IM专题：分层架构IM系统（17）—未读数逻辑实现

在 IM 系统中，“未读数” 是一个非常核心的概念。

首先，从产品体验上，用户登录之后，往往是由消息 “未读数” 引导用户后续的操作；其次，“未读数” 实现逻辑直接影响了上层业务的核心设计；轻量级的未读数模型，会大大降低服务端负载，提升性能，减少损耗。

IM 的未读数模型包括 “离线存储模型” 和 “在线存储模型”，我们今天结合场景深入分析。

一、离线存储模型

所谓未读数的离线存储模型，是指消息未读数的统计和计算需要借助于离线消息库，见下图场景。

• 当用户 uid=101 发一条消息给离线用户 uid=102 时，处理的逻辑是向 “离线库” 写入一条记录，向 “云消息库” 写入两条记录（在前面的文章 IM专题：分层架构IM系统（10）—Das领域模型设计 有深入分析）；
• 当用户 uid=101 发一条消息给在线用户 uid=102 时，处理的逻辑是只向 “云消息库” 写入两条记录；
• 当用户 uid=102 登录后，会首先从 “离线库” 中拉取所有的离线消息记录到客户端本地，这些离线消息记录的条数是客户端未读数的一部分，还有一部分是已经在客户端本地但未被用户阅读的消息（这是客户端逻辑，不在本文讨论范围）。

可以这样简单来理解未读数的离线存储模型：

1. 当用户处于在线状态时，客户端收到消息后，未读数的统计完全由客户端来计算；
2. 当用户处于离线状态时，由离线库存储所有的离线消息，用户登录后，离线消息全部拉取到客户端，由客户端统计未读数。

未读数的离线存储模型，很容易理解，也方便落地实现，但是绝非轻量。

当用户有大量的离线消息时，尤其是用户有非常多的群消息时，哪怕用户对这些消息并不关注，在登录的时候也都需要将这些离线消息拉取到客户端本地；这让登录逻辑会很重，也消耗了客户端很多的网络带宽。

所以，离线存储模型适合于用户在线率比较高的 PC 时代的 IM 应用，并不适合移动互联网场景。

二、在线存储模型

在未读数的离线存储模型中，“离线库” 中的数据其实是 “云消息库” 中部分数据的冗余，所以完全可以舍弃 “离线库”，并通过在 “云消息库” 中进行标注来识别出 “离线” 或 “未读”，这就是未读数的在线存储模型。见下图场景。

未读数的在线存储模型，不关注消息是否是离线的，只关注发送到服务端的消息，有多少条是还未到达接收方客户端的，这里的 ”多少条“ 即消息未读数，由联系人表的一个扩展字段 unread 来负责存储（在 IM专题：分层架构IM系统（10）—Das领域模型设计 中分析过）。

• 用户 uid=101 发一条消息给用户 uid=102，不管用户 uid=102 是在线状态还是离线状态，服务端都需要向云消息库写两条记录，向联系人库更新两条记录；联系人库中，对于 uid=102 的记录，其 unread 字段需要执行加1的操作（unread++）；
• 用户 uid=102 登录后，需要首先从联系人库中，读取其所有未读的消息数量，即 unread；可以对比离线存储模型，在线存储模型中只需要从服务端获取一个数值，而离线存储模型则需要获取所有的离线消息；
• 用户 uid=102 在未读数的引导下，会进入与好友的聊天窗口，通过不断滑动屏幕，触发拉取历史消息的操作，即服务端会从云消息库中分页读取历史消息；这一步是在用户的操作之下进行的，用户对哪个联系人感兴趣，就拉取哪个联系人的消息，按时间顺序由近及远，倒序拉取；
• 消息拉取到客户端本地后，需要对服务端联系人库中的 unread 字段进行重置；需要注意，不是将 unread 重置为 零；用户 uid=102 在与好友的聊天窗口中，将最新的一条消息记录的标识，即 last_msg_id ，作为参数传递到服务端，服务端根据 last_msg_id 查询云消息库，获取比 last_msg_id 更大的消息记录数，然后将此数来重置未读数字段 unread（大家思考一下，为什么需要这样操作）；重置未读数的时机有两个：一是用户进入与好友的聊天窗口时，二是用户离开聊天窗口时。

这就是整个未读数的在线存储模型的基本逻辑，与离线存储模型相比，轻量很多；首先是用户登录时，只需要从服务端获取一个未读数值；然后根据用户操作，按需要拉取历史消息，这大大节省了用户的网络带宽，用户操作更轻便，体验更流畅。所以，未读数的在线存储模型更适合移动互联网场景下的 IM 应用。

为了方便大家，对未读数在线存储模型的核心逻辑理解更深刻，我们从数据表的视角再深入分析一下，见下图。

• 图中左侧是用户 uid=102 的云消息记录，共有 5 条，分别是 uid=101 和 uid=103 发送的；
• 图中右侧是用户 uid=102 的联系人记录，其联系人是 uid=103，该联系人曾发送 3 条消息给 uid=102，所以未读数是 unread=3；
• 任何一个用户发送消息给 uid=102 时，都需要执行两步操作：对云消息表追加记录，对联系人表更新未读数（unread++）；
• 对于用户 uid=102，登录时触发 “拉未读数” 的操作，即从联系人表读取 unread，比如：拉取联系人 uid=103 的消息未读数是 3；
• 在未读数的引导下，用户 uid=102 进入与 uid=103 的聊天窗口中，通过滑动屏幕触发 “拉云消息” 的操作，即从云消息表中倒序分页拉取消息记录；
• 用户 uid=102 离开聊天窗口时触发 “重置未读” 的操作，假设 uid=103 发送的三条消息全部被 uid=102 拉取到了本地，则将最新的消息记录标识 last_msg_id=5 作为参数传递到服务端，服务端对云消息表执行 【select count(*) from 云消息表 where to_uid=102 and from_uid=103 and msg_id > 5】，然后将获取的结果 0 对联系人表执行 【update 联系人表 set unread=0 where to_uid=102 and from_uid=103】。

在未读数在线存储模型中，服务端需要提供三个最核心的接口：拉未读数、拉云消息、重置未读。

最后，总结文中关键：

1. IM 的未读数会引导用户操作，影响业务流程设计，其实现包括 “离线存储模型” 和 “在线存储模型”；
2. 离线存储模型，其消息统计借助于离线消息库，用户登录后将所有离线消息拉取到客户端本地进行计算；离线存储模型适合用户在线率较高的 PC 时代的 IM 应用；
3. 在线存储模型，其消息统计借助于联系人表的 unread 字段，用户登录后通过读取联系人表获取未读数，通过读取云消息表获取历史记录；在线存储模型适合移动互联网下的 IM 应用。

作者：棕生 | 公众号——架构之魂