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

Posted on 2024-09-25 11:17 Jack Jiang 閱讀(305) 評論(0) 編輯收藏

1、前言

微信——騰訊戰(zhàn)略級產(chǎn)品，創(chuàng)造移動互聯(lián)網(wǎng)增速記錄，10個月5000萬手機用戶，433天之內(nèi)完成用戶數(shù)從零到一億的增長過程，千萬級用戶同時在線，搖一搖每天次數(shù)過億...

在技術(shù)架構(gòu)上，微信是如何做到的？日前，在騰訊大講堂在中山大學(xué)校園宣講活動上，騰訊廣研助理總經(jīng)理、微信技術(shù)總監(jiān)周顥在兩小時的演講中揭開了微信背后的秘密。

周顥把微信的成功歸結(jié)于騰訊式的“三位一體”策略：即產(chǎn)品精準(zhǔn)、項目敏捷、技術(shù)支撐。微信的成功是在三個方面的結(jié)合比較好，能夠超出絕大多數(shù)同行或?qū)κ郑沟梦⑿抛叩奖容^前的位置。所謂產(chǎn)品精準(zhǔn)，通俗的講就是在恰當(dāng)?shù)臅r機做了恰當(dāng)?shù)氖拢瞥隽酥亓考壒δ埽诤线m的時間以最符合大家需求的方式推出去。他認(rèn)為在整個微信的成功中，產(chǎn)品精準(zhǔn)占了很大一部分權(quán)重。

技術(shù)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（備用地址點此）

（本文已同步發(fā)布于：http://www.52im.net/thread-200-1-1.html）

2、相關(guān)鏈接

講稿下載：http://www.52im.net/thread-199-1-1.html（演講PPT）

如何解讀：如何解讀《微信技術(shù)總監(jiān)談架構(gòu)：微信之道——大道至簡》

3、前于周顥

周顥

2001 年畢業(yè)于華南理工大學(xué),計算機專業(yè)碩士。

2005 年加入騰訊廣州研發(fā)部,歷任 QQ 郵箱架構(gòu)師,

廣研技術(shù)總監(jiān),T4 技術(shù)專家,微信中心助理總經(jīng)理。

4、微信的歷程

5、敏捷是一種態(tài)度：勇于試錯

微信研發(fā)團隊里鼓勵一種試錯的信仰：他們堅信，在互聯(lián)網(wǎng)開發(fā)里，如果能夠有一個團隊在更短的時間內(nèi)嘗試了更多機會(并能改進過來)，就能有(更多的)機會勝出。

敏捷是一種態(tài)度，在軟件開發(fā)過程中，項目管理者都會非常忌諱“變更”這個詞，但是在微信的項目運作中是不可以的。因為微信必須要容忍說哪怕在發(fā)布前的十分鐘，也要允許他變更。這是非常大的挑戰(zhàn)，因為打破了所有傳統(tǒng)項目開發(fā)的常識。所有人都說不可能做到的，但微信做到了。研發(fā)團隊所做的一切都是要給產(chǎn)品決策者有最大的自由度，而這個決策正是微信能夠勝出的關(guān)鍵。

6、懸崖邊的跳舞：海量系統(tǒng)上的敏捷不同以往

敏捷有很多困境，如果做一個單機版程序，是可以做到很敏捷的，但是騰訊正在運作的是一個海量系統(tǒng)，有千萬級用戶同時在線，在一個單獨的功能上每天有百億級的訪問，同時還要保證99.95%的可用性。

在海量系統(tǒng)上應(yīng)對項目開發(fā)會有很嚴(yán)謹(jǐn)?shù)囊?guī)范，都說要盡可能少的變化，因為90%-95%的錯誤都是在變更中產(chǎn)生的，如果系統(tǒng)一直不變更會獲得非常高的穩(wěn)定度，但是微信就是要在懸崖邊跳舞。微信的研發(fā)團隊要做一些事情，讓敏捷開發(fā)變得更簡單。

如何做到這一切？周顥認(rèn)為，首先，必須建立起一種狂熱的技術(shù)信念，就是一定是可以做到的。然后，需要用一些穩(wěn)固的技術(shù)(理念)來支撐，例如大系統(tǒng)小做、讓一切可擴展、必須有基礎(chǔ)組件、輕松上線(灰度、灰度、再灰度；精細監(jiān)控；迅速響應(yīng))... 等等來支撐。

