# 第 21 章：在线状态

> Ben 上线了，他的 200 个联系人里，该告诉谁？

深入理解 IM 系统 · https://im.liko.page/zh/presence/

Ana 打开和 Ben 的聊天，标题下面写着“在线”，或者“最后上线 19:42”。这一行字就是**在线状态**（presence）。

上一章的在线路由表已经知道 Ben 有没有连接。难的不是知道，而是告诉谁：Ben 每次上线、下线，他有 200 个联系人，每个人都要马上知道吗？

## 1. 先看产品要什么

| 产品显示什么 | 服务端要做什么 |
|---|---|
| 不显示 | 什么也不做 |
| 只显示个大概，比如“最近上线过” | 存一个最后上线时间，打开时查一下；不用推 |
| 打开的聊天里显示“在线”或“最后上线 19:42”，联系人列表里有个绿点 | 有人在看时，变了要马上告诉他（这一章） |
| 整个名单里每个人的状态：在线、离开、勿扰 | 办公 IM 的做法，名单大、状态多（第 39 章） |

Telegram 的接口里两种都有：确切的“在线”和最后上线时间，也有“最近上线过”“上周上线过”“上月上线过”这样的大概（[UserStatus](https://core.telegram.org/type/UserStatus)）；看不到确切时间时（比如隐私设置），给的就是大概的那种（[userStatusRecently](https://core.telegram.org/constructor/userStatusRecently)）。

主线（这套书从 v0 一路长到 v3 的那个产品）选第三档：聊天标题和联系人列表上，显示在线或最后上线时间。

## 2. 什么算一次变化

手机上，“在线”就是 App 开着、连着。退到后台，10 秒后连接就关了（第 26 章）。

Ana 一天打开 App 20 次，每次一上一下，就是 40 次变化。其中很多是回一条消息、马上又切回来。下线后等一小会儿再算，这样的来回就合并掉了。全书假设合并后每人每天 10 次。

1,000 万日活用户，每人每天 10 次，平均每秒约 1,160 次；高峰按平均的 3 倍，每秒约 **3,500 次**上线或下线。

## 3. 先想到的：告诉每个联系人

最直接的做法，也是即时通讯标准协议 XMPP 的做法：一个人的状态一变，服务端发给他所有的联系人；联系人不在线就不发，等他上线时再一次拿全（[RFC 6121](https://www.rfc-editor.org/rfc/rfc6121.html#section-4.2) 第 4.2–4.4 节）。

按我们的数：

- 每次变化，200 个联系人里约 10% 在线，推给 20 个人。
- 高峰每秒 3,500 次变化 × 20 = **每秒约 69,000 次推送**。v3 高峰时，消息的推送是每秒 139,000 次；光在线状态的推送，就有消息推送的一半那么多。

这些推送大多没人看。Ana 正在和 Cara 聊天，别的联系人上线下线，推送照样到她手机上：每秒 69,000 次分到 100 万台在线设备上，一台一小时约 250 次。

而且它跟着联系人数涨。一个有 2,000 个联系人的人，每次上下线要推给 200 个人，是普通人的 10 倍。

## 4. 只告诉正在看的人

换个方向：不是 Ben 变了去找谁该知道，而是 Ana 先说“我在看谁”。

1. **设备报“我在看谁”。** 屏幕上出现了哪些人（聊天标题里的 Ben，联系人列表上露出来的那十来行），手机就把**整份名单**发给服务端。屏幕换了，再发一份新的，新的整个替换旧的。
2. **服务端先回现在的状态。** 名单里每个人现在在线还是最后上线几点，一次回给她。
3. **之后变了才推。** Ben 上线了，服务端查谁在看 Ben，只推给这些设备。

每台在线设备屏幕上平均有 10 个人，这是这一章的假设。100 万台设备在线，就是 1,000 万个“谁在看谁”。分到 1,000 万日活用户头上，每人平均正好被一台设备看着，所以**平均每次变化只推一次**。

- 推送：从每秒约 69,000 次降到约 **3,500 次**，少了 20 倍。
- 但名单本身也要发：每次打开 App、打开一个聊天，就换一份。一天打开 App 20 次、打开聊天 60 次（第 7 章的假设），1,000 万人每天共 8 亿份，平均每秒约 9,260 份，高峰按 3 倍是每秒约 **27,800 份**。每份都要回一次当前状态，按每份 10 个人，是每秒约 28 万次查状态。

两样加起来，下发的帧从每秒约 69,000 降到约 31,000，少一半多一点。省得最多的，是它不再跟着联系人数涨：有 2,000 个联系人的人，上下线也只推给正在看他的那一两台设备。

这和 Slack 的做法一样：客户端发 `presence_sub`，每次都带上要订阅的全部用户，订阅只在这条 WebSocket 连接存在时有效；文档建议最多 500 人（[Slack 文档](https://docs.slack.dev/apis/web-api/user-presence-and-status)）。

