100w人在线的 弹幕 系统，是怎么架构的？
Shopee是东南亚及中国台湾地区的电商平台 。2015年于新加坡成立并设立总部，随后拓展至马来西亚、泰国、中国台湾地区、印度尼西亚、越南及菲律宾共七大市场。
Shopee拥有商品种类，包括电子消费品、家居、美容保健、母婴、服饰及健身器材等。
2022年第二季度，Shopee保持业绩增长，其中总订单数20亿，同比增长41.6%。最新财报数据显示，Shopee电商平台在今年第二季度的GMV为190亿美元，同比增长27.2%；总营收为17亿美元，同比增长51.4%。
据data.ai， Shopee取得了2022年Q1全球购物类App总下载量第一、谷歌应用商店全球购物类App用户使用总时长第一的佳绩。
注：本文以 PDF 持续更新，最新尼恩 架构笔记、面试题 的PDF文件，请从这里获取：码云
100W用户同时在线的弹幕系统背景为了更好的支持 shopee 东南亚直播业务，Shopee 平台产品设计为直播业务增加了弹幕。
第一期弹幕使用腾讯云支持，效果并不理想，
主要问题是：
经常卡顿、弹幕偏少等问题。最终促使Shopee团队，定制开发自己的弹幕系统。
其性能规划是： 单房间百万用户同时在线。
没有看错：百万用户同时在线，而且是单房间。
假如说每3秒促达用户一次，百万用户同时在线，单房间具体QPS将超过30w QPS
没有看错：单房间具体QPS将超过30w QPS
问题分析按照背景来分析，系统将主要面临以下问题：
带宽压力假如说每3秒促达用户一次，那么每次内容至少需要有15条才能做到视觉无卡顿。
15条弹幕+http包头的大小将超过3k，那么每秒的数据大小约为8Gbps，
而运维同学通知我们所有服务的可用带宽仅为10Gbps。
弱网导致的弹幕卡顿、丢失该问题已在线上环境
性能与可靠性百万用户同时在线，按照上文的推算，具体QPS将超过30w QPS。
如何保证在双十一等重要活动中不出问题，至关重要。性能也是另外一个需要着重考虑的点。
架构设计和优化那么，该如何做架构设计和优化呢？
主要的架构优化有：
业务解耦+服务拆分引入本地缓存，优化高并发读引入限流，优化高并发写使用滑动窗口，实现无锁化读写通过短轮训实现弹幕促达传输优化、节约带宽 业务解耦+服务拆分为了保证服务的稳定性我们对服务进行了拆分，进行业务解耦+服务拆分
业务解耦+服务拆分的具体架构方案将逻辑较为复杂、调用较少的发送弹幕业务与逻辑简单、调用量高的弹幕拉取服务拆分开来。
将复杂的逻辑收拢到发送弹幕的一端。
服务拆分主要考虑因素是为了不让服务间相互影响，
对于这种系统服务，不同服务的QPS往往是不对等的，
例如像拉取弹幕的服务的请求频率和负载，通常会比发送弹幕服务高1到2个数量级，
解耦之后的优势：实现一个小3高的目标： 高可用、高扩展、高协同
高可用最⼤度地保证系统的可用性，
在这种情况下，不能让拉弹幕服务把发弹幕服务搞垮，
反之亦然，不能让 发弹服务把拉弹幕服务 搞垮
高扩展方便扩容和缩容
更加方便对各个服务做Scale-Up和Scale-Out。
高协同方便协同开发
服务拆分也划清了业务边界，方便协同开发。
引入本地缓存优化高并发读在拉取弹幕服务的一端：引入本地缓存
数据更新的策略是：
服务会定期发起RPC调⽤，从弹幕服务拉取数据，拉取到的弹幕缓存到内存中，
这样后续的请求过来时便能直接⾛走本地内存的读取，大大幅降低了调用时延。
这样做还有另外一个好处就是缩短调⽤链路，把数据放到离⽤户最近的地⽅
同时还能降低外部依赖的服务故障对业务的影响，
尼恩提示： 本地缓存非常重要，大家需要做到架构级、源码级精通
建议大家穿透 400Wqps本地缓存 caffeine的核心架构、核心源码，这个非常有价值，
具体，可以去学习第25章视频《穿透caffeine源码》里边有caffeine的起底式、穿透式介绍
引入限流，优化高并发写在发送弹幕的一端: 限流（有损服务），
因为用户一定时间能看得过来弹幕总量是有限的，
所以可以对弹幕进行限流，有选择的丢弃多余的弹幕。
同时，采用柔性的处理方式，拉取用户头像、敏感词过滤等分支在调用失败的情况下，仍然能保证服务的核心流程不受影响，即弹幕能够正常发送和接收，提供有损的服务。
使用滑动窗口，实现无锁化读写弹幕数据的读写，如果使用阻塞队列，那么需要加锁
如果加锁，在超高并发场景，会性能非常低
