務(wù)中一起更新，而且要保存在同個(gè)數(shù)據(jù)庫(kù)中，這樣才能保證數(shù)據(jù)和進(jìn)度的更新的原子性（WCDB創(chuàng)建的數(shù)據(jù)庫(kù)因?yàn)槭褂肳AL模式而無(wú)法保證不同數(shù)據(jù)庫(kù)的事務(wù)的原子性）。

還有一個(gè)操作圖中沒有畫出，具體是微信啟動(dòng)時(shí)如果檢查到業(yè)務(wù)進(jìn)度小于索引進(jìn)度，這種一般意味著業(yè)務(wù)數(shù)據(jù)損壞后被重置了，這種情況下要?jiǎng)h掉索引并重置索引進(jìn)度。

對(duì)于每個(gè)索引都對(duì)應(yīng)有效的業(yè)務(wù)數(shù)據(jù)，這就要求業(yè)務(wù)數(shù)據(jù)刪除之后索引也要必須刪掉?，F(xiàn)在業(yè)務(wù)數(shù)據(jù)的刪除和索引的刪除是異步的，會(huì)出現(xiàn)業(yè)務(wù)數(shù)據(jù)刪掉之后索引沒刪除的情況。

這種情況會(huì)導(dǎo)致兩個(gè)問(wèn)題：

• 1）一是冗余索引會(huì)導(dǎo)致搜索速度變慢，但這個(gè)問(wèn)題出現(xiàn)概率很小，這個(gè)影響可以忽略不計(jì)；

• 2）二是會(huì)導(dǎo)致用戶搜到無(wú)效數(shù)據(jù)，這個(gè)是要避免的。

針對(duì)上述第2）點(diǎn)：因?yàn)橐耆珓h掉所有無(wú)效索引成本比較高，所以我們采用了惰性檢查的方法來(lái)解決這個(gè)問(wèn)題，具體做法是搜索結(jié)果要顯示給用戶時(shí)，才檢查這個(gè)數(shù)據(jù)是否有效，無(wú)效的話不顯示這個(gè)搜索結(jié)果并異步刪除對(duì)應(yīng)的索引。因?yàn)橛脩粢黄聊芸吹降臄?shù)據(jù)很少，所以檢查邏輯帶來(lái)的性能消耗也可以忽略不計(jì)。而且這個(gè)檢查操作實(shí)際上也不算是額外加的邏輯，為了搜索結(jié)果展示內(nèi)容的靈活性，我們也要在展示搜索結(jié)果時(shí)讀出業(yè)務(wù)數(shù)據(jù)，這樣也就順帶做了數(shù)據(jù)有效性的檢查。

8.3 建索引速度優(yōu)化

索引只有在搜索的時(shí)候才會(huì)用到，它的更新優(yōu)先級(jí)并沒有業(yè)務(wù)數(shù)據(jù)那么高，可以盡量攢更多的業(yè)務(wù)數(shù)據(jù)才去批量建索引。

批量建索引有以下三個(gè)好處：

• 1）減少磁盤的寫入次數(shù)，提高平均建索引速度；

• 2）在一個(gè)事務(wù)中，建索引SQL語(yǔ)句的解析結(jié)果可以反復(fù)使用，可以減少SQL語(yǔ)句的解析次數(shù)，進(jìn)而提高平均建索引速度；

• 3）減少生成Segment的數(shù)量，從而減少M(fèi)erge Segment帶來(lái)的讀寫消耗。

當(dāng)然：也不能保留太多業(yè)務(wù)數(shù)據(jù)不建索引，這樣用戶要搜索時(shí)會(huì)來(lái)不及建索引，從而導(dǎo)致搜索結(jié)果不完整。

有了前面的Segment自動(dòng)Merge機(jī)制，索引的寫入速度非?？煽?，只要控制好量，就不用擔(dān)心批量建索引帶來(lái)的高耗時(shí)問(wèn)題。

