
Hello,我是小兔大白糖。 「这人在线吗?」产品一句布尔题,联调现场却常变成:手机响了电脑没响、重连后同一条推两遍、登记表里明明有人却推不动。写成这篇,给要把 WebSocket(或同类长连接)多设备在线态 收成可复述心智模型的初中级后端同学——不是某仓库的连接管理工单,而是业界常见的连接登记面调研。
说明:每用户设备上限(如 3)、接口名、伪流程均为教学脱敏 / 示意,不是某家产品的内部契约。模式 A/B/C 是分析框架。帧怎么编,见 /blog/websocket_protobuf_framework/;离线门铃怎么选路,见 /blog/multi_push_provider_strategy/——本文只管 在线实时连接的登记与扇出。
估计阅读时间:10 分钟
目录
为什么现在要关心
硬规则先钉六条,删掉比喻也能复述:
- 在线态以连接登记为准,不是业务内存里「上次见过」。
- 键要到设备:
user_id + device_id(或等价);只按 user 丢连接,会误踢其它端。 - 每用户设备数要有上限合同:超额策略(踢最旧 / 拒新)写清,别靠「先到先得」碰运气。
- 心跳 + 超时清理是登记正确性的一部分,不是运维彩蛋。
- 扇出按登记表遍历设备连接;可按平台过滤;与系统推送选路分轨。
- 多实例要有路由 / 订阅面:本机 map 不够跨机——单机登记与集群路由分层谈。
现场里常见的误伤,几乎都来自「当成一个在线位」或「登记了却不 reap」:
| 你看到的现象 | 常见真相 |
|---|---|
| 手机收了电脑没收 | 扇出只打了「某一个」连接,或丢了 device 维 |
| 重连后双倍推 | 旧连接未清理,登记重复 |
| 「在线」但推不动 | 登记有条目,底层 socket 已死 |
| 新设备挤不进来 / 旧设备被误踢 | 无上限策略,或踢错了键 |
问题空间:在线不是一个布尔
同一账号多台设备、每台一条(或多条)长连接——「在线」是一张表,不是一个 flag。
多设备实时面至少要同时回答四件事:
| 问题 | 不拆会怎样 |
|---|---|
| 这台设备此刻有没有活连接? | 业务凭印象猜在线;推送打空或打错端 |
| 同一人允许多少台设备同时在线? | 泄漏连接占坑,或新端永远挤不进 |
| 死连接谁划掉? | 幽灵条目;扇出失败率爬升 |
| 一条业务事件要打到哪些连接? | 只打「最新一条」;或把离线 Push 和在线帧揉进同一函数 |
和帧文对齐一句:管道保活与登记是连接面;Protobuf 信封是载荷面——别把「连上了」当成「帧合同也齐了」。和推送 Provider 文对齐一句:登记表回答「此刻哪些端可走实时帧」;系统推送回答「离线要不要门铃」——两轨别混。多端「发到哪、水位怎么对齐」另见 /blog/im_delivery_ack_multi_device_sync/。
心智模型:前台入住名单
前台按房号(设备)登入住;一户最多住几间;夜巡划掉失联房;送餐按房号挨个送——不是往整栋楼喊一嗓子。
| 类比 | 含义 |
|---|---|
| 前台入住名单(房号 = 设备) | Connection registry(连接登记表) |
| 一户最多住几间 | per-user device cap(每用户设备上限) |
| 夜巡划掉失联房 | heartbeat + reap(心跳与超时清理) |
| 按房号挨个送餐 | fanout to device conns(按设备连接扇出) |
类比局限:解释登记、上限、清理与扇出;解释不了帧编码与 schema(见 /blog/websocket_protobuf_framework/),也解释不了离线门铃选路与降级(见 /blog/multi_push_provider_strategy/)。
后端类比:像连接池对外只认「借出 / 归还」,池内才知道哪条 TCP 还活着;业务不该自己在 map 里塞一条「算他在线」。类比只管调度与登记,解释不了跨机路由延迟——那是下一层。
精确定义:登记、上限、心跳、扇出
登记回答「谁连着」;上限回答「允许多少」;心跳回答「还活不活」;扇出回答「这条事件打到哪些连接」。
登记结构(教学)
常见可观测形状是 user → device → conn meta(名字可换,维度别丢):
| 维度 | 人话 | 备注 |
|---|---|---|
user_id | 哪个账号 | 扇出入口常从用户开始 |
device_id | 哪台设备 | 主键的一半;缺它就容易误踢 |
| conn / conn id | 哪条长连接 | 本机句柄或可路由的连接标识 |
platform | iOS / Android / Web… | 便于按平台过滤扇出 |
last_pong_at 等 | 上次保活证据 | reap 依据 |
硬规则人话:只按 user 存一条 conn,等于默认单端——多端产品会互相踩。 若同一设备允许多 tab 多连接,把 conn 列表挂在 device 下并写清扇出语义——正文默认按 device 聚合讨论。
每用户设备上限
上限是产品合同,不是实现细节。超额时常见两派(教学):
| 策略 | 做法 | 代价 |
|---|---|---|
| 踢最旧 | 新连进来,挤掉最久未活跃或最早登记的设备 | 旧端突然掉线;要有可理解的踢下线原因 |
| 拒新 | 已满则拒绝新连接 | 新设备「连不上」;客服与客户端要能解释 |
人数上限(如「最多 3 台」)标示意即可;真正落地以产品为准。推荐写清副作用:踢最旧会伤「平板挂机党」;拒新会伤「刚换机的人」。没有合同 = 线上靠碰运气。
