文档

现代IM系统中的消息系统—模型

更新时间:

本章节主要介绍表格存储(Tablestore)的Timeline模型基本功能以及核心组件,并且会通过IM消息系统场景,介绍如何基于Timeline实现IM场景下消息同步、存储和索引等基本功能。

Timeline模型

Timeline模型以简单为设计目标,核心模块主要包括:

模块说明
StoreTimeline存储库,类似数据库表的概念。
Identifier用于区分Timeline的唯一标识。
Meta用于描述Timeline的元数据,元数据描述采用free-schema结构,可自由包含任意列。
Queue一个Timeline内所有Message存储在Queue内。
MessageTimeline内传递的消息体,也是一个free-schema的结构,可自由包含任意列。
Index包含Meta Index和Message Index,可对Meta或Message内的任意列自定义索引,提供灵活的多条件组合查询和搜索。
Timeline Storetimestore

Timeline Store是Timeline的存储库,对应于数据库内表的概念。上图是Timeline Store的结构图,Store内会存储所有的Timeline数据。Timeline是一个面向海量消息的数据模型,同时用于消息存储库和同步库,需要满足多种要求。

  • 支撑海量数据存储:对于消息存储库来说,如果需要消息永久存储,则随着时间的积累,数据规模会越来越大,需要存储库能应对长时间积累的海量消息数据存储,需要能达到PB级容量。
  • 低存储成本:消息数据的冷热区分是很明显的,大部分查询都会集中在热数据,所以对于冷数据需要有一个比较低成本的存储方式,否则随着时间的积累数据量不断膨胀,存储成本会非常大。
  • 数据生命周期管理:不管是对于消息数据的存储还是同步,数据都需要定义生命周期。存储库是用于在线存储消息数据本身,通常需要设定一个较长周期的保存时间。而同步库是用于写扩散模式的在线或离线推送,通常设定一个较短的保存时间。
  • 极高的写入吞吐:各类场景下的消息系统,除了类似微博、头条这种类型的Feeds流系统,像绝大部分即时通讯或朋友圈这类消息场景,通常是采用写扩散的消息同步模式,写扩散要求底层存储具备极高的写入吞吐能力,以应对消息洪峰。
  • 低延迟的读:消息系统通常应用于在线场景,所以对于查询要求低延迟。

Tablestore Timeline的底层是基于LSM存储引擎的分布式数据库,LSM的最大优势就是对写入非常友好,天然适合消息写扩散的模式。同时对查询也做了极大优化,例如热数据进缓存、bloom filter等等。数据表采用Range Partition的分区模式,能提供水平扩展的服务能力,以及能自动探测并处理热点分区的负载均衡策略。为了满足同步库和存储库对存储的不同要求,也提供了一些灵活的自定义配置,主要包括:

配置说明
Time to live(数据生命周期)可自定义数据生命周期,例如永久保存,或者保存N天。
Storage type(存储类型)自定义存储类型,对存储库来说,HDD是最合适的选择,对同步库来说,SSD是最合适的选择。
Timeline Moduletime1

Timeline Store内能存储海量的Timeline,单个Timeline的详细结构图如上,可以看到Timeline主要包含了Timeline Meta、Timeline Queue、Timeline Data三大部分。

  • Timeline Meta

    元数据部分,用于描述Timeline

    • Identifier:用于唯一标识Timeline,可包含多个字段。
    • Meta:用于描述Timeline的元数据,可包含任意个数任意类型的字段。
    • Meta Index:元数据索引,可对元数据内任意属性列建索引,支持多字段条件组合查询和检索。
  • Timeline Queue

    用于存储和同步消息的队列,队列中元素由以下两部分组成。

    • Sequence Id:顺序ID,队列中用于定位Message的位点信息,在队列中顺序ID保持递增。
    • Message:队列中承载消息的实体,包含了消息的完整内容。
  • Timeline Data

    Timeline的数据部分就是Message,Message主要包含以下两部分。

    • Message:消息实体,其内部也可以包含任意数量任意类型字段。
    • Message Index:消息数据索引,可对消息实体内任意列做索引,支持多字段条件组合查询和检索。

IM消息系统建模

timeim

以一个简易版IM系统为例,来看如何基于Tablestore Timeline模型建模。按照上图中的例子,存在A、B、C三个用户,A与B发生单聊,A与C发生单聊,以及A、B、C组成一个群聊,来看下在这个场景下消息同步、存储以及读写流程分别如何基于Tablestore Timeline建模。

消息同步模型

消息同步选择写扩散模型,能完全利用Tablestore Timeline的优势,以及针对IM消息场景读多写少的特性,通过写扩散来平衡读写,均衡整个系统的资源。写扩散模型下,每个接收消息的个体均拥有一个收件箱,所有需要同步至该个体的消息需要投递到其收件箱内。图上例子中,A、B、C三个用户分别拥有收件箱,每个用户不同的设备端,均从同一个收件箱内拉取新消息。

消息同步库

收件箱存储在同步库内,同步库中每个收件箱对应一个Timeline。根据图上的例子,总共存在3个Timeline作为收件箱。每个消息接收端保存有本地最新拉取的消息的SequenceID,每次拉取新消息均是从该SequenceID开始拉取消息。对同步库的查询会比较频繁,通常是对最新消息的查询,所以要求热数据尽量缓存在内存中,能提供高并发低延迟的查询。所以对同步库的配置,一般是需要SSD存储。消息如果已经同步到了所有的终端,则代表收件箱内的该消息已经被消费完毕,理论上可以清理。但设计上来说不做主动清理,而是给数据定义一个较短的生命周期来自动过期,一般定义为一周或者两周。数据过期之后,如果仍要同步拉取新消息,则需要退化到读扩散的模式,从存储库中拉取消息。

消息存储库

消息存储库中保存有每个会话的消息,每个会话的发件箱对应一个Timeline。发件箱内的消息支持按会话维度拉取消息,例如浏览某个会话内的历史消息则通过读取发件箱完成。一般来说,新消息通过在线推送或者查询同步库可投递到各个接收端,所以对存储库的查询会相对来说较少。而存储库用于长期存储消息,例如永久存储,相对同步库来说数据量会较大。所以存储库的选择一般是HDD,数据生命周期根据消息需要保存的时间来定,通常是一个较长的时间。

消息索引库

消息索引库依附于存储库,使用了Timeline的Message Index,可以对存储库内的消息进行索引,例如对文本内容的全文索引、收件人、发件人以及发送时间的索引等,能支持全文检索等高级查询和搜索。

技术支持

表格存储为您提供专业的免费的技术咨询服务,欢迎通过钉钉加入相应交流群。

  • 为互联网应用、大数据、社交应用等开发者提供的最新技术交流群有36165029092(表格存储技术交流群-3)。

    说明

    表格存储用户群11789671(表格存储技术交流群)和23307953(表格存储技术交流群-2)已满,暂时无法加入。

    2e182faaf86c8352cb6fc99bd6371fb4.jpg

  • 为物联网和时序模型开发者提供的技术交流群有44327024(物联网存储 IoTstore 开发者交流群)。

    be4365aa89c9377dd75d4b52b60d7144.jpg

  • 本页导读 (1)
文档反馈