本文由ELab团队公众号授权发布，原题《Rust语言在IM客户端的实践》，来自抖音电商前端团队的分享，本文有修订和改动。
1、引言
本文将介绍飞鸽IM前端团队如何结合Rust对飞鸽客户端接待能力进行的技术提升，一步步从概念验证、路径分解到分工开发，再到最后上线收益论证，并分享了其中遇到的技术挑战与经验总结等。
本项目是一个长周期的复杂项目，相信本项目落地的经验对其他同学及团队能有所借鉴。
2、技术背景
飞鸽是在抖音电商业务上面向商家和用户的聊天工具，其拉通售前、售中、售后渠道，为商家履约提供重要支撑。
对于飞鸽桌面端IM而言，我们会面临很多基础挑战，比如做好会话稳定性、操作流畅性、冷启动速度等，而在满足98%以上的用户需求且业务趋于稳定后，一些在冲刺后遗留的性能天花板问题暴露在我们面前，其中 高并发接待 & 多开是两个重要的挑战，是旧账与难啃的硬骨头。
为何持续会有这些挑战存在？
1）历史技术选型，包含者成本、人力、效率等考量，飞鸽客户端使用的技术栈是react + electron：
* im sdk与业务渲染代码都由 js 编写，im sdk同时是cpu密集型 & io 密集型的组件，在高并发场景下，渲染频率也比较高，业务与sdk相互抢占cpu资源与io资源，导致收发消息慢、操作卡顿（高并发限制）。
* 由于im sdk运行在webview中，所以收发消息依赖webview存活，故多开账号 = 多个webview，内存成本线性增长。
2）im页面在web层面多次优化后已接近架构上限，无法基于现有架构做更多天花板的突破。
对于以上这些挑战，我们给出的解法是：对现有架构进行调整，使用Rust语言对im sdk进行重写，彻底解除这一块的性能瓶颈！
3、为什么选Rust语言？
飞鸽im sdk是一个对运行稳定性要求高的组件，其工程量大、逻辑复杂，对于异步特性使用非常频繁，其对于内存安全、 线程安全有着比较严格的要求。
假如使用C++，作为新手并没有把握能够将复杂的IM SDK少bug的编写下来（团队限制）。
Rust学习曲线虽然陡峭，但是其为安全设计的各类语言特性、强大的编译器，能够将新人编写代码的问题数降到最低（逻辑问题除外）。
并且飞书团队提供了客户端的rust生态库，帮助我们解决很多的基建问题，所以这里使用Rust是相当合适的。
Rust学习成长曲线：
4、飞鸽IM客户端历史架构的问题
如背景中所描述，历史架构存在这两个问题：
- 1）IM SDK 与 业务JS代码共用Weview资源，接待密集的时候，sdk与业务，互相抢占cpu与io资源，导致容易卡顿、消息延迟；
- 2）多开的账号必须依赖IM Webview存活（否则无法收到消息），内存线性增长。
5、飞鸽IM客户端新架构与预期目标
具体是：
- 1）Rust独立进程承担所有的im sdk的计算压力，可以大幅减轻js线程压力，可提升压力场景接待体验；
- 2）Rust im SDK 解除浏览器中的IO限制（如同域名并发数限制）；
- 3）解除Webview存活依赖，依靠rust进程也可收消息，为更多账号的多开能力提供了铺垫。
6、先用Rust进行技术可行性验证
为了验证推测切实可行，我们提前做了完备的POC验证。
在POC中，我们针对“单进程单线程模型”、“多进程模型”、“多线程模型”，这三种模型搭建了mvp demo，即简易的客服聊天模型，并进行压力测试，并监测其内存、cpu等指标。
通过POC，我们得出的结论是：
具体就是：
- 1）rust 整体优于 js，计算占比越重，优势越明显（高压时cpu差别能到达3倍以上）；
- 2）架构选型上，rust进程独立是最好的方案，稳定性更优、性能损耗相差较小。
7、新架构开始实施
路要一步步走，整个项目粗估下来会有上百的工作日，作为业务团队，我们无法在短期内投入大量的资源去做这个项目，所以需要一步一步拆解、验证、拿收益。
团队内native开发资源有限，这件事情的进行也需要团队进行学习、成长。下面我们将详细分享这个过程 。
8、新架构实施阶段1：Rust SDK工程基建
造房子先得有一个地基 —— Rust工程的基础建设，是Native业务的前置条件！
桌面端同学牵头搭建了整个RustSDK地基，地基解决的问题如下图所示：
需要做的工作：
- 1）业务容器：有规律的组织代码结构，进行业务隔离、资源隔离；
- 2）跨进程调用封装：降低业务调用难度；
- 3）建设日志系统、日志回捞：降低排查问题的难度；
- 4）构建跨平台异步执行环境：简化异步代码编写，底层封装，便于跨平台代码迁移；
- 5）跨平台编译，跨平台集成；
- 6）... ...