心跳与 reap
心跳不是「偶尔 ping 一下好玩」,而是登记表的正确性回路。
典型闭环(教学量级,不给生产默认秒数——间隔要因客户端与网关 idle 自测):
- 服务端或约定方按间隔发 ping / 等 pong(或应用层等价保活)
- 超过超时未触达 → 标可疑或直接 deregister
- 清理循环(reaper)扫超时条目,释放坑位
代价要写进预期:超时太紧 → 弱网误杀、重连风暴;太松 → 幽灵连接占满 cap,新端进不来。后端直觉:像连接池的 idle timeout——太短抖,太长漏。
扇出与推送分轨
在线扇出常见三种粒度(教学名,非某包 API):
| 粒度 | 含义 |
|---|---|
| 打用户全部在线设备 | to_user_all 一类 |
| 打某平台 | to_user_platform |
| 打单设备 | to_device |
硬规则:系统推送(FCM / APNs 等)是另一轨;不要和「遍历登记表 try_send」揉进同一个无边界函数——选路与降级见 Provider 文。登记有条目却 send 失败,要记失败率并触发 reap / 摘除,别假装成功。
单机登记 vs 跨机路由
| 层 | 管什么 | 不够时怎样 |
|---|---|---|
| 本机登记 | 本进程上的 user/device/conn | 用户连在别的实例上 → 本机 map 查不到 |
| 集群路由 / 订阅 | 跨实例找到连接所在节点,或 pub/sub 投递 | 与本机登记分层;别把本机 map 当全集群真相 |
调研默认先钉本机登记合同,再叠网关或 pub/sub;两层术语混用,排障会先吵一架。
模式对照:单连接、无治理多端、登记治理
调研默认模式 C:设备维登记 + 上限 + 心跳 reap;集群路由另层叠加。
| 模式 | 做法 | 优点 | 代价 |
|---|---|---|---|
| A. 每用户单连接 | 新连顶掉旧连 | 实现简单 | 多端互踢;体验差 |
| B. 本机 map 多设备无上限 | user → []conn | 多端能亮 | 泄漏与扇出放大;无治理 |
| C. 登记 + 上限 + 心跳 reap | device 键、cap、monitor | 可预期;可观测 | 要定义超额策略;集群另加路由层 |
选 A 的副作用是产品级的:电脑在线时手机一开就被踢。选 B 短期「多端都通」,长期幽灵连接与扇出放大是确定账单。选 C 要付「写清合同 + 观测」的工程税——通常值得。
可复述做法:清单与伪流程
七步清单:登记结构 → 上限策略 → 心跳/超时 → 扇出粒度 → 断连必注销 → 观测 → 多实例边界。
- 登记:
user → device → conn meta(平台、上次 pong) - 上限 N 与超额策略(踢最旧 / 拒新,示意)
- 心跳间隔 / 超时 / 清理循环
- 扇出:全设备 / 按平台 / 单设备;失败可观测
- 断连路径必须 deregister(含异常断开)
- 观测:在线用户数、每用户连接数分布、reap 速率、扇出失败率
- 多实例:标明「本机登记 vs 跨机路由」边界
教学向伪流程(脱敏,非生产 API):
on_connect(user, device, conn):
register(user, device, conn)
enforce_device_cap(user) # kick oldest or reject
on_pong(user, device):
touch(user, device)
reaper():
deregister timed_out
fanout(user, msg, platform?):
for conn in registered(user, platform):
try_send(conn, msg)重连要幂等登记:同一 user + device 再连,应替换或显式关闭旧句柄,而不是越积越多。断连、踢下线、reap 三条路都要落到 deregister——少一条就会变成「在线假象」。
反模式
- 只按
user_id存一条 conn——默认单端,多设备互踢或静默丢端。 - 无心跳,靠客户端自觉断——弱网与杀进程后幽灵占坑。
- 扇出与 FCM 混在同一函数无边界——在线帧与离线门铃搅成一锅,难测难降级。
- 重连不幂等登记——条目越积越多,双倍推、cap 假满。
- 把本机 map 当全集群真相——用户在别的 Pod 上,本机「不在线」是错觉。
选型结论
默认带走:设备维登记 + 每用户上限合同 + 心跳 reap + 按设备(可按平台)扇出;多实例把路由层单独钉。
可行动要点:
- 先画登记键:没有 device 维就不要宣称「支持多端」。
- 上限与超额策略写成产品可解释的一句话,再写代码。
- 心跳超时与 reap 进同一正确性回路;并看误杀 vs 幽灵的权衡。
- 在线扇出与系统推送分轨;选路见 /blog/multi_push_provider_strategy/。
- 帧与信封另文;送达 ACK / 多端水位另文——连接登记面别吞掉整条 IM 合同。
系列导航:
- 帧与信封(载荷面):/blog/websocket_protobuf_framework/
- 离线推送选路(门铃面):/blog/multi_push_provider_strategy/
- 多端送达与水位(可选):/blog/im_delivery_ack_multi_device_sync/