如何实现无锁化读写呢
基于滑动窗口技术，实现无锁化读写，保证在超高并发场景并发读写的性能
为了数据拉取方便，我们将数据按照时间进行分片，将时间作为数据切割的单位，按照时间存储、拉取、缓存数据（RingBuffer），简化了数据处理流程。
与传统的Ring Buffer不一样的是，我们只保留了尾指针，
它随着时间向前移动，每⼀秒向前移动一格，把时间戳和对应弹幕列表并写到一个区块当中，因此最多保留60秒的数据。
同时，如果此时来了一个读请求，那么缓冲环会根据客户端传入的时间戳计算出指针的索引位置，并从尾指针的副本区域往回遍历直至跟索引重叠，收集到一定数量的弹幕列表返回，
这种机制保证了缓冲区的区块是整体有序的，因此在读取的时候只需要简单地遍历一遍即可，加上使用的是数组作为存储结构，带来的读效率是相当高的。
再来考虑可能出现数据竞争的情况。
先来说写操作，由于在这个场景下，写操作是单线程的，因此⼤可不必关心并发写带来的数据一致性问题。
再来说读操作，由图可知写的方向是从尾指针以顺时针⽅向移动，而读方向是从尾指针以逆时针方向移动，
⽽决定读和写的位置是否出现重叠取决于index的位置，
由于我们保证了读操作最多只能读到30秒内的数据，因此缓冲环完全可以做到无锁读写
尼恩提示： 滑动窗口的原理和源码非常重要
具体，可以去学习第26章视频 《100Qwps三级缓存组件实操》里边有滑动窗口的起底式、穿透式介绍
通过短轮训实现弹幕促达Long Polling和Websockets都不适用弱环境，
所以我们最终采取了短轮训的方案来实现弹幕促达
弹幕卡顿、丢失分析在开发弹幕系统的的时候，最常见的问题是该怎么选择促达机制，
推送 vs 拉取 ？长轮询 vs 短 轮询 基于AJAX的长轮询方案 （Long Polling via AJAX）客户端打开一个到服务器端的 AJAX 请求，然后等待响应，
服务器端需要一些特定的功能来允许请求被挂起，只要一有事件发生，服务器端就会在挂起的请求中送回响应。
如果打开Http的Keepalived开关，还可以节约握手的时间。
优点：
减少轮询次数，低延迟，浏览器兼容性较好。
缺点：
服务器需要保持大量连接。
基于WebSockets 的双向通讯方案长轮询虽然省去了大量无效请求，减少了服务器压力和一定的网络带宽的占用，但是还是需要保持大量的连接。
那么人们就在考虑了，有没有这样一个完美的方案，即能双向通信，又可以节约请求的 header 网络开销，并且有更强的扩展性，最好还可以支持二进制帧，压缩等特性呢？
于是人们就发明了这样一个目前看似“完美”的解决方案 —— WebSocket。
它的最大特点就是：
服务器可以主动向客户端推送信息，客户端也可以主动向服务器发送信息，是真正的双向平等对话。
优点1：较少的控制开销，
较少的控制开销：在连接创建后， WS用于协议控制的数据包头部相对较小。
在不包含扩展的情况下，服务端到客户端WS 头部大小只有2至10字节（和数据包长度有关）；
对于客户端到服务器的内容，此头部还需要加上额外的4字节的掩码。
但是，与 HTTP 头部比，此项开销显著减少了。
优点2：更强的实时性，
WEBSocket由于协议是全双工的，服务器可以随时推数据。
WEBSocket延迟明显更少；
优点3：长连接，保持连接状态。
Long Polling vs Websockets无论是以上哪种方式，都使用到TCP长连接，那么TCP的长连接是如何发现连接已经断开了呢？
TCP Keepalived会进行连接状态探测，探测间隔主要由三个配置控制。
keepalive_probes：探测次数（默认：7次）
keepalive_time 探测的超时（默认：2小时）
keepalive_intvl 探测间隔(默认：75s)
但是由于在东南亚的弱网情况下，TCP长连接会经常性的断开:
Long Polling 能发现连接异常的最短间隔为：min(keepalive_intvl, polling_interval)
Websockets能发现连接异常的最短间隔为：Websockets: min(keepalive_intvl, client_sending_interval)
如果下次发送数据包的时候可能连接已经断开了，所以使用TCP长连接对于两者均意义不大。
