Turms即时通讯系统中消息反应功能的设计思考
2025-07-07 12:20:44作者:瞿蔚英Wynne
消息反应(Message Reaction)作为现代即时通讯系统中的重要交互功能,其实现方案需要兼顾数据一致性、系统性能和用户体验。本文将以Turms开源即时通讯项目为例,深入探讨该功能的技术实现路径。
功能需求分析
消息反应功能允许用户通过表情符号对特定消息快速表达情感反馈。该功能看似简单,但实际涉及以下技术挑战:
- 实时同步:所有在线用户需即时看到反应变化
- 离线处理:用户离线期间的反应变更需要合理处理
- 数据存储:反应数据的持久化方案选择
- 性能考量:高并发场景下的系统扩展性
技术方案对比
方案一:持久化通知广播(Fan-out Write)
核心思想是将每个反应更新视为独立通知事件:
- 服务端接收反应更新请求后,先更新消息记录
- 将反应变更作为持久化通知存入MongoDB
- 向所有相关用户广播该通知
优势:
- 实现直观,符合常规思维模式
- 用户可通过时间范围查询历史通知
劣势:
- 存在写放大问题,扩展性较差
- 高频反应场景下存储压力大
方案二:系统消息通知(Fan-out Read)
采用系统消息提示消息变更:
- 当消息被反应时生成系统消息
- 客户端通过轮询或推送获取系统消息
- 客户端根据系统消息主动查询最新反应状态
优势:
- 避免写放大问题
- 实现相对简单
劣势:
- 客户端若采用非顺序读取可能遗漏更新
- 需要额外设计消息变更查询接口
方案三:共享可见性通知(优化版Fan-out Read)
Turms项目最终采用的折中方案,核心创新点:
- 引入"可见性"概念的持久化通知
- 单条通知可被多个用户共享
- 通过可见性控制通知受众范围
- 支持通知合并
- 将同类通知聚合减少数据量
- 通用通知框架
- 不仅支持反应通知,还可扩展其他类型
技术优势:
- 完全避免写放大问题
- 支持灵活的通知合并策略
- 为未来功能扩展预留空间
实现细节考量
数据模型设计
反应数据建议采用嵌套文档结构存储在原消息记录中,例如:
{
"messageId": "123",
"content": "Hello",
"reactions": {
"👍": ["user1", "user2"],
"❤️": ["user3"]
}
}
离线处理策略
对于离线用户:
- 服务端将反应变更存入共享通知
- 用户上线后通过可见性查询获取相关通知
- 客户端合并处理批量变更
性能优化
- 读写分离:高频查询走缓存,持久化异步处理
- 批量处理:合并短时间内的连续反应
- 冷热分离:活跃对话的反应数据常驻内存
总结
Turms项目通过创新的共享可见性通知机制,在保证功能完整性的同时解决了传统方案的扩展性问题。这种设计不仅适用于消息反应功能,还为消息撤回等场景提供了统一解决方案,体现了优秀的技术架构设计思想。开发者可根据实际场景需求,参考这些设计思路构建自己的即时通讯系统。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.84 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
799
199
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
780
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
Ascend Extension for PyTorch
Python
377
450
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1