7、大系統(tǒng)小做

當(dāng)設(shè)計龐大系統(tǒng)的時候，應(yīng)該盡量分割成更小的顆粒，使得項目之間的影響是最小的。僅僅把模塊變得更為清晰，這在海量系統(tǒng)設(shè)計開發(fā)中是不夠的，還需要在物理環(huán)境上進行分離部署，出現(xiàn)問題的時候可以快速發(fā)現(xiàn)，并且在最快的情況下解決掉。

大系統(tǒng)小做，混搭模式：

將不同的應(yīng)用邏輯物理分割獨立出來，用戶注冊登錄、LBS邏輯、搖一搖邏輯、漂流瓶邏輯、消息邏輯獨立開來。把關(guān)鍵的邏輯混搭在一起，當(dāng)所有的邏輯部署在同一個服務(wù)器上，確實也會帶來很大敏捷上的好處，因為不需要額外的考慮部署和監(jiān)控的問題。在整個微信的邏輯中，可能現(xiàn)在已經(jīng)有上百種不同的邏輯，因為會在邏輯的分割上拆分成8-10種做分離部署。

8、一切皆可擴展

在高穩(wěn)定度、高性能的系統(tǒng)中間，為了穩(wěn)定性能把它設(shè)計成不變化的系統(tǒng)，但為了支持敏捷需要讓一切的東西都要變得可以擴展。

擴展的關(guān)鍵點有兩塊：

1）一個是網(wǎng)絡(luò)協(xié)議需要擴展，當(dāng)要升級一個新功能的時候，會有一些比較大的困難，所以所有協(xié)議設(shè)計都比較向前兼容，但是向前兼容還是不夠的，因為網(wǎng)絡(luò)協(xié)議設(shè)計本身有非常多的功能也會有比較大的字段，相關(guān)的代碼可能會有數(shù)千行，這一塊不能通過手寫方式完成。可以通過XML描述，再通過工具自動生成所有的代碼，這是微信獲得快速開發(fā)的一個重要的點。

2）另外一塊就是在數(shù)據(jù)存儲方面是必須可擴展的。在2005年絕大多數(shù)海量系統(tǒng)的設(shè)計都是采用固定字段的存儲，但是在現(xiàn)代系統(tǒng)中會意識到這個問題，會采用KV或者TLV的方式，微信也做了不同的設(shè)計。

把復(fù)雜邏輯都固化下來，成為基礎(chǔ)軟件。在微信后臺會有幾種不同的基礎(chǔ)組件。

大致包括：

1）Svrkit：Client/Server自動代碼生成框架:10分鐘搭建內(nèi)部服務(wù)器
2）LogicServer：邏輯容器：隨時添加新邏輯
3）OssAgent：監(jiān)控/統(tǒng)計框架：所見即所得的監(jiān)控報表
4）存儲組件：屏蔽容災(zāi)/擴容等復(fù)雜問題

9、灰度、灰度、再灰度

在變更后的部署方式上，微信在一些規(guī)則會限定不能一次把所有的邏輯變更上去，每一次變更一小點觀察到每一個環(huán)節(jié)沒有問題的時候，才能布局到全網(wǎng)上去。微信后臺每一天可以支撐超過20個后臺變更，在業(yè)界來說，通常做到5個已經(jīng)是比較快了，但是微信可以做到快4倍。

騰訊內(nèi)部的上線系統(tǒng)：

而所謂灰度發(fā)布，是指在黑與白之間，能夠平滑過渡的一種發(fā)布方式。AB test就是一種灰度發(fā)布方式，讓一部用戶繼續(xù)用A，一部分用戶開始用B，如果用戶對B沒有什么反對意見，那么逐步擴大范圍，把所有用戶都遷移到B上面來。灰度發(fā)布可以保證整體系統(tǒng)的穩(wěn)定，在初始灰度的時候就可以發(fā)現(xiàn)、調(diào)整問題，以保證其影響度。(在騰訊，灰度發(fā)布是最常采用的發(fā)布方式之一)

10、兵法云：古之所謂善戰(zhàn)者，勝于易勝者也

常識上，解決一個復(fù)雜問題的時候，會用高明的技巧解決復(fù)雜的問題，這個不是微信團隊的目標(biāo)，他們追求的要做到讓所有問題很自然和簡單的方式解決掉。

在周顥看來，微信架構(gòu)的技術(shù)復(fù)雜點在四個要點：協(xié)議、容災(zāi)、輕重、監(jiān)控。

微信架構(gòu)：

1）協(xié)議：手機終端跟后臺服務(wù)器之間的交互協(xié)議，這個協(xié)議的設(shè)計是整個系統(tǒng)的骨架，在這一點做好設(shè)計可以使得系統(tǒng)的復(fù)雜度大大降低。

