假如让你从0到1实现一个直播弹幕系统

前言

直播业务现在特别火爆，也给人们的互动方式带来了很多新的改变，比如刷礼物、弹幕、排行榜等等。面对巨大的流量规模，直播技术的发展也备受关注。作为一个技术爱好者，相信你也会对直播的技术比较感兴趣，于是我去翻了几篇文章，了解了直播的技术方案，发现涉及到的技术细节太多，有部分已经是知识盲区，如音频、视频的编码传输等。

斗鱼：如何打造一个高性能、高可用直播系统架构https://www.infoq.cn/article/we4dDaWLO7ZsHLij6AZ9

蘑菇街直播架构 https://cloud.tencent.com/developer/article/1036603

直播相关知识 https://blog.csdn.net/huwei2003/article/details/54599152

直播中弹幕是一个非常亮眼和重要的功能，相比于秒杀架构，直播弹幕系统也有很多有趣的知识可以挖掘，一起来 YY 下如何设计一个直播弹幕系统，不对的地方还请有经验的大佬指出。

直播弹幕系统

直播弹幕是一个读写 QPS 要求都很高，假设一个直播间有 100w 用户同时在线观看，假设弹幕的提交频率为有 10000条/秒，那么需要每秒同时推送给在线用户的次数为 100w * 10000。由此可见，读请求的吞吐量需要远大于写请求，这点类似于 IM 实时聊天。、

架构设计考虑以下几个场景：

• 支持直播弹幕回放
• 用户进入直播间可以推送最新几秒的弹幕数据
• 长连模式和短连模式可以做降级切换

MVP版本

为了不影响读写的性能，采用读写分离架构。

• 写服务：若不考虑历史弹幕可回放，可以直接使用 Redis 作为唯一存储。若考虑支持弹幕的回放，数据还是需要持久化，可以考虑使用 MySQL 或者 TiDB，暂且认为写入不是较大的瓶颈。如果有更高性能的写需求，HBase、OpenTSDB 等都可以解决问题。
• 读服务：Redis 主要用于读缓存，缓存直播间最新的弹幕数据，采用直播间 ID 作为 Key。系统读服务最大 QPS = Redis 集群QPS。

Redis 存储结构选择：SortedSet。

• 提交弹幕：ZADD，score 设置为时间戳。进一步优化可以只存储时间的 delta 值，减少数据存储量。
• 弹幕查询：ZRANGEBYSCORE 定时轮询弹幕数据。

有什么问题？

• 系统性能与 Redis 集群容量强相关，性能提升需要扩容 Redis，成本高。
• Redis 重复请求较多，相同直播间会存在很多重复的轮询请求。

• 

   

 

缓存优化

如果能让最新的实时弹幕数据都能命中本地缓存，那性能是最高的，同时大幅度降低了 Redis 的读取压力。所以弹幕读服务可以每秒轮询 Redis 数据，构建本地缓存。

热点问题：

• 假设同时在线的直播间有 10000 个，读服务机器有 50 台，那么每秒轮询 Redis 的 QPS = 10000 * 50 = 50w，读取请求线性膨胀。
• 本地内存的使用量也随直播间的数量增长而膨胀，每个直播间的缓存的数据量降低，导致本地缓存的命中率降低，容易导致 GC 频繁。

• 

   

 

热点优化

如何降低本地缓存的使用量？

• 因为火爆的直播间会占据整个平台大部分的流量，可以只针对火爆的直播间开启本地缓存。
• 通过路由控制同一个直播间的请求分发到固定的几台机器，例如一致性 Hash 算法。通过减少读服务机器上的直播间数量，达到降低本地缓存使用量的目的。

 

 

上述方法可以有效地解决问题，但是不能解决流量不均衡的问题。不同直播间分配的机器资源不是拍脑袋定的，需要有理论依据，可以根据直播间的一些数据指标进行动态分配机器资源。

• 增加对直播间数据指标的统计，如单机 QPS、集群 QPS、单机直播间在线数等。
• 关于自适应的负载均衡又是一个可以深挖的话题，在这里我们讨论几个常用的方案，有可能结合起来使用效果更好。
• 分桶：不同 QPS 的范围段划分为不同的桶，根据桶范围的不同分配的机器数量也是不同的。
• 最大最小公平分配：根据直播间的 QPS 划分资源需求的权重比例，根据总机器的数量和权重比例来分配机器数量。
• 启发式算法：遗传算法、蚁群算法等。

单元化架构

单元化可以说是解决性能容量以及容灾的杀手锏。实现单元化需要完成有很多重要的工作，如数据同步 DRC、流量调度等，在此不作展开。

 

 

推荐一篇携程的 DRC 实践：携程异地多活-MySQL实时双向（多向）复制实践 https://tech.ctrip.com/articles/a_architecture/3677

客户端长连接推送

为了保障客户端消息的推送性能和实时性，长连接基本是必备的，最新的消息可以直接采用长连接实时推送。

• Push Server 从 Redis 中获取用户和直播间的订阅关系以及长连接信息。
• 连接代理只负责与客户端保持长连接。
• 海量的消息推送需要批量压缩。

• 

   

 

弹幕回放

增加一组专门用于回放的 Redis 集群，同时增加回放的本地缓存，其余设计与上述方案保持一致。

总结

抱着学习的心态，思考了直播弹幕系统的架构应该如何设计，本文主要讨论了以下几个点：

• 读写分离的架构设计
• 通过缓存优化读性能
• 通过路由规则解决直播间流量不均衡的热点问题
• 长连接的方案设计以及客户端的消息推送

暂时就 YY 这么多吧，做好一个系统还有需要细节需要考虑：高可用、监控、限流降级、延迟优化等。有什么错误和好的实践经验跪求留言。