前言
本文要谈的IM通信协议指的是应用层通信“语言”，并非指传输层协议（如TCP、UDP）。IM通信协议的制定是IM开发中起点，也是贯穿设计、开发、运维始终的核心所在，通信协议设计的好坏，直接影响后绪环节的用户体验（数据流量、耗电量、通信速度）、兼容性（新老版本的无缝融合）、扩展性（后绪的版本升级怎么办）等，是个基础且极其重要的工作之一。
本文将以理论联系实际的方式，详细讲解一套典型IM的通信协议设计的方方面面。
本文原作者是58同城网的沈剑：58同城技术委员会主席、高级架构师、优秀讲师。前百度hi团队成员，负责过58同城im系统的架构设计。
IM通信协议的分层设计
所谓“协议”是双方共同遵守的规则，例如：离婚协议，停战协议。
协议有语法、语义、时序三要素：
- （1）语法：即数据与控制信息的结构或格式
- （2）语义：即需要发出何种控制信息，完成何种动作以及做出何种响应
- （3）时序：即事件实现顺序的详细说明
一套典型的IM通信协议设计分为三层：应用层、安全层、传输层。
b.jpeg (2.83 KB, 下载次数: 46)
下载附件 保存到相册
1 年前 上传
IM应用层协议设计
应用层协议选型，常见的有三种：文本协议、二进制协议、流式XML协议。
1文本协议
文本协议是指 “贴近人类书面语言表达”的通讯传输协议，典型的协议是http协议。一个http协议大致长成这样：
| 1234 | GET / HTTP/1.1User-Agent: curlHost: musicml.netAccept: */* |
文本协议的特点是：
- a. 可读性好，便于调试
- b. 扩展性也好（通过key:value扩展）
- c. 解析效率一般（一行一行读入，按照冒号分割，解析key和value）
- d. 对二进制的支持不好 ，比如语音／视频
IM中，MSN使用的是文本协议。
2二进制协议
二进制协议是指binary协议，典型是ip协议，以下是ip协议的一个图示：
a.jpeg (42.91 KB, 下载次数: 43)
下载附件 保存到相册
1 年前 上传
二进制协议一般定长包头和可扩展变长包体 ，每个字段固定了含义 ，例如IP协议的前4个bit表示协议版本号 （Version）（详情请参见《TCP/IP详解》第3章）。
二进制协议有这样一些特点：
- a. 可读性差，难于调试
- b. 扩展性不好 ，如果要扩展字段，旧版协议就不兼容了，所以一般设计时会有一个Version字段
- c. 解析效率超高（几乎没有解析代价）
- d. 对二进制的支持不好 ，比如语音／视频
IM中，QQ使用的时二进制协议。
3流式XML协议
IM的准标准协议xmpp就是使用流式XML，像gtalk，校内通这些im都是基于xmpp的。让我们来看一个xmpp协议的例子：
| 1234567 | <messageto=’[url=mailto:romeo@example.net]romeo@example.net[/url]’from=’[url=mailto:juliet@example.com]juliet@example.com[/url]’type=’chat’xml : lang=’en’><body>Wherefore art thou, Romeo?</body></message> |
从xml标签中大致可以判断这是一个romeo发给juliet的聊天消息。xmpp协议可以实现跨域的互通。例如gtalk和校内通用户聊天。只要服务端实现了s2s服务（server to server） ，不过现在的im基本没有互通需求 ，所以这个服务基本没有人实现。
XMPP协议有几个特点：
- a.它是准标准协议，可以跨域互通
- b.XML的优点，可读性好，扩展性好
- c.解析代价超高（dom解析）
- d.有效数据传输率超低（大量的标签）
个人旗帜鲜明的强烈不建议使用xmpp，特别是无线端im，如果要用，一定要自己做压缩 ，减少网络流量（用过xmpp的同学都清楚，发一个登录包需要多少交互，要浪费多少流量）。
