眾所周知螃诅，IM 即時(shí)通訊是一項(xiàng)對(duì)即時(shí)性要求非常高的技術(shù)啡氢，而保障消息即時(shí)到達(dá)的首要條件就是鏈路存活。那么在復(fù)雜的網(wǎng)絡(luò)環(huán)境和國(guó)內(nèi)安卓手機(jī)被深度定制化的條件下术裸，如何保障鏈路存活呢倘是？本文詳解了融云安卓端 SDK 在基于 TCP 協(xié)議實(shí)現(xiàn)鏈路保活方面的探索和經(jīng)驗(yàn)袭艺。
IM 系統(tǒng)整體框架
如上圖所示搀崭，為了保障鏈路存活，一套成熟的 IM 系統(tǒng)一般會(huì)包含消息鏈路和推送鏈路兩條長(zhǎng)連接通道猾编。當(dāng)有新消息到達(dá)時(shí)瘤睹，消息服務(wù)首先會(huì)判斷消息鏈路是否存活，如果消息鏈路處于存活狀態(tài)答倡，消息優(yōu)先從消息鏈路下發(fā)到客戶端轰传，否則會(huì)被路由到推送服務(wù)器，由推送鏈路下發(fā)瘪撇。
綜上所述获茬，鏈路保活涉及到消息鏈路和推送鏈路兩條鏈路的本蠹龋活策略恕曲。基于這兩條鏈路使用場(chǎng)景的不同叉存，甭肓活策略上除了心跳機(jī)制是相同的，其它奔吣螅活策略各有不同稿存。下面將詳細(xì)講解。
鏈路蓖啵活的必要性
基于 TCP 的 Socket 連接建立之后瓣履，如果不做任何處理，這個(gè)連接會(huì)長(zhǎng)時(shí)間存在并且可用嗎练俐？答案是否定的袖迎。原因有兩點(diǎn)：
一、默認(rèn) Socket 連接無法及時(shí)探測(cè)到鏈路的異常情況，即使將 Socket 的屬性參數(shù) keepAlive 設(shè)置為 true 仍然無法及時(shí)獲取到鏈路存活狀態(tài)燕锥。這是因?yàn)?Socket 的連接狀態(tài)是由一個(gè)狀態(tài)機(jī)進(jìn)行維護(hù)的辜贵，連接完畢后，雙方都會(huì)處于建立狀態(tài)归形。假如某臺(tái)服務(wù)器因?yàn)槟承┰驅(qū)е仑?fù)載超高托慨，無法及時(shí)響應(yīng)業(yè)務(wù)請(qǐng)求，這時(shí) TCP 探測(cè)到的仍然是連接狀態(tài)暇榴，而實(shí)際上此鏈路已經(jīng)不可用了厚棵。
二、國(guó)內(nèi)運(yùn)營(yíng)商的 NAT 超時(shí)機(jī)制會(huì)把一定時(shí)間內(nèi)沒有數(shù)據(jù)交互的連接斷開蔼紧，這個(gè)時(shí)間可能只有幾分鐘婆硬，遠(yuǎn)無法滿足我們的長(zhǎng)連接需求。
通用奔槔活機(jī)制 - 心跳機(jī)制
基于以上原因彬犯，要維持 Socket 連接長(zhǎng)時(shí)間存活，就需要實(shí)現(xiàn)自己的绷ㄖ粒活機(jī)制躏嚎。最通用的一種保活機(jī)制就是心跳機(jī)制菩貌。即客戶端每隔一段時(shí)間給服務(wù)器發(fā)送一個(gè)很小的數(shù)據(jù)包，根據(jù)能否收到服務(wù)器的響應(yīng)來判斷鏈路的可用性重荠。為了節(jié)省流量箭阶，這個(gè)包一般非常小，甚至沒有內(nèi)容戈鲁。
那么客戶端如何實(shí)現(xiàn)定時(shí)發(fā)送心跳包呢仇参？一般有兩種方式：
一種是通過 Java 里的 Timer 來實(shí)現(xiàn)。最基本的步驟如下：
