Drogon框架中WebSocket定时推送消息的最佳实践
2025-05-18 11:04:08作者:咎竹峻Karen
drogon
Drogon: A C++14/17/20 based HTTP web application framework running on Linux/macOS/Unix/Windows
概述
在基于Drogon框架开发WebSocket应用时,经常需要实现服务端主动向客户端周期性推送消息的功能。本文将深入探讨在Drogon中实现WebSocket定时推送的几种方案,分析各自的优缺点,并提供最佳实践建议。
定时推送的基本实现方式
1. 全局定时器方案
Drogon框架提供了便捷的定时器接口,可以通过HttpAppFramework::instance().getLoop()->runEvery()方法创建全局定时器:
HttpAppFramework::instance().getLoop()->runEvery(10.0, [] {
// 定时推送逻辑
});
优点:
- 实现简单,代码量少
- 全局统一管理,适合广播类消息
缺点:
- 无法针对单个连接进行精细控制
- 连接断开后难以自动清理
2. 连接级定时器方案
更精细化的做法是为每个WebSocket连接创建独立的定时器:
void handleNewConnection(const WebSocketConnectionPtr& wsConn) {
auto timer = wsConn->getLoop()->runEvery(10.0, [wsConn] {
wsConn->send("定时消息");
});
wsConn->setContext(timer); // 保存定时器以便后续清理
}
优点:
- 每个连接独立控制
- 连接断开时可精确清理对应定时器
缺点:
- 连接数多时会产生大量定时器
- 需要手动管理定时器生命周期
进阶优化方案
3. 分组管理方案
结合前两种方案的优点,可以按业务分组(如聊天室)管理连接:
class ChatRoom {
std::unordered_map<std::string, std::vector<WebSocketConnectionPtr>> rooms_;
std::mutex mutex_;
public:
ChatRoom() {
// 每个房间一个定时器
HttpAppFramework::instance().getLoop()->runEvery(10.0, [this] {
std::lock_guard<std::mutex> lock(mutex_);
for (auto& [room, conns] : rooms_) {
for (auto& conn : conns) {
conn->send("房间消息");
}
}
});
}
void addConnection(const std::string& room, const WebSocketConnectionPtr& conn) {
std::lock_guard<std::mutex> lock(mutex_);
rooms_[room].push_back(conn);
}
void removeConnection(const WebSocketConnectionPtr& conn) {
std::lock_guard<std::mutex> lock(mutex_);
// 遍历所有房间移除连接
}
};
关键点:
- 使用互斥锁保证线程安全
- 按业务分组减少定时器数量
- 统一管理连接生命周期
性能与资源考量
-
定时器数量:连接级定时器在用户量大时会产生性能问题,建议优先考虑分组方案。
-
线程安全:Drogon是多线程框架,操作共享资源时必须加锁保护。
-
资源释放:务必在连接断开时清理相关资源,避免内存泄漏。
最佳实践建议
- 对于广播类消息,使用全局定时器+分组管理
- 对于个性化推送,使用连接级定时器
- 始终考虑线程安全问题
- 实现完善的连接生命周期管理
- 根据业务场景选择合适的推送频率
总结
Drogon框架为WebSocket定时推送提供了灵活的定时器机制。开发者应根据具体业务场景选择最适合的方案,平衡性能与功能需求。通过合理的设计,可以构建出高效可靠的实时消息推送系统。
drogon
Drogon: A C++14/17/20 based HTTP web application framework running on Linux/macOS/Unix/Windows
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
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
468
461
暂无描述
Dockerfile
775
5.07 K
Ascend Extension for PyTorch
Python
756
961
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
872
2.01 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
696
1.4 K
昇腾LLM分布式训练框架
Python
183
230
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.1 K
1.14 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Oohos_react_native
React Native鸿蒙化仓库
C++
361
430