移动互联网IM之协议设计
导语：如果想自己动手实现一个移动互联网IM app，要怎么做？第一个要解决的问题就是IM协议的设计。本文将讲述如何从0到1设计一个私有的tcp协议。
虽然现在市面上已经存在各种各样的消息推送SDK如信鸽，但可能由于各种原因无法全面满足需求，还是想自己实现一个IM或推送功能。那么你需要解决哪些问题呢？首先面临的第一个问题就是如何实现IM协议？
传输协议选择
传输协议一般是指TCP和UDP协议。UDP协议是无连接的，面向消息的，主要提供高效率服务。它的效率高，占资源少，但是其传输不可靠，只管发送，不管对方是否收到，虽然可以通过其他手段来实现可靠性。TCP是面向连接的，面向流的，主要提供可靠性服务。可靠性正是IM最需要的特性，所以现在主流IM基本都是使用TCP协议实现的。
关于PC QQ仍然在使用UDP的问题，经过私下了解是由于历史原因，所以一直沿用到现在。笔者猜测应该是因为当年C10K问题没有得到很好的解决，因为TCP是面向连接的，当时还没有epoll技术的存在，无法很好地解决同时在线的高负载问题，所以只能使用UDP了，因为UDP是无连接的，没有负载问题，但UDP又不可靠，所以只能在UDP上实现TCP的超时、重传、确认等机制。
协议格式选择
常见的TCP协议格式通常有3种：文本协议、二进制协议、XML协议。
文本协议
文本协议一般是由一串ACSII字符组成的数据。文本协议容易被人类解读，比较适合面向公众，典型的如HTTP协议。举一个HTTP GET的例子：
GET /HTTP/1.1
User-Agent: curl
Host: qq.com
Accept: */*文本协议的特点： a. 可读性好，便于开发调试； b. 扩展性好，key-value扩展容易； c. 解析效率较好； d. 流量较小。
曾经一方霸主的IM产品MSN使用的是就是文本协议。
XML协议
主流IM协议之一XMPP就是一种以XML为基础的开放式实时通信协议。举一个XMPP发送消息的例子：
<message from="sendinguser@somedomain" to="recipient@somedomain" xml:lang='en'>
<body>
Body of message
</body>
</message> XML协议的特点： a. 继承了XML的优点，可读性好，扩展性好； b. 解析代价较高，效率低，占用资源多； c. 流量大。
Google出品的IM产品GTalk正是使用XMPP协议。
二进制协议
二进制协议就是一串字节流，一般包括定长的包头和可扩展变长的包体，典型的如MQTT协议。举一个二进制协议例子：
二进制协议特点： a. 可读性差，难于调试； b. 扩展性较差； c. 解析效率高，几乎没有解析代价； d. 流量占用极少。
QQ和微信正是使用二进制的典型代表，现在市面上大部分IM产品也都是使用二进制。虽然它可读性差，难于调试，可这正也是提高协议被破解的门槛。所以对流量和电量敏感的移动互联网IM来说，二进制协议最为适合。
主流协议比较
在比对了协议格式后，我们接着比较一下各种协议标准。目前市面上主流的IM协议主要有应用于PC互联网的XMPP，嵌入式设备物联网上的MQTT，一起来看下它们之间的优缺点比较：
| 名称 | 优点 | 缺点 | | :—- |:——— | :——— | | XMPP | 基于XML协议，容易理解，使用广泛，易于扩展 | 流量大，在移动终端解析也耗电。交互过程复杂，多被pc时代的产品使用，不适合应用于移动互联网IM | | MQTT | 低带宽，适合推送，适配多平台 | 协议简单，但是需要自己扩展好友，群组等功能 | | 私有协议 | 灵活、低带宽、自主控制 | 要考虑可扩展、兼容性、序列化和反序列化、安全等问题 |
私有协议设计
基于TCP的应用层协议一般都分为包头和包体(如HTTP)，IM协议也不例外。所以常见的做法是：定长二进制包头，可扩展变长包体，包体可以使用文本如Protobuf、MessagePack、JSON、XML等扩展性好的协议。包头负责传输和解析效率，是所有包的公共部分，与业务无关。包体保证扩展性，与业务相关。一个典型的二进制协议如下：
| 字段 | length | message_id | version | type | data | | :—: | :—: | :—: | :—: | :—: | :—: | | 类型 | int | int | byte | int | byte[] | | 字节数 | 4 | 4 | 1 | 4 | n |
1、length：包长度，告知服务端要接收多长的包数据；
2、message_id：消息ID，由于网络复杂性，客户端和服务端的交互消息可能无法保证必达，所以需要重发来保证，为了避免消息重复，可以使用消息的唯一标识来去重；
3、version：消息版本号，由于二进制格式扩展性不好，如果要扩展字段，旧版协议就不兼容了，所以一般会有一个version字段用于区分版本；
4、type：消息类型，用来区分不同功能的消息包，如密钥交换消息、心跳消息、业务消息、错误返回消息、推送消息等；
5、data：包体数据，业务不同，长度可变。
粘包问题
值得一提的是，由于TCP是基于流式数据传输的，所以会存在“粘包”问题，所谓“粘包”，是指在一次接收数据不能完整收到一个完整的消息包数据。举个例子，假设服务端按顺序发了3个包消息，如下图表示：
但客户端读取到的数据很可能会被分成下面几个片段：
