16 年是直播浪潮兴起的元年，许多互联网公司的业务都开始涉足直播内容模块。我目前所在公司接手的第一份工作，就是直播业务中的弹幕系统优化。随着公司直播业务的变化，弹幕系统从最初的版本到后来优化了三四个版本，这个过程大概持续了一年的时间，本文将从我司早期的弹幕系统开始给大家介绍整个更新过程的“血与泪”。
早期弹幕系统
一、基本状况
1.由 PHP + Gateway 框架编写
2.所有的 Client ID 存放在 Redis 里面
3.最初由三台机器挂载在 LVS 系统后方提供服务
4.使用多进程的方式，开启多个 worker 进程来处理消息传递内容
二、存在的问题
1.内存占用量巨大，单机（4 核 8G 配置）承受 500 左右的 Client 就会达到内存上限
2.每次发送消息的时候，每台机器都需要从 Redis 里面拿取对应房间的所有 Client ID；并发高时，Redis 的单进程处理效率和内网带宽就成为瓶颈。
3.单机的并发处理能力被消息处理的 worker 进程数量限制。同时开启过多的进程，也是对系统资源的格外浪费。
4.单房间超过 2000 人的时候，消息的延迟有可能会达到 1 分钟左右，这是极其严重的问题。
三、临时改造
由于需要解决的问题比较紧迫，所以快速做了一些逻辑上的改变和业务层面的取舍：
1.对 Redis 的实例进行了拆分，使用了双机，单机 4 实例的方式，分散了 Redis 的压力。
2.对消息处理 worker 进程的逻辑做了一些修改，限制了单位时间内进行广播的消息数量，多余的消息会被丢弃。
3.对于已经完成了直播进入点播状态的房间，额外启用了另外一套弹幕系统来进行分流。
4.单个房间切成多个房间进行消息处理。
四、改造之后的效果
1.Redis 压力大幅度降低；
2.单机 IO 性能压力降低；
3.同样数量的机器，可以承载更多的直播房间个数。
但是，根本问题并没有得到解决。在临时解决压力问题之后，我们需要花一些时间来重新对弹幕系统进行分析，按照分析后的需求，对新的弹幕系统进行重构。
新的弹幕系统
一、新弹幕系统面临的挑战
1.单房间人数较高，依照我们公司直播情况，单房间 5 – 10 万人同时在线是会出现的。
2.由于直播内容等情况造成的某时间段用户暴涨。
3.需要尽可能实时到达，延迟过高的话会大大降低互动的实时性。
4.每一条消息，都要递送大量的长连接。
5.大量长连接的维护机制。
6.在运营的过程中，需要处理用户黑名单、IP 黑名单、敏感词等需求。
二、新的弹幕系统需求
1.由于内存的管理对于 PHP 来说算是一个短板，对于大并发且长时间稳定不需要经常更新维护的系统来说，并非最好的选择，因此选一门合适的语言是必须的。
2.分布式支持，可以快速的横向扩展，单房间人数可以支持到十万级别。
3.可以方便快捷的对系统进行第三方消息的发送（例如礼物信息、系统通知等）。
4.尽量使用本地内存管理来记录房间内客户端连接，剩下大量的数据交互和查询时间。
5.并发支持消息广播，提高广播效率。
三、新弹幕系统版本的改造方法
1.选择当前正红且对高并发支持良好的 Golang 作为开发语言。
2.使用开发语言进行客户端连接的管理，且每台机器只管理自己收到的连接请求。
3.使用并发的房间内广播逻辑，同时对多人进行广播。
新弹幕系统改造的相关经验
下面先对一个模块细节进行分析，然后进一步分析模块上层的调度逻辑。
一、房间管理
type RoomInfo struct {
RoomID string //房间ID
Lock *sync.Mutex //房间操作锁
Rows []*RowList //房间多行Slice
Length uint64 //当前房间总节点数
LastChangeTime time.Time //最后一次更新时间
}
type RowList struct {
Nodes []*Node //节点列表
}
由于每个房间都有自己的 ID，客户端建立连接之后，就会被放到一个大厅房间里面。接着，客户端自己提交 RoomID 上来，连接会被重新连接到对应的房间里面。每个连接在建立之后，都会被包装成一个 Node，放到 Rows 里面。
type Node struct {
RoomID string
ClientID int64
Conn *websocket.Conn
UpdateTime time.Time
LastSendTime time.Time //最后一次发送消息时间
IsAlive bool
