文|马莹莹
网易智慧企业web前端开发工程师
引言
在一个完善的即时通讯应用中，websocket是极其关键的一环，它为web应用的客户端和服务端提供了一种全双工的通信机制，但由于它本身以及其底层依赖的TCP连接的不稳定性，开发者不得不为其设计一套完整的保活、验活、重连方案，才能在实际应用中保证应用的即时性和高可用性。就重连而言，其速度严重影响了上层应用的“即时性”和用户体验，试想打开网络一分钟后，微信还不能收发消息的话，是不是要抓狂？
因此，如何在网络变更时快速恢复websocket的可用，就变得尤为重要。
快速了解websocet
Websocket诞生于2008年，在2011年成为国际标准，现在所有的浏览器都已支持。它是一种全新的应用层协议，是专门为web客户端和服务端设计的真正的全双工通信协议，
可以类比HTTP协议来了解websocket协议。它们的不同点：
- HTTP的协议标识符是http，websocket的是ws
- HTTP请求只能由客户端发起，服务器无法主动向客户端推送消息，而websocket可以
- HTTP请求有同源限制，不同源之间通信需要跨域，而websocket没有同源限制
相同点：
- 都是应用层的通信协议
- 默认端口一样，都是80或443
- 都可以用于浏览器和服务器间的通信
- 都基于TCP协议
两者和TCP的关系图：
重连过程拆解
首先考虑一个问题，何时需要重连？
最容易想到的是websocket连接断了，为了接下来能收发消息，我们需要再发起一次连接。但在很多场景下，即便websocket连接没有断开，实际上也不可用了，比如设备切换网络、链路中间路由崩溃、服务器负载持续过高无法响应等，这些场景下的websocket都没有断开，但对上层来说，都没办法正常的收发数据了。因此在重连前，我们需要一种机制来感知连接是否可用、服务是否可用，而且要能快速感知，以便能够快速从不可用状态中恢复。
一旦感知到了连接不可用，那便可以弃旧图新了，弃用并断开旧连接，然后发起一次新连接。这两个步骤看似简单，但若想达到快，且不是那么容易的。
首先是断开旧连接，对客户端来说，如何快速快速断开？协议规定客户端必须要和服务器协商后才能断开websocket连接，但是当客户端已经联系不上服务器、无法协商时，如何断开并快速恢复？
其次是快速发起新连接。此快非彼快，这里的快并非是立即发起连接，立即发起连接会对服务器带来不可预估的影响。重连时通常会采用一些退避算法，延迟一段时间后再发起重连。但如何在重连间隔和性能消耗间做出权衡？如何在“恰当的时间点”快速发起连接？
带着这些疑问，我们来细看下这三个过程。
快速感知何时需要重连
需要重连的场景可以细分为三种，一是连接断开了，二是连接没断但是不可用，三是连接对端的服务不可用了。
第一种场景很简单，连接直接断开了，肯定需要重连了。
而对于后两者，无论是连接不可用，还是服务不可用，对上层应用的影响都是不能再收发即时消息了，所以从这个角度出发，感知何时需要重连的一种简单粗暴的方法就是通过心跳包超时：发送一个心跳包，如果超过特定的时间后还没有收到服务器回包，则认为服务不可用，如下图中左侧的方案；这种方法最直接。那如果想要快速感知呢，就只能多发心跳包，加快心跳频率。但是心跳太快对移动端流量、电量的消耗又会太多，所以使用这种方法没办法做到快速感知，可以作为检测连接和服务可用的兜底机制。
如果要检测连接不可用，除了用心跳检测，还可以通过判断网络状态来实现，因为断网、切换wifi、切换网络是导致连接不可用的最直接原因，所以在网络状态由offline变为online时，大多数情况下需要重连下，但也不一定，因为webscoket底层是基于TCP的，TCP连接不能敏锐的感知到应用层的网络变化，所以有时候即便网络断开了一小会，对websocket连接是不会有影响的，网络恢复后，仍然能够正常地进行通信。因此在网络由断开到连接上时，立即判断下连接是否可用，可以通过发一个心跳包判断，如果能够正常收到服务器的心跳回包，则说明连接仍是可用的，如果等待超时后仍没有收到心跳回包，则需要重连，如上图中的右侧。这种方法的优点是速度快，在网络恢复后能够第一时间感知连接是否可用，不可用的话可以快速执行恢复，但它只能覆盖应用层网络变化导致websocket不可用的情况。