## 5. 订阅跟着连接走

“谁在看谁”是要记住的状态。记在哪里，怎么不丢？

- **按被看的人分到几台在线状态服务器上。** Ben 这个人归一台管：他有几条连接、最后上线时间、谁在看他。
- **订阅只活在这条连接上。** 连接断了，网关告诉后面（第 20 章），这台设备的订阅全删；重连以后，手机把屏幕上的名单再发一次。因为每次发的都是整份名单，重发不会多也不会少。
- **大小**：1,000 万个订阅，每个 16 字节，加上按设备找的索引，约 320 MB，分在几台机器上。

## 6. 一件要做对的事：下线先等一会儿

网关重启时（第 24 章），一台网关上的设备（平时 5 万台，第 22 章假设的机器）一起断开，几秒到几十秒后又连回来。每台都会“下线、上线”各一次：

- 告诉每个在线联系人：10 万次变化，每次推给 20 人，共 200 万次推送。
- 只告诉正在看的人：约 10 万次。

更好的是让它们根本不算变化：**连接断了，先等一会儿；在这之内又连上，就当没下过线**。比如等 30 秒，网关重启后大多数设备都已经回来了，一次推送也没有。第 2 节里“回一条消息又切回来”的那种来回，也是这样合并掉的。

LinkedIn 的在线状态就是这样做的：连接断了又在 d 秒内连上，只要心跳接上，就继续算在线；每个在线的人有一个延迟触发器（[LinkedIn 工程博客，2018](https://www.linkedin.com/blog/engineering/product-design/now-you-see-me-now-you-dont-linkedins-real-time-presence-platf)）。

反方向也会晚。连接也会悄悄死掉：比如手机进了电梯，没了信号，网关这头收不到任何“断开”。网关只能靠心跳发现：手机至少每 4 分钟发一次东西（没别的可发，就发个心跳），连着 12 分钟（3 个周期）什么都没收到，才算它断了（第 23 章）。这 12 分钟里，Ben 显示的还是“在线”。整台网关挂掉时更糟：它连“连接断了”都来不及告诉后面，这些设备要等连到别的网关才更新；不再回来的，要另有办法把那台网关名下的状态一起作废（第 20 章）。

## 7. 代价

- **订阅是要维护的状态。** 每次换屏幕都要发一份名单，高峰每秒约 27,800 份，比推送本身还多。
- **状态会晚。** 下线要等一会儿才显示；连接悄悄死掉时，“在线”会多挂十几分钟。
- **没在看的人不知道。** Ana 不看 Ben 时，Ben 上线下线她都不知道，等她打开再查。这正是要的，但“好友上线时提醒我”这类功能，就要另做。
- **谁能看谁，要先问。** 订阅时要问业务层，Ben 有没有把状态对 Ana 藏起来。

## 8. 其他答案

- **告诉每个在线的联系人**（XMPP，第 3 节）。联系人少、状态要全时最简单，代价跟着联系人数走。
- **打开时拉一次，看着时定时刷新。** 不用记订阅；每 30 秒刷一次，就是每秒约 33,000 个请求，变化最多晚 30 秒才看到。
- **“在线”是一个会过期的租约。** Telegram 的 `userStatusOnline` 带着 `expires`，“当前在线状态的过期时间”；客户端用 `account.updateStatus` 报告在线或离线（[userStatusOnline](https://core.telegram.org/constructor/userStatusOnline)，[account.updateStatus](https://core.telegram.org/method/account.updateStatus)）。过了这个时间，这条“在线”就不作数，不用等心跳超时。
- **按人分片、只推可见的人。** Slack 把用户哈希到各台在线状态服务器上，客户端只收到它能看见的用户的通知（[Real-time Messaging](https://slack.engineering/real-time-messaging/)）。
- **不显示。** 最省的答案。

## 9. 这一章的决定

**决策卡**

- 问题：每次上线、下线都告诉所有在线的联系人，高峰每秒约 69,000 次推送，是消息推送的一半，大多没人看，还跟着联系人数涨。
- 选择：只告诉正在看的人：设备把屏幕上的人整份报给服务端，服务端先回当前状态，变了才推；订阅跟着连接，重连时重发。下线先等一会儿再算。
- 代价：每次换屏幕都要发一份名单（高峰每秒约 27,800 份）；1,000 万个订阅约 320 MB；下线显示得晚，连接悄悄死掉时更晚。
- 什么时候重新考虑：心跳超时决定“在线”多挂多久（第 23 章）；网关重启（第 24 章）；App 退到后台算不算下线（第 26 章）；办公 IM 整个名单的状态（第 39 章）。
- 其他答案：告诉每个在线联系人（XMPP）；打开时拉、定时刷新；会过期的在线租约（Telegram）；按人分片、只推可见的（Slack）；不显示。

在线状态和推送，都靠网关上一条条连接。一台网关该放多少条连接？下一章：百万连接。