我們綜合考慮了低端機(jī)器的建索引速度和搜索頁(yè)面的拉起時(shí)間，確定了最大批量建索引數(shù)據(jù)條數(shù)為100條。

同時(shí)：我們會(huì)在內(nèi)存中cache本次微信運(yùn)行期間產(chǎn)生的未建索引業(yè)務(wù)數(shù)據(jù)，在極端情況下給沒有來(lái)得及建索引的業(yè)務(wù)數(shù)據(jù)提供相對(duì)內(nèi)存搜索，保證搜索結(jié)果的完整性。因?yàn)閏ache上一次微信運(yùn)行期間產(chǎn)生的未建索引數(shù)據(jù)需要引入額外的磁盤IO，所以微信啟動(dòng)后會(huì)觸發(fā)一次建索引邏輯，對(duì)現(xiàn)有的未建索引業(yè)務(wù)數(shù)據(jù)建一次索引。

總結(jié)一下觸發(fā)建索引的時(shí)機(jī)有三個(gè)：

• 1）未建索引業(yè)務(wù)數(shù)據(jù)達(dá)到100條；

• 2）進(jìn)入搜索界面；

• 3）微信啟動(dòng)。

8.4 刪除索引速度優(yōu)化

索引的刪除速度經(jīng)常是設(shè)計(jì)索引更新機(jī)制時(shí)比較容易忽視的因素，因?yàn)楸粍h除的業(yè)務(wù)數(shù)據(jù)量容易被低估，會(huì)被誤以為是低概率場(chǎng)景。

但實(shí)際被用戶刪除的業(yè)務(wù)數(shù)據(jù)可能會(huì)達(dá)到50%，是個(gè)不可忽視的主場(chǎng)景。而且SQLite是不支持并行寫入的，刪除索引的性能也會(huì)間接影響到索引的寫入速度，會(huì)為索引更新引入不可控因素。

因?yàn)閯h除索引的時(shí)候是拿著業(yè)務(wù)數(shù)據(jù)的id去刪除的。

所以提高刪除索引速度的方式有兩種：

• 1）建一個(gè)業(yè)務(wù)數(shù)據(jù)id到FTS索引的rowid的普通索引；

• 2）在FTS索引表中去掉業(yè)務(wù)數(shù)據(jù)Id那一列的UNINDEXED約束，給業(yè)務(wù)數(shù)據(jù)Id添加倒排索引。

這里倒排索引其實(shí)沒有普通索引那么高效，有兩個(gè)原因：

• 1）倒排索引相比普通索引還帶了很多額外信息，搜索效率低一些；

• 2）如果需要多個(gè)業(yè)務(wù)字段才能確定一條倒排索引時(shí)，倒排索引是建不了聯(lián)合索引的，只能匹配其中一個(gè)業(yè)務(wù)字段，其他字段就是遍歷匹配，這種情況搜索效率會(huì)很低。

8.5 優(yōu)化前后的效果對(duì)比

聊天記錄的優(yōu)化前后索引性能數(shù)據(jù)如下：

?

收藏的優(yōu)化前后索引性能數(shù)據(jù)如下：

?

9、應(yīng)用層優(yōu)化3：搜索邏輯優(yōu)化

9.1 問(wèn)題

用戶在iOS微信的首頁(yè)搜索內(nèi)容時(shí)，交互邏輯如下：

如上圖所示：當(dāng)用戶變更搜索框的內(nèi)容之后，會(huì)并行發(fā)起所有業(yè)務(wù)的搜索任務(wù)，各個(gè)搜索任務(wù)執(zhí)行完之后才再將搜索結(jié)果返回到主線程給頁(yè)面展示。這個(gè)邏輯會(huì)隨著用戶變更搜索內(nèi)容而繼續(xù)重復(fù)。

9.2 單個(gè)搜索任務(wù)應(yīng)支持并行執(zhí)行

雖然現(xiàn)在不同搜索任務(wù)已經(jīng)支持并行執(zhí)行，但是不同業(yè)務(wù)的數(shù)據(jù)量和搜索邏輯差別很大，數(shù)據(jù)量大或者搜索邏輯復(fù)雜的任務(wù)耗時(shí)會(huì)很久，這樣還不能充分發(fā)揮手機(jī)的并行處理能力。