综上，定时发送心跳包检测的方案贵在稳定，能够覆盖所有场景，但速度不太可；而判断网络状态的方案速度快，无需等待心跳间隔，较为灵敏，但覆盖场景较为局限。因此，我们可以结合两种方案：定时以不太快的频率发送心跳包，比如40s/次、60s/次等，具体可以根据应用场景来定，然后在网络状态由offline变为online时立即发送一次心跳，检测当前连接是否可用，不可用的话立即进行恢复处理。这样在大多数情况下，上层的应用通信都能较快从不可用状态中恢复，对于少部分场景，有定时心跳作为兜底，在一个心跳周期内也能够恢复。
快速断开旧连接
通常情况下，在发起下一次连接前，如果旧连接还存在的话，应该先把旧连接断开，这样一来可以释放客户端和服务器的资源，二来可以避免之后误从旧连接收发数据。
我们知道websocket底层是基于TCP协议传输数据的，连接两端分别是服务器和客户端，而TCP的TIME_WAIT状态是由服务器端维持的，因此在大多数正常情况下，应该由服务器发起断开底层TCP连接，而不是客户端。也就是说，要断开websocket连接时，如果是服务器收到指示要断开websocket，那它应该立即发起断开TCP连接；如果是客户端收到指示要断开websocket，那它应该发信号给服务器，然后等待底层TCP连接被服务器断开或直至超时。
那如果客户端想要断开旧的websocket，可以分websocket连接可用和不可用两种情况来讨论。当旧连接可用时，客户端可以直接给服务器发送断开信号，然后服务器发起断开连接即可；当旧连接不可用时，比如客户端切换了wifi，客户端发送了断开信号，但是服务器收不到，客户端只能迟迟等待，直至超时才能被允许断开。超时断开的过程相对来说是比较久的，那有没有办法可以快点断开？
上层应用无法改变只能由服务器发起断开连接这种协议层面的规则，所以只能从应用逻辑入手，比如在上层通过业务逻辑保证旧连接完全失效，模拟连接断开，然后在发起新连接，恢复通讯。这种方法相当于尝试断开旧连接不行时，直接弃之，然后就能快速进入下一流程，所以在使用时一定要确保在业务逻辑上旧连接已完全失效，比如：保证丢掉从旧连接收到所有数据、旧连接不能阻碍新连接的建立，旧连接超时断开后不能影响新连接和上层业务逻辑等等。
快速发起新连接
有IM开发经验的同学应该有所了解，遇到因网络原因导致的重连时，是万万不能立即发起一次新连接的，否则当出现网络抖动时，所有的设备都会立即同时向服务器发起连接，这无异于黑客通过发起大量请求消耗网络带宽引起的拒绝服务攻击，这对服务器来说简直是灾难。所以在重连时通常采用一些退避算法，延迟一段时间再发起重连，如下图中左侧的流程。
如果要快速连上呢？最直接的做法就是缩短重试间隔，重试间隔越短，在网络恢复后就能越快的恢复通讯。但是太频繁的重试对性能、带宽、电量的消耗就比较严重。如何在这之间做一个较好的权衡呢？
一种比较合理的方式是随着重试次数增多，逐渐增大重试间隔；另一方面监听网络变化，在网络状态由offline变为online这种比较可能重连上的时刻，可以适当地减小重连间隔，如上图中的右侧（随重试次数的增多，重连间隔也会变大），两种方式配合使用。
除此之外，还可以结合业务逻辑，根据成功重连上的可能性适当的调整间隔，如网络未连接时或应用在后台时重连间隔可以调大一些，网络正常的状态下可以适当调小一些等等，加快重连上的速度。
结尾
最后总结一下，本文在开头将websocket断网重连细分为三个步骤：确定何时需要重连、断开旧连接和发起新连接。然后分别分析了在websocket的不同状态下、不同的网络状态下，如何快速完成这个三个步骤：首先通过定时发送心跳包的方式检测当前连接是否可用，同时监测网络恢复事件，在恢复后立即发送一次心跳，快速感知当前状态，判断是否需要重连；其次正常情况下由服务器断开旧连接，与服务器失去联系时直接弃用旧连接，上层模拟断开，来实现快速断开；最后发起新连接时使用退避算法延迟一段时间再发起连接，同时考虑到资源浪费和重连速度，可以在网络离线时调大重连间隔，在网络正常或网络由offline变为online时缩小重连间隔，使之尽可能快地重连上。
参考：
了解网易云信，来自网易核心架构的通信与视频云服务>>
更多技术干货，欢迎关注vx公众号“网易智慧企业技术+”。系列课程提前看，精品礼物免费得，还可直接对话CTO。
听网易CTO讲述前沿观察，看最有价值技术干货，学网易最新实践经验。网易智慧企业技术+，陪你从思考者成长为技术专家。