并且弱网情况下, Websockets其实已经不能作为一个候选项了
即使Websockets服务端已经发现连接断开，仍然没有办法推送数据，只能被动等待客户端重新建立好连接才能推送，在此之前数据将可能会被采取丢弃的措施处理掉。在每次断开后均需要再次发送应用层的协议进行连接建立。根据了解, 腾讯云的弹幕系统:
在300人以下使用的是推送模式，300人以上则是采用的轮训模式。但是考虑到资源消耗情况，他们可能使用的是Websocket来实现的弹幕系统，
也就是 300人以上轮训模式， 腾讯云也是基于Websocket 来实现的，不太可能基于 AJAX来实现，
正式因为基于Websocket ，在弱网环境下，所以才会出现弹幕卡顿、丢失的情况。
综上所述，Long Polling和Websockets都不适用我们面临的环境，
所以我们最终采取了短轮训的方案来实现弹幕促达
传输优化、节约带宽为了降低带宽压力，我们主要采用了以下方案：
启用Http压缩通过查阅资料，http gzip压缩比率可以达到40%以上（gzip比deflate要高出4%~5%）。
Response结构简化 内容排列顺序优化根据gzip的压缩的压缩原理可以知道，重复度越高，压缩比越高，
因此 : 可以将字符串和数字内容放在一起摆放
频率控制 通过请求频率调整带宽：通过添加请求间隔参数，实现客户端的请求频率服务端可控。间隔时间太长，在突发流量的时候， 可能会出现有损服务，对于弹幕来说，是可以容忍的。延长请求频率，可以避免无效请求：在弹幕稀疏和空洞的时间段，通过控制下次请求时间，避免客户端的无效请求。注：本文以 PDF 持续更新，最新尼恩Java面试宝典、架构笔记 的PDF文件，请从这里获取：码云
总结最终该服务在双十二活动中，在Redis出现短暂故障的背景下，
高效且稳定的支撑了单房间100w用户在线，成功完成了既定的100w用户的目标
参考文献： https://halfrost.com/websocket/https://shopee-sz.github.io/2019/02/27/livechat/https://www.cyningsun.com/03-31-2019/live-streaming-danmaku.html 推荐阅读：《峰值21WQps、亿级DAU，小游戏《羊了个羊》是怎么架构的？》
《场景题：假设10W人突访，你的系统如何做到不 雪崩？》
《2个大厂 100亿级 超大流量 红包 架构方案》
《尼恩Java面试宝典》
《Nginx面试题（史上最全 + 持续更新）》
《K8S面试题（史上最全 + 持续更新）》
《操作系统面试题（史上最全、持续更新）》
《Docker面试题（史上最全 + 持续更新）》
《Springcloud gateway 底层原理、核心实战 (史上最全)》
《Flux、Mono、Reactor 实战（史上最全）》
《sentinel （史上最全）》
《Nacos (史上最全)》
《TCP协议详解 (史上最全)》
《分库分表 Sharding-JDBC 底层原理、核心实战（史上最全）》
《clickhouse 超底层原理 + 高可用实操 （史上最全）》
《nacos高可用（图解+秒懂+史上最全）》
《队列之王： Disruptor 原理、架构、源码 一文穿透》
《环形队列、 条带环形队列 Striped-RingBuffer （史上最全）》
《一文搞定：SpringBoot、SLF4j、Log4j、Logback、Netty之间混乱关系（史上最全）》
《单例模式（史上最全）》
《红黑树（ 图解 + 秒懂 + 史上最全）》
《分布式事务 （秒懂）》
《缓存之王：Caffeine 源码、架构、原理（史上最全，10W字 超级长文）》
《缓存之王：Caffeine 的使用（史上最全）》
《Java Agent 探针、字节码增强 ByteBuddy（史上最全）》
《Docker原理（图解+秒懂+史上最全）》
《Redis分布式锁（图解 - 秒懂 - 史上最全）》
《Zookeeper 分布式锁 - 图解 - 秒懂》
《Zookeeper Curator 事件监听 - 10分钟看懂》
《Netty 粘包 拆包 | 史上最全解读》
《Netty 100万级高并发服务器配置》
《Springcloud 高并发 配置 （一文全懂）》