我們還可以將并行處理能力引入單個(gè)搜索任務(wù)內(nèi)，這里有兩種處理方式：

1）對(duì)于搜索數(shù)據(jù)量大的業(yè)務(wù)（比如聊天記錄搜索）：可以將索引數(shù)據(jù)均分存儲(chǔ)到多個(gè)FTS索引表（注意這里不均分的話還是會(huì)存在短板效應(yīng)），這樣搜索時(shí)可以并行搜索各個(gè)索引表，然后匯總各個(gè)表的搜索結(jié)果，再進(jìn)行統(tǒng)一排序。這里拆分的索引表數(shù)量既不能太多也不能太少，太多會(huì)超出手機(jī)實(shí)際的并行處理能力，也會(huì)影響其他搜索任務(wù)的性能，太少又不能充分利用并行處理能力。以前微信用了十個(gè)FTS表存儲(chǔ)聊天記錄索引，現(xiàn)在改為使用四個(gè)FTS表。

2）對(duì)于搜索邏輯復(fù)雜的業(yè)務(wù)（比如聯(lián)系人搜索）：可以將可獨(dú)立執(zhí)行的搜索邏輯并行執(zhí)行（比如：在聯(lián)系人搜索任務(wù)中，我們將聯(lián)系人的普通文本搜索、拼音搜索、標(biāo)簽和地區(qū)的搜索、多群成員的搜索并行執(zhí)行，搜完之后再合并結(jié)果進(jìn)行排序）。這里為什么不也用拆表的方式呢？因?yàn)檫@種搜索結(jié)果數(shù)量少的場(chǎng)景，搜索的耗時(shí)主要是集中在搜索索引的環(huán)節(jié)，索引可以看做一顆B樹，將一顆B樹拆分成多個(gè)，搜索耗時(shí)并不會(huì)成比例下降。

9.3 搜索任務(wù)應(yīng)支持中斷

用戶在搜索框持續(xù)輸入內(nèi)容的過(guò)程中可能會(huì)自動(dòng)多次發(fā)起搜索任務(wù)，如果在前一次發(fā)起的搜索任務(wù)還沒執(zhí)行完時(shí)，就再次發(fā)起搜索任務(wù)，那前后兩次搜索任務(wù)就會(huì)互相影響對(duì)方性能。

這種情況在用戶輸入內(nèi)容從短到長(zhǎng)的過(guò)程中還挺容易出現(xiàn)的，因?yàn)樗阉魑谋径痰臅r(shí)候命中結(jié)果就很多，搜索任務(wù)也就更加耗時(shí)，從而更有機(jī)會(huì)撞上后面的搜索任務(wù)。太多任務(wù)同時(shí)執(zhí)行還會(huì)容易引起手機(jī)發(fā)燙、爆內(nèi)存的問(wèn)題。

所以我們需要讓搜索任務(wù)支持隨時(shí)中斷，這樣就可以在后一次搜索任務(wù)發(fā)起的時(shí)候，能夠中斷前一次的搜索任務(wù)，避免任務(wù)量過(guò)多的問(wèn)題。

搜索任務(wù)支持中斷的實(shí)現(xiàn)方式是給每個(gè)搜索任務(wù)設(shè)置一個(gè)CancelFlag，在搜索邏輯執(zhí)行時(shí)每搜到一個(gè)結(jié)果就判斷一下CancelFlag是否置位，如果置位了就立即退出任務(wù)。外部邏輯可以通過(guò)置位CancelFlag來(lái)中斷搜索任務(wù)。

邏輯流程如下圖所示：

?