这就是所谓的“粘包”问题，其解决办法一般有如下两种： 1、消息包头中包含表示消息包的总长度的字段（或者消息包体长度），上述举例的length正是采用该方案； 2、包尾添加特殊分隔符，例如每条报文结束都添加回车换行符（例如FTP协议）或者特定字符作为报文分隔符，接收方通过特殊分隔符切分报文，比如上述举例可以修改成如下格式： | 字段 | length | message_id | version | type | data_length | data | delmiter | | :—: | :—: | :—: | :—: | :—: | :—: | :—: | :—: | | 类型 | int | int | byte | int | int | byte[] | byte| | 字节数 | 4 | 4 | 1 | 4 | 4 | n | 1 |
其中delmiter可以固定为“@”等特殊字符，delmiter应尽量小，减少流量占用。另外由于包体可能包含分隔符，所以delmiter需要转义以防止解析错误，所以一般更为建议使用第一种方案解决“粘包”问题。
反设计
包头和包尾都包含分包分隔符：笔者过往接触到不少项目的协议都采用了这种方法来分包，通过以上“粘包”问题分析可知，这种做法只会浪费流量，不会有更多好处。
序列化选择
包体可以使用文本如Protobuf、MessagePack、JSON、XML等扩展性好的协议，但我们推荐优先考虑Protobuf，网上对序列化和反序列化的方案选择的讨论也非常多，我们这里就不再赘述，这也是目前主流IM的选择。 Protobuf优点：
- 标准的IDL和IDL编译器，这使得其对工程师非常友好；
- 序列化数据非常简洁，紧凑，序列化后的大小是json的1/10，xml格式的1/20，是二进制序列化的1/10；
- 解析速度非常快，比对应的XML快约20-100倍；
- 提供了非常友好的动态库，使用非常简介，反序列化只需要一行代码。
Protobuf适合的场景：
- 需要和其它系统做消息交换的，对消息大小敏感的，消息空间相对xml和json等节省很多；
- 小数据的场合。如果你是大数据，用它并不适合；
- 项目语言是c++，java，python，因为它们可以使用google原生类库，序列化和反序列化效率非常高。 所以Protobuf解析性能高，序列化后数据量相对少，非常适合应用到移动互联网IM的场景。
安全性考虑
敏感信息直接通过IM进行网络传输，所以安全层是必不可少的，一般只需要对包体进行加密，包头明文即可。换句话说，TCP协议的安全性主要可以从以下几个方面进行考虑：
使用SSL
和HTTPS一样，使用SSL安全性高，但不同的是，HTTPS是由专门机构去验证证书合法性的，而IM不可能这样做，可行的做法是把证书打包进客户端，证书更新可以随客户端升级而一起升级，或者通过协议升级。加密的交互流程就是客户端产生一个对称的密钥，并通过证书加密后请求交给服务器，服务器解密后获得这个对称密钥，后续的通讯就全部使用这个对称的密钥来加解密，具体原理请参考SSL，这里不再赘述。不过证书成本稍高和管理稍复杂，代价较高。
自己加解密
自己实现加解密，重点在于密钥的生成与管理，密钥管理方式主要有这么两种：
1) 固定密钥
服务端和客户端约定好一个密钥，同时约定好一个对称加密算法如AES，每次客户端发送消息前，使用约定好的算法和密钥对消息进行加密，服务端收到报文后，使用约定好的算法和密钥进行解密。这种方式优点是实现比较简单，但缺点也很明显，约定好的密钥和算法存在客户端，存在被反编译破解的风险，该方案比较适合对加密要求不高的场景；
2) 动态密钥
由于固定密钥容易暴露，所以动态密钥的理念就是对固定密钥再加一层保护。和SSL密钥协商过程类似，动态密钥的中心思想就是客户端和服务器通过非对称RSA加解密（增加破解难度）进行协商，最终客户端获得一个当前session的密钥，后续的数据传输都通过这个密钥进行AES对称加解密。流程比较复杂，具体如下图所示：
公钥请求：
1、客户端携带帐号发起请求；
2、服务端根据帐号生成对应的RSA公、私钥；
3、服务端下发公钥，保留私钥；
4、服务端返回RSA公钥给客户端，客户端保存RSA公钥；
登录鉴权： 1、客户端使用RSA公钥对帐号和密码等价物（帐号密码按一定规则编码）进行RSA非对称加密，然后携带这个加密结果发起请求； 2、服务端使用RSA私钥解密，获得帐号和密码； 3、服务端验证帐号和密码是否正确； 4、服务端给客户端分配当前session的密钥session_key； 5、服务端返回经过AES加密的session密钥session key，AES的密钥为帐号/密码等价物。后续请求都使用session_key作为密钥进行加解密。
非登录请求：
1、客户端使用session_key作为密钥对请求进行AES对称加密，发起请求；
2、服务端使用session_key对请求进行AES解密；
3、根据请求处理业务逻辑；
4、服务端使用session_key作为密钥对处理结果进行AES加密，返回给客户端。
终上所述，文章主要阐述了移动互联网IM的协议设计会面临的主要包括传输协议、协议格式、协议设计、协议序列化、协议安全等问题，以及对应的解决方案，这些是笔者对过往项目的总结和思考。在身处微信和QQ两大主流移动互联网IM压力下，该文章确有班门弄斧之嫌，如有不足或错误，还请各路IM大神指教：） 值得一提的是，文章的思考也将同样也适用于其他使用tcp长连接的场景，如物联网、手游等。
腾讯云开发者
