拉模式和推模式区别
拉模式（定时轮询访问接口获取数据）
1. 数据更新频率低，则大多数的数据请求时无效的
2. 在线用户数量多，则服务端的查询负载很高
3. 定时轮询拉取，无法满足时效性要求
推模式（向客户端进行数据的推送）
1. 仅在数据更新时，才有推送
2. 需要维护大量的在线长连接
3. 数据更新后，可以立即推送
基于WebSocket协议做推送
1. 浏览器支持的socket编程，轻松维持服务端的长连接
2. 基于TCP协议之上的高层协议，无需开发者关心通讯细节
3. 提供了高度抽象的编程接口，业务开发成本较低
WebSocket协议的交互流程
客户端首先发起一个Http请求到服务端，请求的特殊之处，在于在请求里面带了一个upgrade的字段，告诉服务端，我想生成一个websocket的协议，服务端收到请求后，会给客户端一个握手的确认，返回一个switching， 意思允许客户端向websocket协议转换，完成这个协商之后，客户端与服务端之间的底层TCP协议是没有中断的，接下来，客户端可以向服务端发起一个基于websocket协议的消息，服务端也可以主动向客户端发起websocket协议的消息，websocket协议里面通讯的单位就叫message。
传输协议原理
协议升级后，继续复用Http协议的底层socket完成后续通讯
message底层会被切分成多个frame帧进行传输，从协议层面不能传输一个大包，只能切成一个个小包传输
编程时，只需操作message，无需关心frame（属于协议和类库自身去操作的）
框架底层完成TCP网络I/O，WebSocket协议的解析，开发者无需关心
服务端技术选型与考虑
NodeJs: 单线程模型（尽管可以多进程），推送性能有限
C/C++:TCP通讯、WebSocket协议实现成本高
Go: 多线程，基于协程模型并发
Go语言属于编译型语言，运行速度并不慢
成熟的WebSocket标准库，无需造轮子
基于Go实现WebSocket服务端
用Go语言对WebSocket做一个简单的服务端实现，以及HTML页面进行调试，并对WebSocket封装，这里就直接给出代码了。
千万级弹幕系统的架构设计
技术难点:
1.内核瓶颈
推送量大：100W在线 * 10条/每秒 = 1000W条/秒
内核瓶颈：linux内核发送TCP的极限包频 ≈ 100W/秒
2.锁瓶颈
需要维护在线用户集合（100W用户在线），通常是一个字典结构
推送消息即遍历整个集合，顺序发送消息，耗时极长
推送期间，客户端仍旧正常的上下线，集合面临不停的修改，修改需要遍历，所以集合需要上锁
3.CPU瓶颈
浏览器与服务端之间一般采用的是JSon格式去通讯
Json编码非常耗费CPU资源
向100W在线推送一次，则需100W次Json Encode
优化方案
内核瓶颈
减少网络小包的发送，我们将网络上几百字节定义成网络的小包了，小包的问题是对内核和网络的中间设备造成处理的压力。方案是将一秒内N条消息合并成1条消息，合并后，每秒推送数等于在线连接数。
锁瓶颈
大锁拆小锁，将长连接打散到多个集合中去，每个集合都有自己的锁，多线程并发推送集合，线程之间推送的集合不同，所以没有锁的竞争关系，避免锁竞争。
读写锁取代互斥锁，多个推送任务可以并发遍历相同集合
CPU瓶颈
减少重复计算，Json编码前置，1次消息编码+100W次推送，消息合并前置，N条消息合并后，只需要编码一次。
单机架构
最外层是在线的长连接，连接到服务端后，打散到多个集合里面存储，我们要发送的消息呢，通过打包后，经过json编码，被多个线程或协程分发到多个集合中去，最终推给了所有的在线连接。
单机瓶颈
维护海量长连接，会花费不少内存
消息推送的瞬时，消耗大量的CPU
消息推送的瞬时带宽高达400-600Mb（4-6Gbits），需要用到万兆网卡，是主要瓶颈
集群
部署多个节点，通过负载均衡，把连接打散到多个 服务器上，但推送消息的时候，不知道哪个直播间在哪个节点上，最常用的方式是将消息广播给所有的网关节点，此时就需要做一个逻辑集群。
逻辑集群
基于Http2协议向gateway集群分发消息（Http2支持连接复用，用作RPC性能更佳，即在单个连接上可以做高吞吐的请求应答处理）
基于Http1协议对外提供推送API（Http1更加普及，对业务方更加友好）
整体分布式架构图如下：
任何业务方通过Http接口调用到逻辑集群，逻辑集群把消息广播给所有网关，各个网关各自将消息推送给在线的连接即可。
本文讲解了开发消息推送服务的难点与解决方案的大体思路，按照整个理论流程下来，基本能实现一套弹幕消息推送的服务。
转自：https://blog.csdn.net/Wing_93/article/details/81587809