為了讓搜索任務(wù)能夠及時(shí)中斷，我們需要讓檢查CancelFlag的時(shí)間間隔盡量相等，要實(shí)現(xiàn)這個(gè)目標(biāo)就要在搜索時(shí)避免使用OrderBy子句對(duì)結(jié)果進(jìn)行排序。

因?yàn)镕TS5不支持建立聯(lián)合索引，所以在使用OrderBy子句時(shí)，SQLite在輸出第一個(gè)結(jié)果前會(huì)遍歷所有匹配結(jié)果進(jìn)行排序，這就讓輸出第一個(gè)結(jié)果的耗時(shí)幾乎等于輸出全部結(jié)果的耗時(shí)，中斷邏輯就失去了意義。

不使用OrderBy子句就對(duì)搜索邏輯添加了兩個(gè)限制：

1）從數(shù)據(jù)庫(kù)讀取所有結(jié)果之后再排序：我們可以在讀取結(jié)果時(shí)將用于排序的字段一并讀出，然后在讀完所有結(jié)果之后再對(duì)所有結(jié)果執(zhí)行排序。因?yàn)榕判虻暮臅r(shí)占總搜索耗時(shí)的比例很低，加上排序算法的性能大同小異，這種做法對(duì)搜索速度的影響可以忽略。

2）不能使用分段查詢：在全文搜索這個(gè)場(chǎng)景中，分段查詢其實(shí)是沒有什么作用的。因?yàn)榉侄尾樵兙鸵獙?duì)結(jié)果排序，對(duì)結(jié)果排序就要遍歷所有結(jié)果，所以分段查詢并不能降低搜索耗時(shí)（除非按照FTS索引的Rowid分段查詢，但是Rowid不包含實(shí)際的業(yè)務(wù)信息）。

9.4 搜索讀取內(nèi)容應(yīng)最少化

搜索時(shí)讀取內(nèi)容的量也是決定搜索耗時(shí)的一個(gè)關(guān)鍵因素。

FTS索引表實(shí)際是有多個(gè)SQLite普通表組成的，這其中一些表格存儲(chǔ)實(shí)際的倒排索引內(nèi)容，還有一個(gè)表格存儲(chǔ)用戶保存到FTS索引表的全部原文。當(dāng)搜索時(shí)讀取Rowid以外的內(nèi)容時(shí)，就需要用Rowid到保存原文的表的讀取內(nèi)容。

索引表輸出結(jié)果的內(nèi)部執(zhí)行過(guò)程如下：

所以讀取內(nèi)容越少輸出結(jié)果的速度越快，而且讀取內(nèi)容過(guò)多也會(huì)有消耗內(nèi)存的隱患。

我們采用的方式是：搜索時(shí)只讀取業(yè)務(wù)數(shù)據(jù)id和用于排序的業(yè)務(wù)屬性，排好序之后，在需要給用戶展示結(jié)果時(shí)，才用業(yè)務(wù)數(shù)據(jù)id按需讀取業(yè)務(wù)數(shù)據(jù)具體內(nèi)容出來(lái)展示。這樣做的擴(kuò)展性也會(huì)很好，可以在不更改存儲(chǔ)內(nèi)容的情況下，根據(jù)各個(gè)業(yè)務(wù)的需求不斷調(diào)整搜索結(jié)果展示的內(nèi)容。

還有個(gè)地方要特別提一下：就是搜索時(shí)盡量不要讀取高亮信息（SQLite的highlight函數(shù)有這個(gè)能力）。因?yàn)橐@取高亮字段不僅要將文本的原文讀取出來(lái)，還要對(duì)文本原文再次分詞，才能定位命中位置的原文內(nèi)容，搜索結(jié)果多的情況下分詞帶來(lái)的消耗非常明顯。

那展示搜索結(jié)果時(shí)如何獲取高亮匹配內(nèi)容呢？我們采用的方式是將用戶的搜索文本進(jìn)行分詞，然后在展示結(jié)果時(shí)查找每個(gè)Token在展示文本中的位置，然后將那個(gè)位置高亮顯示（同樣因?yàn)橛脩粢黄量吹降慕Y(jié)果數(shù)量是很少的，這里的高亮邏輯帶來(lái)的性能消耗可以忽略）。