DisabledRead bool//是否已经被关闭了发言权限
}
每一个 Node 中，都有一个 IsAlive 来表示连接是否成功。如果连接断开，或者因为其他原因强制停止服务的话，会修改此标记状态。然后由定时的处理机制将此连接关闭并从内存中清除。Rows 的本质就是一组事先设定了长度的 Node Slice。
发送消息的时候，每一组 slice 使用一个协程来顺序发送。同一房间内的连接，就可以依照 slice 分组进行并发发送。发送的时候，会使用锁将整个房间锁住，以防止并发情况下同一连接混入两条信息。
二、消息管理
var messageChannel map[string]chan nodeMessage
func init() {
messageChannel = make(map[string]chan nodeMessage)
}
func sendMessageToChannel(roomId string, nm nodeMessage) error {
//如果房间不存在，创建一个房间
if c, ok := messageChannel[roomId]; ok {
c
} else {
//创建房间通道
messageChannel[roomId] = make(chan nodeMessage, 1024)
messageChannel[roomId]
//创建房间实例
roomObj := &RoomInfo{}
roomObj.RoomID = roomId
roomObj.Rows = make([]*RowList, 0, 4)
roomObj.Lock = &sync.Mutex{}
//创建新的协程来监控房间
go daemonReciver(messageChannel[roomId], roomObj)
go timerForClean(messageChannel[roomId])
//如果是大厅的话，启动大厅清理协程
if roomId == "" {
go CleanHall(roomObj)
}
}
return nil
}
以上是关于弹幕信息传递的一部分代码。首先，每一个房间，都有自己的消息通道，所有的这些通道根据 RoomID 为 key，记录在一个叫做 messageChannel 的 map 里面。每次收到消息的时候，都直接把消息丢到 channel 里面，就可以了。（后面由守护协程来处理）如果没有房间通道的话，就建立房间的通道 channel，并启动每个房间的一系列协程。
三、服务器管理
这里的方案比较简单，其实就是建立一个上一层的聊天室即一个房间，所有的服务器都会主动连接到这里，每一个服务器收到的信息，就会在这个房间里面广播到别的机器去。
四、守护协程们管理
守护协程处理很多琐碎的事情，保证房间内信息的正常分发以及房间连接的正常管理。各个守护协程的功能如下：
1.消息发送协程：每个房间配备一个，从 channel 里面获取到要发送到本房间的消息，然后在并发调用各个 RowList 的发送消息机制。
2.房间整理协程：因为会有连接断开、房间更换等修改 Node 状态的行为，所以定期会有房间整理协程来进行节点整理，删除当前房间无关的节点等以提高消息的发送效率。
五、测试相关
运行环境：云主机 8 核 16G 实例
操作系统：Centos7（未进行系统优化或参数调整）
测试内容：单机建立 15000 websocket 连接，并且发送消息，进入指定房间（所有连接进入同一房间）。一个客户端进入房间，发送一条消息，经过敏感词处理、IP 和用户黑名单处理，然后被广播到所有节点。
测试结果：
CPU 占用：保持在 5% 以下
内存占用：2GB（包括操作系统本身开销）
网络占用：峰值 10Mb/s 左右
发送效率：15000 节点广播，100ms – 110ms 左右。
根据测试结果计算：
完全可以在 8 核 16G 的机器上，实现无压力运行 50K 并发，峰值接近 60 – 70K 的处理能力。
六、更多分享
我目前正在尝试把完成这套弹幕系统的基本功能开源出来。已经提取出来了一部分，当前的地址为：https://github.com/logan-go/roomManager，感兴趣的读者可以通过链接查看。
小结
弹幕系统给视频直播/点播增加了更多内容的互动娱乐性质，从最初的 A 站 B 站发展到现在各主流视频网站 APP。如何健康高效的管理弹幕系统，也是当下视频行业需要重视的一门技术活。