4实际的例子
下面来看一个im协议的实际例子 。一般常见的做法是：定长二进制包头，可扩展变长包体。包体可以使用用文本、XML等扩展性好的协议。包头负责传输和解析效率，与业务无关。包体保证扩展性，与业务相关。
这是一个实际的16字节im二进制定长包头：
| 123456789 | struct cs_essay-header{ uint32_t version; uint32_t magic_num; uint32_t cmd; uint32_t len; uint8_t data[];}__attribute__((packed)); |
- a. 前4个字节是version；
- b. 接下来的4个字节是个“魔法数字（magic_num）“，用来保证数据错位或丢包问题，常见的做法是，包头放几个约定好的特殊字符，包尾放几个约定好的特殊字符 约定好，发给你的协议，某几个字节位置，是0x 01020304 ，才是正常报文；
- c. 接下来是command（命令号），用来区分是keepalive报文、业务报文、密钥交换报文等；
- d. len（包体长度），告知服务端要接收多长的包体。
这是一个实际的可扩展im变长包体：
| 123456789 | message CUserLoginReq{ optional string username = 1; optional string passwd = 2;}message CUserLoginResp{ optional uint64 uid =1;} |
使用的是google的Protobuf协议（玩过的人都懂），可以看到，登录请求包传入的是用户名与密码，登录响应包返回的是用户的uid。当然，除了Protobuf，可选择的可扩展包体协议还有xml、json、mcpack（大家懂？）等。
个人旗帜鲜明的推荐使用Protobuf，主要有几个原因：
IM安全层协议设计
im协议，消息的保密性非常重要 ，谁都不希望自己聊天内容被看到，所以安全层是必不可少的。
1使用SSL
证书管理微微复杂，代价有点高。
2自行加解密
自己来搞加解密，核心在于密钥的生成与管理，密钥管理方式有多种，主要有这么三种：
（1）固定密钥
服务端和客户端约定好一个密钥，同时约定好一个加密算法（eg：AES ），每次客户端im在发送前，就用约定好的算法，以及约定好的密钥加密再传输，服务端收到报文后，用约定好的算法，约定好的密钥再解密。这种方式，密钥和算法对程序员都是透明的。
（2）一人一密钥
简单说来就是每个人的密钥是固定的，但是每个人之间又不同，其实就是在固定密钥的算法中包含用户的某一特殊属性，比如用户uid、手机号、qq号等。
（3）动态密钥（一session一密钥）
动态密钥，一Session一密钥的安全性更高，每次会话前协商密钥。密钥协商的过程要经过2次非对称密钥的随机生成，1次对称加密密钥的随机生成，具体详情这里不展开，有兴趣的同学可以看下SSL密钥协商额过程。
IM传输层协议设计
可选的协议有TCP和UDP。现在的IM传输层基本都是使用TCP，有了epoll等技术后，多连接就不是瓶颈了，单机几十万链接没什么问题。58同城现在线上单机连接好像是10w？（可能单机性能测试可以到百万，线上一般跑到几十万）
关于QQ使用UDP的问题（请见《为什么QQ用的是UDP协议而不是TCP协议？》帖子中的讨论）。个人不清楚QQ使用UPD作为传输层协议的初衷，但猜测是因为10多年前Client 10K问题没有得到很好解决，一台服务器支撑不了1W个TCP连接 ，腾讯的同时在线量高，没办法，只有用UDP了，但UDP又不可靠，故只能在UDP上实现TCP的超时／重传／确认等机制啦。
结语
关于QQ使用UDP协议，在讨论的过程中，有同学提出了一个非常好的问题“无线环境下，UDP更好，可以做到状态无关，而TCP不稳定，进出电梯就要断线，用户体验不好”。
其实吧，“用户状态可以设计的与连接状态无关”，如果大家感兴趣，后续我可以撰文和大家聊一聊，传输层使用TCP，怎么做到在线状态与底层连接无关。