當(dāng)然在搜索規(guī)則很復(fù)雜的情況下，直接讀取高亮信息是比較方便（比如：聯(lián)系人搜索就使用前面提到的SubstringMatchInfo函數(shù)來(lái)讀取高亮內(nèi)容）。這里主要還是因?yàn)橐x取匹配內(nèi)容所在的層級(jí)和位置用于排序，所以逐個(gè)結(jié)果重新分詞的操作在所難免。

9.5 優(yōu)化前后的效果對(duì)比

下面是微信各搜索業(yè)務(wù)優(yōu)化前后的搜索耗時(shí)對(duì)比：

?

?

?

10、本文小結(jié)

目前iOS微信已經(jīng)將這套新全文搜索技術(shù)方案全量應(yīng)用到聊天記錄、聯(lián)系人和收藏的搜索業(yè)務(wù)中。

使用新方案之后：全文搜索的索引文件占用空間更小、索引更新耗時(shí)更少、搜索速度也更快了，可以說(shuō)全文搜索的性能得到了全方位提升。

附錄：QQ、微信團(tuán)隊(duì)技術(shù)文章匯總

《微信朋友圈千億訪問(wèn)量背后的技術(shù)挑戰(zhàn)和實(shí)踐總結(jié)》

《騰訊技術(shù)分享：Android版手機(jī)QQ的緩存監(jiān)控與優(yōu)化實(shí)踐》

《微信團(tuán)隊(duì)分享：iOS版微信的高性能通用key-value組件技術(shù)實(shí)踐》

《微信團(tuán)隊(duì)分享：iOS版微信是如何防止特殊字符導(dǎo)致的炸群、APP崩潰的？》

《騰訊技術(shù)分享：Android手Q的線程死鎖監(jiān)控系統(tǒng)技術(shù)實(shí)踐》

《iOS后臺(tái)喚醒實(shí)戰(zhàn)：微信收款到賬語(yǔ)音提醒技術(shù)總結(jié)》

《微信團(tuán)隊(duì)分享：微信每日億次實(shí)時(shí)音視頻聊天背后的技術(shù)解密》

《騰訊團(tuán)隊(duì)分享 ：一次手Q聊天界面中圖片顯示bug的追蹤過(guò)程分享》

《微信團(tuán)隊(duì)分享：微信Android版小視頻編碼填過(guò)的那些坑》

《企業(yè)微信客戶端中組織架構(gòu)數(shù)據(jù)的同步更新方案優(yōu)化實(shí)戰(zhàn)》

《微信團(tuán)隊(duì)披露：微信界面卡死超級(jí)bug“15。。。?！钡膩?lái)龍去脈》

《QQ 18年：解密8億月活的QQ后臺(tái)服務(wù)接口隔離技術(shù)》

《月活8.89億的超級(jí)IM微信是如何進(jìn)行Android端兼容測(cè)試的》

《微信后臺(tái)基于時(shí)間序的海量數(shù)據(jù)冷熱分級(jí)架構(gòu)設(shè)計(jì)實(shí)踐》

《微信團(tuán)隊(duì)原創(chuàng)分享：Android版微信的臃腫之困與模塊化實(shí)踐之路》

《微信后臺(tái)團(tuán)隊(duì)：微信后臺(tái)異步消息隊(duì)列的優(yōu)化升級(jí)實(shí)踐分享》

《微信團(tuán)隊(duì)原創(chuàng)分享：微信客戶端SQLite數(shù)據(jù)庫(kù)損壞修復(fù)實(shí)踐》

《騰訊原創(chuàng)分享(一)：如何大幅提升移動(dòng)網(wǎng)絡(luò)下手機(jī)QQ的圖片傳輸速度和成功率》

《微信新一代通信安全解決方案：基于TLS1.3的MMTLS詳解》

《微信團(tuán)隊(duì)原創(chuàng)分享：Android版微信后臺(tái)?；顚?shí)戰(zhàn)分享(網(wǎng)絡(luò)保活篇)》

