最近在做一个视频聊天室的项目，工程中，碰到了很多坑，感觉可以记录一下。
下行推送消息
现在这个聊天室下行推送的消息还不多，也就4、5种，但最开始做的时候，是用IM的思维做的，认为每一条消息都有必要推送下去，以致于遇到了第一个大坑：下行的能力。
因为客户端已经维护了一个长连接，不太好为了这个项目再重新开启一个长连接，共用导致了很多操作上的不便，包括下行消息频率上的控制、针对不同版本的客户端推送不同的消息，等等。
聊天室和qq的群聊不同，它理论上不应该有人数限制，那么产生的消息量是n*n，这个n是没有大小限制的。如果稍微计算一下就会发现，这个下行流量是服务器承受不了的，必须主动丢消息。
采取的措施主要有这么几个：
- 可以考虑限制消息的大小
- 限制用户发送消息的频率
- 限制下推的频率，主动丢弃
- 当用户较多的，可以认为的将一个房间划分成多个，例如将落到一台服务器上的用户划分成一个小房间
- 力所能及的下推。最开始实现时，为了尽快的下推消息，采用的是异步处理。当有新的消息到来时，会派生一个进程下推（Erlang），但是压测时发现，系统的内存和CPU都出现飙升。之后就改为了将前端的消息放在队列中，一条一条的处理，处理完一条再下推另一条，尽量保证系统存活
redis
我们是用redis来维护房间成员的，每一次用户加入、退出的时候都要写redis，每一次下推的时候都要读取用户列表。
为了快速处理用户的加入退出，我们用的是hash数据结构。这样下推的，就需要调用hgetall来拿所有用户的列表。了解的人就能看出来，hgetall是一个深坑。
因为hgetall处理太慢了，返回的应答又比较大，redis读写较频繁的时候，就容易cpu急剧上升，后面的redis请求超时失败。
网上针对hgetall给了一种解决方案，就是用一个all字段存储整个hash table，这样不用调用hgetall就可以拿到整个列表。但是聊天室是一个用户频繁加入退出的场景，这种情况下维护all字段，代价太大。
最终，我们定下的解决办法是减少redis读写次数、并针对hash table做一个缓存，可以维护一段时间，比如5s，尽管会导致不精确，但聊天室本来对消息要求就不精确。
还有一个问题是最近才出现的。就是随着用户越来越多，房间成员列表也就越来越大，悲剧的是，我们最开始把这个列表（hash）放在了一个节点上，导致压测时出现了很多读写超时。所以，在做评估时，一定要预料到数据规模，该分片要及时分片。
另外，使用redis给出几个建议：
- 读写分离
- 尽量不要使用lrem、hgetall这些慢操作
- 数据量大的话，要分片
ets分表
项目开发是用erlang写的。erlang自身带一个很好用的内存数据库ets。每一个下发服务都在ets中维护着一部分房间成员列表。最开始，为了简单，我把所有房间的成员关系都存在了一个ets表中，这样维护起来很简单，而且开始用户量不大，并没有什么问题。但是随着用户量的增多，到50w-100w的时候，就发现下发服务的内存飙升，消息几乎推不下去。
反复检查后发现瓶颈是这个ets表。一个ets表自身是带锁的，多个进程写时，要先获得锁，同时又会有进程在读取一个房间的所有成员，这样就造成ets命令的堆积，内存越来越大。试验了{write_currency, true}和{read_currency，true}，但效果很不理想，这两个优化都是以牺牲内存为前提的，对改善内存的帮助并不大。
最后采取了对ets表分表，每一个房间分配一个ets表，这样读取时可以直接将整个表读出，不用做匹配，读操作足够轻。不过，要注意，一个服务节点中ets表的个数是受限的，需要定时清理一些，这样就又引入一个问题，那就是ets表被关闭后，重新读取时，要有恢复数据的逻辑。
采用分表后，内存表现非常好。