9、新架构实施阶段2：IM基础能力夯实
在拥有一部分地基后，我们开始针对IM SDK的基础能力进行实现和验证。
因为只有完成基础能力验证之后，我们才会有信心在新的架构上叠加更多的功能。
这阶段我们关注以下指标（ 希望其存在优化，至少不劣化）：
- 1）长链在线率；
- 2）消息发送成功率；
- 3）卡顿率；
- 4）Rust进程崩溃率、无响应率。
仅实现长链能力下沉，验证&提升其稳定：
本阶段论证结果如下：
- 1）Rust Crash率， 达成预期；
- 2）Rust无响应率 - 未达预期，可优化；
- 3）长链在线率 - 达成预期，但是存在优化空间；
- 4）卡顿率 - 不劣化 达成预期；
- 5）消息发送成功率 - 不劣化，达成预期。
这阶段的工作是考验耐心的，因为这个阶段并不能带来实质性的用户体验提升、也无法拿到明显的提升数据，只是作为中间阶段，它有存在的必要性。
这阶段后，在稳定性治理、基础能力验证、 Rust 语言经验、指标制定合理性这几方面，我们踩上了一个更结实的台阶，更有信心去进行更复杂的下一阶段。
10、 新架构实施阶段3：使用Rust实现IM SDK全部能力
夯实基础后，我们开始发力冲刺，大刀阔斧的对IM SDK进行重新设计、实现、联调以及上线。
此阶段要实现im sdk的全部能力、 并对线上运行的js im sdk进行替换。
由于飞鸽im对于通信模块的稳定程度要求是很高的，替换过程就像是在高速行驶的车辆上替换轮胎，如果出现问题也容易导致大量的客服负面反馈。
因此，新rust sdk的稳定性、异常问题时的兜底方案、灰度时的监控观察、对新增反馈的留意都很重要，放量过程会存在一定精神压力。
工作内容大致如下。
1）多实例的Rust IM SDK设计（商家单聊、群聊、平台客服）、Js -> Rust IMSDK跨端调用协议设计：
- a）分析、拆解所有Js Im SDK至今具有的能力，并以贴合Rust的方式重新设计；
- b）需要在协议设计中，尽可能的合并 & 简化 Js -> Rust的调用，以减少IPC通信成本。
2）开发：
- a）Rust IM SDK核心实现；
- b）Rust\Js适配同学紧密合作，根据协议进行业务实现、业务适配；
- c）密切沟通，发现问题及时纠偏；
- d）编写单测；
3）测试：
- a）各类IM场景回归测试；
- b）性能进行验证。
4）异常兜底方案实现：
设计数据冗余，当Rust进程出现崩溃、无响应、不可恢复的网络错误时，识别并fallback到 web版本，使用冗余数据快速恢复im sdk正常运行状态，确保用户体验。
5）稳妥的上线方案 & 稳定性治理。
6）调用&适配优化，结合Native能力进一步性能优化。
7）结果回收。
8）其中各个步骤都会存在一些挑战，在后后面的内容会提到。
调用简化模型：
IM Core简化模型：
11、新架构实施阶段4：基于稳定的RustIM SDK实现形态升级
最后的阶段，我们基于完善的Rust IM SDK的能力进行形态的升级。
本阶段正在进行中，完成后会做更多的分享。
1）多窗口改造：销毁后台的多开账号，让多开账号数量突破到25个。
2）消息提醒、通知流程改造。
3）消息本地化能力：加快消息上屏。
12、技术挑战与实践总结
12.1编程语言 & IM领域知识突破
一个有战斗力的团队，一定是持续学习、进步的。
比如：
- 1）获取学习的纯粹快乐：当沉浸在学习中，并感受到自己在进步的时候，会是一个快乐的状态；
- 2）逐步克服小挑战，及时获得正反馈；
- 3）在同事中找到伙伴和老师，询问与探讨：建立团队中的学习氛围。
12.2长周期技术项目，如何持续保持信心 ？
比如 ：
- 1）Leader与同事认可与支持 — 团队基础、价值观鼓励；
- 2）关注长期收益，训练自己延迟满足感；
- 3）做好阶段性分解与验证，缩短单个周期（如本文的一二阶段拆解，可逐步累积信心）；
- 4）增强自身实力，做好问题把控，及时发现&解决问题。
12.3高效合作