2）容災(zāi)：當(dāng)系統(tǒng)出現(xiàn)了若干服務(wù)器或若干支架(宕機的時候)，仍然需要讓系統(tǒng)盡可能的提供正常的服務(wù)。
3）輕重：如何在系統(tǒng)架構(gòu)中分布功能，在哪一個點實現(xiàn)哪一個功能，代表系統(tǒng)中間的功能配置。
4）監(jiān)控：為系統(tǒng)提供一個智能儀表盤。

在協(xié)議設(shè)計上，移動互聯(lián)網(wǎng)和常規(guī)互聯(lián)網(wǎng)有很大的區(qū)別。首先有CMWAP和CMNET的不同，在中國現(xiàn)在有相當(dāng)多的手機用戶使用WMWAP連接，還有就是在線和離線的概念，當(dāng)QQ下線的時候叫離線，當(dāng)你登錄的時候叫在線。但是在移動互聯(lián)網(wǎng)這兩個概念比較模糊。從微信的設(shè)計中，不管在線還是離線系統(tǒng)表現(xiàn)都應(yīng)該是一致的。

還有一個是連接不穩(wěn)定的問題，由于手機信號強弱的變化，當(dāng)時信號很好，5秒鐘走到信號不好的地區(qū)，連接就必須斷掉。這個中間帶來不穩(wěn)定的因素為協(xié)議設(shè)計帶來較大困難。

此外就是資費敏感的問題，因為移動互聯(lián)網(wǎng)是按照流量計費的，這個計費會使得在協(xié)議設(shè)計中如何最小化傳輸?shù)膯栴}。

最后就是高延遲的問題。

對此，業(yè)界標(biāo)準(zhǔn)的解決方案：Messaging And Presence Protocol：1)XMPP;2)SIP/SIMPLE。它的優(yōu)點是簡單，大量開源實現(xiàn)。而缺點同樣明顯：1)流量大：狀態(tài)初始化；2)消息不可靠。

微信在系統(tǒng)中做了特殊設(shè)計，叫SYNC協(xié)議，是參考Activesyec來實現(xiàn)的。特點首先是基于狀態(tài)同步的協(xié)議，假定說收發(fā)消息本身是狀態(tài)同步的過程，假定終端和服務(wù)器狀態(tài)已經(jīng)被遲了，在服務(wù)器端收到最新的消息，當(dāng)客戶端、終端向服務(wù)器對接的時候，收取消息的過程實際上可以簡單的歸納為狀態(tài)同步的過程，收消息以及收取你好友狀態(tài)更新都是相同的。在這樣的模式之下，我們會也許會把交互的模式統(tǒng)一化，只需要推送一個消息到達的通知就可以了，終端收到這個通知就來做消息的同步。在這樣的簡化模式之下，安卓和塞班都可以得到統(tǒng)一。這樣的系統(tǒng)本身的實現(xiàn)是更為復(fù)雜的，但是獲得很多額外的好處。

讓剩下系統(tǒng)實現(xiàn)的部分更加簡單，簡化了交互模式，狀態(tài)同步可以通過狀態(tài)同步的差值獲得最小的數(shù)據(jù)變更，通過增量的傳輸?shù)玫阶钚〉臄?shù)據(jù)傳輸量。通過這樣的協(xié)議設(shè)計，微信可以確保消息是穩(wěn)定到達的，而且是按序到達。引用一句俗話：比它炫的沒它簡單，比它簡單的沒它快，沒誰比他更快，哪怕在GPRS下，微信也能把進度條輕易推到底。

11、追求完美設(shè)計的團隊不能勝任海量服務(wù)

在容災(zāi)之前面向最壞的思考，如果系統(tǒng)真的掛了，需要做一些事情，首先是防止雪崩，避免蝴蝶效應(yīng)。

如果關(guān)注春節(jié)訂火車票就知道了，用戶的請求量會因為系統(tǒng)服務(wù)不了而不斷的重試，意味著發(fā)生雪崩的時候，系統(tǒng)可能會承載原先3-10倍的流量，使得所有的事情更加惡化。所以微信有很多“放雪”功能的設(shè)計。

第二個詞是柔性可用，在任何的系統(tǒng)中不要追求完美設(shè)計，追求完美設(shè)計的是團隊是不能勝任海量服務(wù)的。如果在一個系統(tǒng)出現(xiàn)問題的時候，這個系統(tǒng)就掛了，那么這是一個不好的設(shè)計，最好的做法是提供0-1中間的選擇。

