IM专题：分层架构IM系统（8）— Router假在线问题分析

通过对分层架构 IM 系统的分析，Router 的核心职责是作为中央存储记录在线客户端与 Entry 节点之间的映射关系，在本质上 Router 是一个内存数据库。

什么是 Router 假在线呢？见下图。

客户端已经离线，Entry 还未感知，或者 Entry 已经感知并且切断了连接，但是 Router 中仍记录着该客户端的在线状态数据；如图中，uid 是 102 的用户已经离线，但是 Router 中仍然记录着 102 与 Entry 节点的映射关系。这样造成的直接后果就是，当要向 102 推送消息时，Router 提供的数据则是无效的。

怎么定性 Router 假在线问题呢？

造成这个问题是不是由于整个 IM 系统的分层架构设计有缺陷呢？不是的， Router 假在线问题是一个合理的异常现象，说【合理】是因为造成这个问题是正常的，是合理的，不是因为整体设计有问题；说【异常】是因为这毕竟会导致不好的结果，的确是一个问题，是需要解决的！

Router 假在线问题是怎么造成的呢？

客户端是移动设备，处于弱网络的环境中，客户端与 Entry 之间的 TCP 连接是很容易断开的；TCP 连接中断后，其两端节点的反应具有延迟性，到 Entry 捕捉住 TCP 连接中断事件时具有一个窗口期，所以 Router 的数据状态与实际情况不一致就是必然的。

更主要的情况是：Entry 感知到连接中断后，需要通过 Logic 写入到 Router 中进行更新，Logic 是业务模块，升级迭代和进程重启非常频繁，会很容易丢掉 Entry 发送的 “连接中断” 事件，所以 Router 假在线问题就产生了。

怎么避免或解决 Router 假在线问题呢？

既然经常重启的 Logic 导致了 Entry 不能百分百成功写 Router，那是否可以由 Entry 直接写 Router 呢？见下图。

由 Entry 直接写 Router 是不可取的。我们在前面的文章（IM专题：分层架构IM系统（1）—架构解读）中分析过，Entry 的核心职责是维护与客户端之间的长连接，不负责处理任何的业务逻辑；而 Router 中存储了与业务逻辑相关的很多字段（比如：deviceType、deviceToken等），由 Entry 直接访问 Router 会造成极大的耦合性，破坏最初的架构原则。

常见的解决 Router 假在线问题的手段有：

Router 通过自身的心跳扫描机制，扫描并清理掉过期的数据；
Entry 推送消息时，若发现用户已经离线，则 Entry 回调 Logic 的 “unreachable” 接口，由 Logic 清理Router 中的假在线数据；
Entry 推送消息时，若没有收到客户端回复的 ACK 时，Logic 也会修复 Router 中的假在线数据。

对 Router 假在线问题进一步抽象：假在线其实是一个分布式系统的 “数据一致性” 问题，为什么不采用 “强一致性” 方式来彻底消除假在线问题呢？也就是采用 CAP 模型中的 CP 模型。

因为 CP 模型会导致系统的可用性大大降低，在访问 Router 时，Router 需要通过类似于一致性协议的手段与Entry 进行通信确认在线状态，其效率可想而知；在互联网中，尤其是非金融领域， AP模型才是最合适的。

IM 以及其他互联网系统，在研发过程中遇到的所有问题，在实践中需要通过低成本的方式来解决，而不能只站在理论层次来纸上谈兵，即【降本增效】。

最后，总结文中关键：

1、什么是 Router 假在线？简单理解为： Router 认为用户在线，而 Entry 中用户已经离线。

2、怎么定性 Router 假在线？合理的异常现象。

3、 Router 假在线问题是如何造成的？主要因素是中间节点 Logic 的 “不稳定性”。

4、怎么解决 Router 假在线问题？ Router 自身扫描机制或由 Entry 通知 Logic 及时修复。

作者：棕生来源：公众号——架构之魂