团队Native开发同学少，且各自并行业务需求，需合理的安排开发路线，减少总开发时长。
- 1）合理的设计开发并行路线，减少串行依赖
- 2）协议与接口先行；
- 3）各同学负责其相近&擅长的部分；
- 4）联调时缩短彼此距离，高效沟通。
12.4保障用户体验的灰度上线
1）编写模块的健康自检，检测到异常时用最小的代价切换备用老方案。
2）完善业务监控&技术指标监控：crash率、无响应率、长链在线率、发消息成功率、请求成功率、卡顿率等。
3）对真实用户使用体验进行跟踪：
- a）书反馈群组维护，及时获得用户反馈；
- b）与商家客服保持线下联系，获取一手体验情况。
4）放量节奏的把控：
- a）大型改动可以先给白名单用户试用，收集反馈；
- b）放出能够识别问题的量，解决问题后再继续放量；
- c）放量期间主动查询用户实时反馈数据，有问题及时解决。
12.5如何减少IPC通信成本带来的开销
频率过高的IPC通信可能使得CPU优化适得其反，因为老版本都运行在Js中，所以调用频率是没有节制的（循环读取数据也经常出现），必须要在设计上降低下来——降低业务JS线程的压力。
以下措施可以将本场景通信成本降低90%以上。
1）更高效的数据协议 protobuf：相较于json，数据更小、解析和序列化性能更高、跨语言生成代码工具。
2）Rust push to js：使用数据收集去重 + debounce批量更新的策略，合并多个数据回调接口，减少通信频率。
3）Js call rust（单次基础耗时4ms）：
- a）适当缓存数据，不用每次都回源查询；
- b）需要频繁调用的逻辑下沉Rust，Rust逻辑自完善。
12.6结果回收：极端场景下的优化大盘数据体现不明显
针对某种场景做的优化工作不容易在大盘数据中得到体现（尤其在灰度阶段），我们应该针对特殊场景建立新指标。
即编写策略，识别并收集极端场景下的数据：为了衡量极端场景的的卡顿优化，建立了忙碌与卡顿指标，可以衡量出用户接待忙碌程度与卡顿率的关系，并且通过此指标将优化清晰的衡量出来。
12.7Rust SDK的问题治理
具体是：
- 1）前期的问题不稳定，需更多信息辅助排查，日志尽量完整；
- 2）与真实用户群体保持联系，可加快问题验证、问题发现的过程；
- 3）需要建设便捷的日志回捞 & 日志分析工具（帮助快速找到日志还原现场）。
13、新架构带来的收益
压力评测：
数据表现：
解读一下：
- 1）客服发送消息，大盘端到端耗时降低 40%；
- 2）消息发送成功率三个9 -> 四个9；
- 3）im页面大盘卡顿率降低 15%；
- 4）密集接待场景，卡顿率降低 50%。
全量至今，再无大量进线导致卡顿的反馈。回访历史反馈用户，皆无因大量接待导致的卡顿现象 （本文已同步发布于：http://www.52im.net/thread-4620-1-1.html）
14、相关文章
[1] 阿里技术分享：闲鱼IM基于Flutter的移动端跨端改造实践
[2] IM开发干货分享：有赞移动端IM的组件化SDK架构设计实践
[3] IM开发干货分享：我是如何解决大量离线消息导致客户端卡顿的
[4] 如约而至：微信自用的移动端IM网络层跨平台组件库Mars已正式开源
[5] 从客户端的角度来谈谈移动端IM的消息可靠性和送达机制
[6] IM开发干货分享：IM客户端不同版本兼容运行的技术思路和实践总结
[7] IM全文检索技术专题(四)：微信iOS端的最新全文检索技术优化实践
[8] 从游击队到正规军(二)：马蜂窝旅游网的IM客户端架构演进和实践总结
[9] IM跨平台技术学习(九)：全面解密新QQ桌面版的Electron内存优化实践
[10] IM跨平台技术学习(五)：融云基于Electron的IM跨平台SDK改造实践总结
[11] 抖音技术分享：抖音Android端手机功耗问题的全面分析和详细优化实践
[12] 社交软件红包技术解密(十二)：解密抖音春节红包背后的技术设计与实践