舉一個例子：當(dāng)一個用戶向另外一個用戶發(fā)消息的時候，可能會通過一個垃圾信息過濾的檢測，如果垃圾信息過濾這個模塊突然掛掉了，這個消息難道就不能達到了嗎？在這樣的情況下，要忽略掉這個錯誤，使得消息正常達到對方。要精確定位出哪一個環(huán)節(jié)是最為重要的，把不是重要的錯誤盡可能的忽略掉。當(dāng)不能做到完美的時候，盡可能為用戶提供服務(wù)。另外一個重要方面叫做“保護點前置”，最前的一個點就是終端，在手機終端上蘊埋更多的保護點，這樣會為用戶系統(tǒng)贏得更大的處理空間。如果終端具備這樣的能力，會獲得更大的反應(yīng)空間。

周顥介紹了在微信上具體容災(zāi)設(shè)計的做法。在所有的容災(zāi)中存儲層的容災(zāi)是最難的，一個系統(tǒng)的設(shè)計分為三層：接入層、邏輯層、存儲層。接入層和邏輯層的容災(zāi)都有比較成熟的方案。邏輯層的容災(zāi)相對來說比較簡單，盡量不要有狀態(tài)的設(shè)計，比如說當(dāng)你做上一個請求的時候，會保持一些狀態(tài)，要使得下一個請求發(fā)到下一個服務(wù)器。如果任何一個請求之間互相不關(guān)聯(lián)的話，這個就是無狀態(tài)的設(shè)計，只要做到這一點邏輯層的容災(zāi)可以隨意的切換。在回到存儲層本身的容災(zāi)設(shè)計上，相對來說困難一些，但是微信研發(fā)團隊采用了一些技巧，叫分而治之，分離業(yè)務(wù)場景，尋求簡單的設(shè)計，并不會尋求大而同一的解決方案，因為這樣會使得系統(tǒng)的復(fù)雜度大幅度上升，而微信會盡可能把產(chǎn)品拆細，尋求簡化的設(shè)計。

首先是主備容災(zāi)，這是最常見的方案。在有一些業(yè)務(wù)場景中是可以容忍最終一致性的，比如賬號系統(tǒng)的設(shè)計，每天寫入賬號系統(tǒng)的請求是非常少的，但是訪問的請求非常多，這個差異可能會達到數(shù)萬倍的規(guī)模，在這樣的場景下，微信會在賬號系統(tǒng)中采用簡化的方案，也可以獲得比較大的穩(wěn)定度。

SET模型＋雙寫：

第二種容災(zāi)的模式叫雙寫，兩臺Master的機器，當(dāng)一臺機故障的時候，另外一臺機還是可以接收到寫請求，當(dāng)兩臺機交錯啟動的時候，會得到數(shù)據(jù)的丟失。但是有一些場景是可以容忍輕度數(shù)據(jù)丟失的，比如說會有一個存儲專門記錄用戶終端的類型，比如說安卓還是塞班以及他們使用終端的微信版本是什么，這樣的數(shù)據(jù)是可以容忍輕度數(shù)據(jù)丟失的，因為偶爾有一些丟失的話，下一次訪問會把這些數(shù)據(jù)帶上來，會盡快的修復(fù)所有的數(shù)據(jù)。雙寫也是非常簡單的模式。

微信的研發(fā)團隊做了一個叫Simple Quorum的機制，在微信的后臺中，同步協(xié)議有一個很重要的基石叫序列發(fā)生器，這樣的一個序列發(fā)生器需要有極高的穩(wěn)定度。首先可以看到序列號有一個特點永遠是遞增的，用遞增方式往前推進的時候，最大的序列號就是最新的系列號。有一個畢業(yè)才加入廣研的畢業(yè)生想到一個絕佳的方案，按SET分布，從2G減到200K。

12、前輕后重：功能點后移

周顥還談到了輕重的概念。這個概念的提出主要是從終端本身的一些困境所帶來的。首先在終端上需要表現(xiàn)最多的一個產(chǎn)品的邏輯，邏輯非常復(fù)雜，變更的成本也非常高，當(dāng)需要修復(fù)的時候必須發(fā)布一個新版本，這個新版必須由自己下載才能完成，下載的成本非常高。在這樣的前提下，如果手機終端產(chǎn)生了任何變化的時候，如果這個變化有非常大的問題就會有極大的困境，所以需要在每一個發(fā)布之前做一些充分的數(shù)據(jù)，確保不會發(fā)生致命問題。如果一旦出現(xiàn)致命問題難以修復(fù)，需要把關(guān)鍵的點從終端移到后臺實現(xiàn)，把功能點后移，來充分發(fā)揮后臺快速變更的能力。

接入優(yōu)化：從GSLB到IP重定向

在接入層的優(yōu)化，速度很重要的因素，是不是能夠就近接入一個最優(yōu)的節(jié)點，比如說移動用戶最好接入移動的節(jié)點，海外的用戶可能需要尋找更佳的路由，有的時候可能無法自動做到這一點，一點是在終端上做測速，微信會通過在后臺IP逆向的能力，通過后臺指揮微信終端聯(lián)網(wǎng)的能力，尋找最優(yōu)的接入點。上圖就是每分鐘收到同一項指令曲線的報表。

如何解決“偷流量”的問題——當(dāng)國內(nèi)類微信類產(chǎn)品發(fā)布的時候出現(xiàn)一個大的問題就是“偷流量”，當(dāng)用戶在某一些邏輯下進行一個死循環(huán)，不斷訪問某一些數(shù)據(jù)，這樣的死循環(huán)是非常可怕的，如果在用戶不知覺的情況之下，可能會在一個小時之內(nèi)偷到數(shù)10兆甚至數(shù)百兆的流量。有非常多業(yè)內(nèi)的同行都需要花大量的精力解決這個問題，微信研發(fā)團隊用了非常強大的方式解決它。通過在后臺建立起嚴(yán)厲的監(jiān)控系統(tǒng)，對每一個用戶的行為做一個監(jiān)控，當(dāng)發(fā)現(xiàn)異常的時候，后臺會給終端發(fā)出指令，使得微信終端在一段時間無法聯(lián)網(wǎng)，但是可以保證用戶流量不會白白的使用掉。

功能適配的例子——第一期微信版本發(fā)布的時候，當(dāng)時沒有群聊的功能，第二版發(fā)布的時候做了這個功能。當(dāng)時有兩個選擇，對于早期版本的用戶，因為不支持群聊，就無法享用到這個功能，但是微信希望提供更好的選擇，想讓早期不支持群聊的版本，也可以被拉到一個群里面收消息、發(fā)消息，通過后臺功能的適配也能做到這個事情。

13、分而治之：把監(jiān)控嵌入基礎(chǔ)框架

對于一個海量系統(tǒng)來說，一個精密的儀表盤非常重要。監(jiān)控是非常痛苦的，對于這樣一個系統(tǒng)來說，每小時會產(chǎn)生數(shù)百G的監(jiān)控日志。微信希望在1分鐘之內(nèi)監(jiān)控的數(shù)據(jù)就能夠顯示在報表上，因為只有這樣的精準(zhǔn)和實時度才能夠贏得處理故障的時間。微信會做關(guān)聯(lián)統(tǒng)計，通過搖一搖加了好友，他們活躍度如何，過了一段時間他們的活躍度變化情況又是如何。這種需求是需要通過大量日志的關(guān)聯(lián)統(tǒng)計來獲得的。研發(fā)團隊也花了一段時間來理解這個問題，發(fā)現(xiàn)了中間一個重要的經(jīng)驗叫做“魚和熊掌不能兼得”。

為了讓監(jiān)控數(shù)值更敏感，需要把監(jiān)控細化再細化，上面數(shù)據(jù)表示每一欄子系統(tǒng)的數(shù)據(jù)，下面這個是按微信版本號來劃分的，這里的數(shù)據(jù)項是非常多。

微信還需要采集一些異常的點，如果有異常的話會發(fā)布緊急的版本，盡可能快的替換它。對收發(fā)消息延時做的監(jiān)控，比如說0—1秒端到端的速度，會對不同的區(qū)段做一些統(tǒng)計，當(dāng)某一個環(huán)節(jié)出現(xiàn)異常的時候，通常會在中間的延時上體現(xiàn)出來。有一個很重要的點叫自動報警，現(xiàn)在有數(shù)千項的數(shù)據(jù)，不可能每一項都靠人工去看的，必須要跟自動報警相關(guān)聯(lián)，微信有一些智能的算法，是不是在正常的范圍內(nèi)，跟歷史的數(shù)值進行對比，如果有異常的話，會通過短信、郵件還有微信本身來發(fā)出報警信息。

微信會把監(jiān)控嵌入到基礎(chǔ)框架里面去，因為并不是每一個人都會意識到在需要的地方嵌入一個監(jiān)控點，所以在基礎(chǔ)框架本身內(nèi)置很重要的監(jiān)控點，比如說這個表上的欄目，非常多的欄目大概會有數(shù)百項的欄目，都不需要程序員自己去寫，當(dāng)用基礎(chǔ)組件搭建一個系統(tǒng)的時候，就可以直接觀測系統(tǒng)數(shù)據(jù)。