1婆殿、建立一個(gè)要執(zhí)行的任務(wù)TimerTask诈乒。
2、創(chuàng)建一個(gè)Timer實(shí)例婆芦，通過Timer提供的schedule()方法怕磨，將 TimerTask 加入到定時(shí)器Timer 中，設(shè)置每隔一段時(shí)間執(zhí)行 TimerTask , 在 TimerTask 里發(fā)送心跳包消约。這種方式實(shí)現(xiàn)起來較簡(jiǎn)單肠鲫，而且省電，不需要持有 WakeLock 或粮。缺點(diǎn)也很明顯导饲，長(zhǎng)時(shí)間在后臺(tái)，進(jìn)程被回收或者系統(tǒng)休眠后， Timer 機(jī)制隨之失效渣锦。
另外一種方式是利用安卓系統(tǒng)的定時(shí)任務(wù)管理器 AlarmManager 循環(huán)執(zhí)行發(fā)送心跳包的任務(wù)硝岗。這種方式不會(huì)因?yàn)橄到y(tǒng)休眠而失效，系統(tǒng)休眠后仍然可以通過 WakeLock 喚醒袋毙，執(zhí)行心跳任務(wù)型檀，因此相對(duì) Timer 機(jī)制，這種方式比較費(fèi)電娄猫，使用的時(shí)候一定要注意如下幾點(diǎn)：
首先根據(jù)需求合理使用 AlarmManager 的鬧鐘參數(shù)贱除。鬧鐘各參數(shù)的區(qū)別參考下表：
其次 AlarmManager 提供了 cancel() 方法，在設(shè)置新的定時(shí)任務(wù)前媳溺，通過 cancel() 方法取消系統(tǒng)里設(shè)置的同類型任務(wù)月幌，避免設(shè)置冗余任務(wù)。
最后悬蔽，安卓從 6.0 版本引入了 Doze 模式扯躺，并提供了新的鬧鐘設(shè)置方法 setExactAndAllowWhileIdle()，通過該方法設(shè)置的鬧鐘時(shí)間蝎困，系統(tǒng)會(huì)智能調(diào)度录语，將各個(gè)應(yīng)用設(shè)置的事務(wù)統(tǒng)一在一次喚醒中處理，以達(dá)到省電的目的禾乘。推薦在安卓 6.0 以上系統(tǒng)中澎埠，優(yōu)先使用該方法。
消息鏈路笔寂海活機(jī)制
消息鏈路作為收發(fā)消息的主要通道蒲稳，需要最大程度保障鏈路的可用性。在鏈路不可用或者異常斷開時(shí)伍派，能及時(shí)探測(cè)并啟動(dòng)重連等保障機(jī)制江耀。基于以上特性诉植，消息鏈路除了前面所說的心跳機(jī)制外悬垃，還另外維護(hù)了兩套鏈路優(yōu)化機(jī)制：復(fù)合連接機(jī)制和重連機(jī)制张弛。
復(fù)合連接機(jī)制的基本步驟如下：
1. 客戶端連接導(dǎo)航服務(wù)器箫爷，導(dǎo)航服務(wù)器會(huì)下發(fā)應(yīng)用對(duì)應(yīng)的配置信息场绿，其中包括連接服務(wù)器的地址列表。
2. 客戶端從第一個(gè)服務(wù)器地址嘗試連接建车，并啟動(dòng)超時(shí)機(jī)制扩借，如果連接失敗或沒有及時(shí)收到服務(wù)響應(yīng), 則繼續(xù)嘗試連接下一個(gè)直到成功連接，將成功連接的地址保存到本地缤至，作為最優(yōu)地址潮罪，后面連接時(shí)優(yōu)先使用此地址康谆。通過這種機(jī)制，能保障客戶端優(yōu)先選用最優(yōu)鏈路嫉到，縮短連接時(shí)間沃暗。