《微信技術(shù)總監(jiān)談架構(gòu)：微信之道——大道至簡(jiǎn)(演講全文)》

《微信海量用戶背后的后臺(tái)系統(tǒng)存儲(chǔ)架構(gòu)(視頻+PPT) [附件下載]》

《微信異步化改造實(shí)踐：8億月活、單機(jī)千萬(wàn)連接背后的后臺(tái)解決方案》

《微信朋友圈海量技術(shù)之道PPT [附件下載]》

《微信對(duì)網(wǎng)絡(luò)影響的技術(shù)試驗(yàn)及分析（論文全文）》

《架構(gòu)之道：3個(gè)程序員成就微信朋友圈日均10億發(fā)布量[有視頻]》

《快速裂變：見證微信強(qiáng)大后臺(tái)架構(gòu)從0到1的演進(jìn)歷程（一）》

《微信團(tuán)隊(duì)原創(chuàng)分享：Android內(nèi)存泄漏監(jiān)控和優(yōu)化技巧總結(jié)》

《Android版微信安裝包“減肥”實(shí)戰(zhàn)記錄》

《iOS版微信安裝包“減肥”實(shí)戰(zhàn)記錄》

《移動(dòng)端IM實(shí)踐：iOS版微信界面卡頓監(jiān)測(cè)方案》

《微信“紅包照片”背后的技術(shù)難題》

《移動(dòng)端IM實(shí)踐：iOS版微信小視頻功能技術(shù)方案實(shí)錄》

《移動(dòng)端IM實(shí)踐：Android版微信如何大幅提升交互性能（一）》

《移動(dòng)端IM實(shí)踐：實(shí)現(xiàn)Android版微信的智能心跳機(jī)制》

《移動(dòng)端IM實(shí)踐：谷歌消息推送服務(wù)(GCM)研究（來(lái)自微信）》

《移動(dòng)端IM實(shí)踐：iOS版微信的多設(shè)備字體適配方案探討》

《IPv6技術(shù)詳解：基本概念、應(yīng)用現(xiàn)狀、技術(shù)實(shí)踐（上篇）》

《手把手教你讀取Android版微信和手Q的聊天記錄(僅作技術(shù)研究學(xué)習(xí))》

《微信技術(shù)分享：微信的海量IM聊天消息序列號(hào)生成實(shí)踐（算法原理篇）》

《社交軟件紅包技術(shù)解密(一)：全面解密QQ紅包技術(shù)方案——架構(gòu)、技術(shù)實(shí)現(xiàn)等》

《社交軟件紅包技術(shù)解密(二)：解密微信搖一搖紅包從0到1的技術(shù)演進(jìn)》

《社交軟件紅包技術(shù)解密(三)：微信搖一搖紅包雨背后的技術(shù)細(xì)節(jié)》

《社交軟件紅包技術(shù)解密(四)：微信紅包系統(tǒng)是如何應(yīng)對(duì)高并發(fā)的》

《社交軟件紅包技術(shù)解密(五)：微信紅包系統(tǒng)是如何實(shí)現(xiàn)高可用性的》

《社交軟件紅包技術(shù)解密(六)：微信紅包系統(tǒng)的存儲(chǔ)層架構(gòu)演進(jìn)實(shí)踐》

《社交軟件紅包技術(shù)解密(十一)：解密微信紅包隨機(jī)算法(含代碼實(shí)現(xiàn))》

《IM開發(fā)寶典：史上最全，微信各種功能參數(shù)和邏輯規(guī)則資料匯總》

《微信團(tuán)隊(duì)分享：微信直播聊天室單房間1500萬(wàn)在線的消息架構(gòu)演進(jìn)之路》

《企業(yè)微信的IM架構(gòu)設(shè)計(jì)揭秘：消息模型、萬(wàn)人群、已讀回執(zhí)、消息撤回等》

（本文同步發(fā)布于：http://www.52im.net/thread-3839-1-1.html）