长沙企业建站程序计算机协会网站模板

---

使用Springboot + netty 打造聊天服务系列文章
第一章 初始搭建工程
第二章 Nacos集群问题记录

---

1、前言

在使用Springboot + Nacos + Netty(WebSocket) 集群后，发现了一个问题。
在集群环境下， X用户已经连接上了集群中的A服务器，这时Y用户发送给X用户的消息在B服务器，那么此时的消息应该如何处理呢？

1.1、方法一

通过广播的模式，把消息发送到MQ（且带有netty的channelId），netty集群的服务都订阅这个MQ。
通过对比channelId，不存在channelId的丢弃消息不处理。存在channelId的服务，处理此消息，并通过channel把消息推送给X用户。

1.2、方法二

发消息时，去寻找对应用户X的channel。
1、从缓存里获取用户X对应的channelId等信息，首先判断是否在缓存里，如果没有即用户X不在线，用户X下次连接netty服务时，再去推送消息；
2、如果缓存里有，判断此channel是否在当前服务中，
首先判断当前服务里是否有用户X对应的channelId，如果有，直接通过channel发送消息给用户X；
3、如果没有，则去组装IP、端口，去调用此服务的消息服务去发送消息。

2、方案二实战

方案一非常简单，订阅MQ即可实现，网上案例大多基于此。
我们今天重点讲解方案二，在netty服务里，加入消息服务，后续通过匹配用户X的channel去发送消息；

2.1、在netty服务里加上ws连接、中断事件

在ws连接时，本地服务器加入channelId、channel的缓存；
同时把channelId、本机IP、本机端口放入redis缓存（供远程消息服务调用）。

2.2、在netty服务里加上消息服务

1、通过传递来的channelId，从缓存里找到对应的服务（IP、端口）；
2、调用对应的消息服务（IP、端口加上消息服务的地址）
3、消息服务里，铜鼓

import cn.hutool.core.bean.BeanUtil;
import com.qhkj.nettychatserver.bean.domain.Message;
import com.qhkj.nettychatserver.bean.request.MessageRequest;
import com.qhkj.nettychatserver.config.NettyConfig;
import com.qhkj.nettychatserver.config.http.HttpResult;
import com.qhkj.nettychatserver.config.http.HttpResultGenerator;
import com.qhkj.nettychatserver.config.http.HttpStatusEnum;
import com.qhkj.nettychatserver.constant.Common;
import com.qhkj.nettychatserver.constant.NettyCommon;
import com.qhkj.nettychatserver.netty.NettyHandler;
import com.qhkj.nettychatserver.service.MessageService;
import com.qhkj.nettychatserver.util.RedisUtil;
import io.netty.handler.codec.http.websocketx.TextWebSocketFrame;
import com.qhkj.nettychatserver.bean.request.NettyMesaage;
import com.qhkj.nettychatserver.service.NettyService;
import lombok.extern.slf4j.Slf4j;
import org.apache.commons.lang3.StringUtils;
import org.springframework.stereotype.Service;
import com.alibaba.fastjson.JSON;
import io.netty.channel.Channel;
import org.springframework.web.client.RestTemplate;
import javax.annotation.Resource;
import java.util.Date;
import java.util.HashMap;@Slf4j
@Service("chat")
public class ChatNettyServiceImpl implements NettyService {@Resourceprivate MessageService messageService;@Resourceprivate NettyConfig nettyConfig;@Resourceprivate RedisUtil redisUtil;@Resourceprivate RestTemplate restTemplate;// 确定channel之后，发送消息private void nettyHandler(NettyMesaage message, Channel channel) {log.info("message-> channelId:{}  , nettyName: {}", channel.id(), nettyConfig.getNettyServerName());Date now = new Date();Message dbmsg = Message.builder().messageId(NettyCommon.getIdWorker().nextId()).createTime(now).modifyTime(now).build();BeanUtil.copyProperties(message, dbmsg, Common.options);boolean flag = messageService.insertOne(dbmsg);if (flag) {channel.writeAndFlush(new TextWebSocketFrame(JSON.toJSONString(HttpResultGenerator.success(nettyConfig.getNettyServerName()))));} else {channel.writeAndFlush(new TextWebSocketFrame(JSON.toJSONString(HttpResultGenerator.fail(HttpStatusEnum.INTERNAM_SERVER_ERROR.getCode(), nettyConfig.getNettyServerName() + ""))));}}@Overridepublic HttpResult nettyHandler(MessageRequest request) {NettyMesaage nettyMesaage = new MessageRequest();BeanUtil.copyProperties(request, nettyMesaage);String serverInfo = (String) redisUtil.get(request.getChannelId());if(StringUtils.isEmpty(serverInfo)) {log.info("用户不在线!");return HttpResultGenerator.success("用户不在线!");}Channel channel = NettyHandler.channelMap.get(request.getChannelId());// 本机与用户有连接if(null != channel) {this.nettyHandler(nettyMesaage, channel);} else {String url = "http://" + serverInfo + "/msg/send";HashMap jsonObject =  restTemplate.postForObject(url, request, HashMap.class);if( !jsonObject.get("code").equals(200) ) {log.info("消息发送失败!");return HttpResultGenerator.fail(HttpStatusEnum.SERVER_BUSY.getCode(),"消息发送失败");}}return HttpResultGenerator.success("消息发送成功!");}
}

4、总结

文章写完之后，发现第二种方法问题特别多，需要在用户上下线（ws连接、掉线、netty服务销毁等）时，使用缓存记录用户与服务器的关系。在消息发送给接收方时，从缓存里取出接收方服务器信息，通过接收方服务器通知接收方有新消息。

最后给出2张消息服务架构简图：
1、集群版

2、单机版
分析单机版，客户端和netty之间的压力是相当小，万人同时在线，人均每秒2条消息，所需带宽也仅仅接近2MB，对应的内存消耗也是非常之小，几乎也是毫无压力。理论上来说，netty单机，10MB带宽、100MB内存就可以支撑5万用户（当然还得维护在线用户channel池、写数据到消息队列等等消耗，支撑2万在线用户肯定是没问题）。

而与之配套的数据服务系统（获取数据、解析消息并存库等），就可以做成集群，分配更大内存、更多的机器，去支撑快速增长的用户。