重連機(jī)制，則是指業(yè)務(wù)層在檢測(cè)到與服務(wù)器的連接斷開后何恶，嘗試 N 次重新連接服務(wù)器孽锥，首次斷開 1 秒后會(huì)重新連接，如果仍然連接不成功细层，會(huì)在 2 秒后（重連間隔時(shí)間為上次重連間隔時(shí)間乘 2 ）嘗試重新連接服務(wù)器惜辑，以此類推當(dāng)嘗試重連 N 次后，仍然連不上服務(wù)器將不再嘗試重新連接疫赎，只有在網(wǎng)絡(luò)情況發(fā)生變化或重新打開應(yīng)用時(shí)才會(huì)再次嘗試重連盛撑。
推送鏈路保活機(jī)制
推送鏈路作為消息到達(dá)的補(bǔ)充手段捧搞，要求盡可能延長(zhǎng)在后臺(tái)的存活時(shí)間抵卫。即使被殺后，仍然能被再次喚醒胎撇。iOS 手機(jī)有 APNS 來達(dá)到以上效果介粘，但安卓的官方推送系統(tǒng) FCM 在國(guó)內(nèi)基本不可用。那在國(guó)內(nèi)安卓系統(tǒng)上如何保障推送到達(dá)呢晚树？首先咱們需要先了解下安卓系統(tǒng)上進(jìn)程管理的兩大機(jī)制：
一種是 LMK 機(jī)制姻采，英文是 Low Memory Killer, 基于 Linux 的內(nèi)存管理機(jī)制衍生而來。主要是通過進(jìn)程的 oom_adj 值來判定進(jìn)程的重要程度爵憎，從而決定是否回收這些進(jìn)程偎谁。oom_adj 的值越低，代表重要度越高纲堵，比如 native 進(jìn)程，framework 層啟動(dòng)的系統(tǒng)進(jìn)程闰渔，優(yōu)先級(jí)一般都為負(fù)數(shù)席函。其次是前臺(tái)可見進(jìn)程，系統(tǒng)也不會(huì)回收冈涧。然而可見進(jìn)程退到后臺(tái)后茂附， oom_adj 的值會(huì)立即升高，在系統(tǒng)定時(shí)清理時(shí)被殺督弓。
另外一種機(jī)制是安卓原生的權(quán)限管理機(jī)制（AppOps）营曼，各大廠家在此基礎(chǔ)上又進(jìn)行了深度定制化，比如小米的安全中心愚隧，華為的手機(jī)管家等蒂阱，都用來進(jìn)行權(quán)限管理。該權(quán)限管理機(jī)制運(yùn)行在安卓系統(tǒng)的框架層，上層各應(yīng)用的進(jìn)程如果想嘗試重新啟動(dòng)录煤，系統(tǒng)首先會(huì)去權(quán)限管理中心檢查該進(jìn)程有沒有自啟動(dòng)權(quán)限鳄厌，如果有，才準(zhǔn)予啟動(dòng)妈踊。否則了嚎，從框架層直接限制系統(tǒng)的啟動(dòng)。
基于以上兩種機(jī)制廊营，推送鏈路的蓖嵊荆活也可分為兩大類，
一 進(jìn)程甭锻玻活呐伞。它的思路是根據(jù) LMK 機(jī)制提高進(jìn)程優(yōu)先級(jí)，降低被殺的幾率邀窃。主要有以下幾種方法：
監(jiān)聽黑屏事件荸哟，啟動(dòng) 1 像素透明 Activity ，使應(yīng)用進(jìn)程轉(zhuǎn)為可視進(jìn)程瞬捕，降低被殺概率鞍历。在屏幕亮?xí)r，關(guān)閉該 Activity肪虎。
