微信技術總監談架構：微信之道——大道至簡(演講全文)

Posted on 2024-09-25 11:17 Jack Jiang 閱讀(277) 評論(0) 編輯收藏

1、前言

微信——騰訊戰略級產品，創造移動互聯網增速記錄，10個月5000萬手機用戶，433天之內完成用戶數從零到一億的增長過程，千萬級用戶同時在線，搖一搖每天次數過億...

在技術架構上，微信是如何做到的？日前，在騰訊大講堂在中山大學校園宣講活動上，騰訊廣研助理總經理、微信技術總監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于騰訊式的“三位一體”策略：即產品精準、項目敏捷、技術支撐。微信的成功是在三個方面的結合比較好，能夠超出絕大多數同行或對手，使得微信走到比較前的位置。所謂產品精準，通俗的講就是在恰當的時機做了恰當的事，推出了重量級功能，在合適的時間以最符合大家需求的方式推出去。他認為在整個微信的成功中，產品精準占了很大一部分權重。

技術交流：

- 移動端IM開發入門文章：《新手入門一篇就夠：從零開發移動端IM》

- 開源IM框架源碼：https://github.com/JackJiang2011/MobileIMSDK（備用地址點此）

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

2、相關鏈接

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

如何解讀：如何解讀《微信技術總監談架構：微信之道——大道至簡》

3、前于周顥

周顥

2001 年畢業于華南理工大學,計算機專業碩士。

2005 年加入騰訊廣州研發部,歷任 QQ 郵箱架構師,

廣研技術總監,T4 技術專家,微信中心助理總經理。

4、微信的歷程

5、敏捷是一種態度：勇于試錯

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

敏捷是一種態度，在軟件開發過程中，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布前的十分鐘，也要允許他變更。這是非常大的挑戰，因為打破了所有傳統項目開發的常識。所有人都說不可能做到的，但微信做到了。研發團隊所做的一切都是要給產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鍵。

6、懸崖邊的跳舞：海量系統上的敏捷不同以往

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，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。

在海量系統上應對項目開發會有很嚴謹的規范，都說要盡可能少的變化，因為90%-95%的錯誤都是在變更中產生的，如果系統一直不變更會獲得非常高的穩定度，但是微信就是要在懸崖邊跳舞。微信的研發團隊要做一些事情，讓敏捷開發變得更簡單。

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

7、大系統小做

當設計龐大系統的時候，應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，這在海量系統設計開發中是不夠的，還需要在物理環境上進行分離部署，出現問題的時候可以快速發現，并且在最快的情況下解決掉。

大系統小做，混搭模式：

將不同的應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。把關鍵的邏輯混搭在一起，當所有的邏輯部署在同一個服務器上，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控的問題。在整個微信的邏輯中，可能現在已經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

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

擴展的關鍵點有兩塊：

1）一個是網絡協議需要擴展，當要升級一個新功能的時候，會有一些比較大的困難，所以所有協議設計都比較向前兼容，但是向前兼容還是不夠的，因為網絡協議設計本身有非常多的功能也會有比較大的字段，相關的代碼可能會有數千行，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的一個重要的點。

2）另外一塊就是在數據存儲方面是必須可擴展的。在2005年絕大多數海量系統的設計都是采用固定字段的存儲，但是在現代系統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計。

把復雜邏輯都固化下來，成為基礎軟件。在微信后臺會有幾種不同的基礎組件。

大致包括：

1）Svrkit：Client/Server自動代碼生成框架:10分鐘搭建內部服務器
2）LogicServer：邏輯容器：隨時添加新邏輯
3）OssAgent：監控/統計框架：所見即所得的監控報表
4）存儲組件：屏蔽容災/擴容等復雜問題

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節沒有問題的時候，才能布局到全網上去。微信后臺每一天可以支撐超過20個后臺變更，在業界來說，通常做到5個已經是比較快了，但是微信可以做到快4倍。

騰訊內部的上線系統：

而所謂灰度發布，是指在黑與白之間，能夠平滑過渡的一種發布方式。AB test就是一種灰度發布方式，讓一部用戶繼續用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。灰度發布可以保證整體系統的穩定，在初始灰度的時候就可以發現、調整問題，以保證其影響度。(在騰訊，灰度發布是最常采用的發布方式之一)

10、兵法云：古之所謂善戰者，勝于易勝者也

常識上，解決一個復雜問題的時候，會用高明的技巧解決復雜的問題，這個不是微信團隊的目標，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，微信架構的技術復雜點在四個要點：協議、容災、輕重、監控。

微信架構：

1）協議：手機終端跟后臺服務器之間的交互協議，這個協議的設計是整個系統的骨架，在這一點做好設計可以使得系統的復雜度大大降低。

2）容災：當系統出現了若干服務器或若干支架(宕機的時候)，仍然需要讓系統盡可能的提供正常的服務。
3）輕重：如何在系統架構中分布功能，在哪一個點實現哪一個功能，代表系統中間的功能配置。
4）監控：為系統提供一個智能儀表盤。

在協議設計上，移動互聯網和常規互聯網有很大的區別。首先有CMWAP和CMNET的不同，在中國現在有相當多的手機用戶使用WMWAP連接，還有就是在線和離線的概念，當QQ下線的時候叫離線，當你登錄的時候叫在線。但是在移動互聯網這兩個概念比較模糊。從微信的設計中，不管在線還是離線系統表現都應該是一致的。

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

此外就是資費敏感的問題，因為移動互聯網是按照流量計費的，這個計費會使得在協議設計中如何最小化傳輸的問題。

最后就是高延遲的問題。

對此，業界標準的解決方案：Messaging And Presence Protocol：1)XMPP;2)SIP/SIMPLE。它的優點是簡單，大量開源實現。而缺點同樣明顯：1)流量大：狀態初始化；2)消息不可靠。

微信在系統中做了特殊設計，叫SYNC協議，是參考Activesyec來實現的。特點首先是基于狀態同步的協議，假定說收發消息本身是狀態同步的過程，假定終端和服務器狀態已經被遲了，在服務器端收到最新的消息，當客戶端、終端向服務器對接的時候，收取消息的過程實際上可以簡單的歸納為狀態同步的過程，收消息以及收取你好友狀態更新都是相同的。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一。這樣的系統本身的實現是更為復雜的，但是獲得很多額外的好處。

讓剩下系統實現的部分更加簡單，簡化了交互模式，狀態同步可以通過狀態同步的差值獲得最小的數據變更，通過增量的傳輸得到最小的數據傳輸量。通過這樣的協議設計，微信可以確保消息是穩定到達的，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、追求完美設計的團隊不能勝任海量服務

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

如果關注春節訂火車票就知道了，用戶的請求量會因為系統服務不了而不斷的重試，意味著發生雪崩的時候，系統可能會承載原先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”功能的設計。

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

舉一個例子：當一個用戶向另外一個用戶發消息的時候，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節是最為重要的，把不是重要的錯誤盡可能的忽略掉。當不能做到完美的時候，盡可能為用戶提供服務。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，會獲得更大的反應空間。

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

首先是主備容災，這是最常見的方案。在有一些業務場景中是可以容忍最終一致性的，比如賬號系統的設計，每天寫入賬號系統的請求是非常少的，但是訪問的請求非常多，這個差異可能會達到數萬倍的規模，在這樣的場景下，微信會在賬號系統中采用簡化的方案，也可以獲得比較大的穩定度。

SET模型＋雙寫：

第二種容災的模式叫雙寫，兩臺Master的機器，當一臺機故障的時候，另外一臺機還是可以接收到寫請求，當兩臺機交錯啟動的時候，會得到數據的丟失。但是有一些場景是可以容忍輕度數據丟失的，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，這樣的數據是可以容忍輕度數據丟失的，因為偶爾有一些丟失的話，下一次訪問會把這些數據帶上來，會盡快的修復所有的數據。雙寫也是非常簡單的模式。

微信的研發團隊做了一個叫Simple Quorum的機制，在微信的后臺中，同步協議有一個很重要的基石叫序列發生器，這樣的一個序列發生器需要有極高的穩定度。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。有一個畢業才加入廣研的畢業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最多的一個產品的邏輯，邏輯非常復雜，變更的成本也非常高，當需要修復的時候必須發布一個新版本，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布之前做一些充分的數據，確保不會發生致命問題。如果一旦出現致命問題難以修復，需要把關鍵的點從終端移到后臺實現，把功能點后移，來充分發揮后臺快速變更的能力。

接入優化：從GSLB到IP重定向

在接入層的優化，速度很重要的因素，是不是能夠就近接入一個最優的節點，比如說移動用戶最好接入移動的節點，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網的能力，尋找最優的接入點。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——當國內類微信類產品發布的時候出現一個大的問題就是“偷流量”，當用戶在某一些邏輯下進行一個死循環，不斷訪問某一些數據，這樣的死循環是非常可怕的，如果在用戶不知覺的情況之下，可能會在一個小時之內偷到數10兆甚至數百兆的流量。有非常多業內的同行都需要花大量的精力解決這個問題，微信研發團隊用了非常強大的方式解決它。通過在后臺建立起嚴厲的監控系統，對每一個用戶的行為做一個監控，當發現異常的時候，后臺會給終端發出指令，使得微信終端在一段時間無法聯網，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——第一期微信版本發布的時候，當時沒有群聊的功能，第二版發布的時候做了這個功能。當時有兩個選擇，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：把監控嵌入基礎框架

對于一個海量系統來說，一個精密的儀表盤非常重要。監控是非常痛苦的，對于這樣一個系統來說，每小時會產生數百G的監控日志。微信希望在1分鐘之內監控的數據就能夠顯示在報表上，因為只有這樣的精準和實時度才能夠贏得處理故障的時間。微信會做關聯統計，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聯統計來獲得的。研發團隊也花了一段時間來理解這個問題，發現了中間一個重要的經驗叫做“魚和熊掌不能兼得”。

為了讓監控數值更敏感，需要把監控細化再細化，上面數據表示每一欄子系統的數據，下面這個是按微信版本號來劃分的，這里的數據項是非常多。

微信還需要采集一些異常的點，如果有異常的話會發布緊急的版本，盡可能快的替換它。對收發消息延時做的監控，比如說0—1秒端到端的速度，會對不同的區段做一些統計，當某一個環節出現異常的時候，通常會在中間的延時上體現出來。有一個很重要的點叫自動報警，現在有數千項的數據，不可能每一項都靠人工去看的，必須要跟自動報警相關聯，微信有一些智能的算法，是不是在正常的范圍內，跟歷史的數值進行對比，如果有異常的話，會通過短信、郵件還有微信本身來發出報警信息。