雙服務(wù)守護(hù)劣砍。A 服務(wù)以 startForeground() 形式啟動(dòng)，發(fā)送一個(gè)通知扇救，B 服務(wù)同樣以 startForeground() 形式啟動(dòng)刑枝，且發(fā)送和 A 相同 ID 的通知，然后在 B 服務(wù)里調(diào)用 stopForeground() 方法迅腔，取消通知装畅。這樣 A 服務(wù)就會(huì)以前臺(tái)進(jìn)程的形式存活，且不影響用戶感知沧烈。
根據(jù)文件鎖互斥原理掠兄，監(jiān)視 Java 進(jìn)程存活狀態(tài)，若被殺锌雀，Linux 層成功持有文件蚂夕，則通過 exec() 命令，打開一個(gè)純 Linux 的可執(zhí)行文件腋逆，開啟一個(gè) Daemon 進(jìn)程, 該進(jìn)程因?yàn)閺?Linux 層啟動(dòng)婿牍，在安卓 5.0 之前，優(yōu)先級(jí)會(huì)比較高惩歉，不會(huì)被殺等脂。在安卓 5.0 之后俏蛮，該方式不再有效。
二 進(jìn)程拉活的策略和安卓系統(tǒng)的 AppOps 機(jī)制有關(guān)慎菲，一般有如下幾種：
一嫁蛇、利用 Service 本身的 Sticky 屬性，在 Service 的 onStartCommand() 中返回START_STICKY露该，這樣當(dāng) Service 被殺掉后睬棚，系統(tǒng)會(huì)自動(dòng)嘗試重啟。不過在國(guó)內(nèi)定制化的系統(tǒng)上解幼，這種方式能成功重啟的幾率很低抑党，需要用戶在權(quán)限管理中心打開自啟動(dòng)等權(quán)限，才能成功拉活撵摆。
二底靠、也就是前面講過的心跳機(jī)制，不過這里要求使用 AlarmManager 設(shè)置 ELAPSED_REALTIME_WAKEUP 屬性的鬧鐘特铝，在系統(tǒng)休眠后暑中，才會(huì)正常接受到心跳事件，從而將進(jìn)程拉活鲫剿。
三鳄逾、通過監(jiān)聽網(wǎng)絡(luò)切換，用戶行為等事件灵莲，拉起進(jìn)程雕凹。
四、應(yīng)用間互相拉活政冻。比如系統(tǒng)里有好幾個(gè)應(yīng)用集成了同一個(gè) SDK , 那么在用戶啟動(dòng)其中某一個(gè) App 的時(shí)候枚抵，SDK 會(huì)去掃描其它應(yīng)用，把"兄弟姐妹" 拉活明场。這種方式對(duì)用戶體驗(yàn)傷害非常大汽摹，會(huì)造成系統(tǒng)莫名其妙的耗電。
隨著安卓系統(tǒng)版本的迭代苦锨，對(duì)后臺(tái)進(jìn)程的啟動(dòng)管控越來越嚴(yán)竖慧。為了解決推送的問題，各手機(jī)廠家推出了自己的系統(tǒng)級(jí)推送服務(wù)逆屡。由廠家在 Framework 層統(tǒng)一維護(hù)一條推送通道，上層所有應(yīng)用共同使用該推送鏈路踱讨，不需要再維護(hù)單獨(dú)進(jìn)程魏蔗。當(dāng)前支持系統(tǒng)級(jí)推送的廠家有：小米、華為痹筛、魅族莺治、vivo廓鞠、OPPO,這種系統(tǒng)級(jí)別的推送省電，省內(nèi)存谣旁，到達(dá)率高床佳。應(yīng)用可以根據(jù)手機(jī)型號(hào)的不同，優(yōu)先使用廠家系統(tǒng)級(jí)別的推送榄审，再配合自身的逼雒牵活機(jī)制，最大程度保障推送的到達(dá)率搁进。
集成第三方系統(tǒng)級(jí)推送之后浪感，整個(gè)消息的收發(fā)流程可以參考下圖:
