本文作者饭后咖啡，有修订和改动。
1、引言
离线消息是IM系统的核心能力，当用户不在线时，消息必须可靠存储，待用户上线后完整推送。本文将对比主流的离线消息存储方案，帮你找到最适合业务场景的架构。
2、离线消息的业务特征和主流存储方案概览
离线消息的业务特征：
方案对比总览：
3、存储方案1：MySQL分库分表
表结构设计：
CREATE TABLE offline_message_$table (
id BIGINT NOT NULL AUTO_INCREMENT,
receiver_uid BIGINT NOT NULL, -- 接收者用户ID
sender_uid BIGINT NOT NULL, -- 发送者用户ID
msg_id VARCHAR(64) NOT NULL, -- 消息全局ID
msg_type TINYINT NOT NULL, -- 消息类型：文本/图片/语音
content TEXT NOT NULL, -- 消息内容
send_time DATETIME NOT NULL, -- 发送时间
status TINYINT DEFAULT 0, -- 状态：0未读，1已读，2撤回
PRIMARY KEY (id),
UNIQUE KEY uk_msg_id (msg_id),
KEY idx_receiver_time (receiver_uid, send_time)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
-- 分片策略：按receiver_uid取模
-- 128张表，每表500万数据，总容量6.4亿
Java实现：
@Repository
public class MySQLOfflineMessageStore {
@Autowired
private JdbcTemplate jdbcTemplate;
private static final int TABLE_COUNT = 128;
/**
* 存储离线消息
*/
public void saveMessage(OfflineMessage msg) {
String table = getTableName(msg.getReceiverUid());
String sql = "INSERT INTO " + table +
"(receiver_uid, sender_uid, msg_id, msg_type, content, send_time) " +
"VALUES (?, ?, ?, ?, ?, ?)";
jdbcTemplate.update(sql,
msg.getReceiverUid(),
msg.getSenderUid(),
msg.getMsgId(),
msg.getMsgType(),
msg.getContent(),
msg.getSendTime()
);
}
/**
* 拉取离线消息（分页）
*/
public List pullMessages(Long uid, Long lastMsgId, int limit) {
String table = getTableName(uid);
String sql = "SELECT * FROM " + table +
" WHERE receiver_uid = ? AND id > ? " +
" ORDER BY id ASC LIMIT ?";
return jdbcTemplate.query(sql,
new Object[]{uid, lastMsgId, limit},
new BeanPropertyRowMapper<>(OfflineMessage.class)
);
}
/**
* 批量删除已拉取的消息
*/
public void deletePulledMessages(Long uid, List<Long> msgIds) {
String table = getTableName(uid);
String sql = "DELETE FROM " + table +
" WHERE receiver_uid = ? AND id IN (" +
msgIds.stream().map(String::valueOf).collect(Collectors.joining(",")) + ")";
jdbcTemplate.update(sql, uid);
}
private String getTableName(Long uid) {
int index = (int) (uid % TABLE_COUNT);
return "offline_message_" + index;
}
}
优点：
- 1）简单可靠，事务支持；
- 2）容易实现分页和删除。
缺点：
- 1）写入吞吐有限（5k TPS）；
- 2）存储成本高，数据过期需手动清理。
4、存储方案2：Redis
数据结构设计：
@Component
public class RedisOfflineMessageStore {
@Autowired
private RedisTemplate<String, Object> redisTemplate;
private static final String OFFLINE_MSG_KEY = "offline:msg:";
private static final String OFFLINE_QUEUE_KEY = "offline:queue:";
private static final Duration MESSAGE_TTL = Duration.ofDays(7);
/**
* 存储离线消息
* 使用List结构，每个用户一个队列
*/
public void saveMessage(OfflineMessage msg) {
String msgKey = OFFLINE_MSG_KEY + msg.getMsgId();
String queueKey = OFFLINE_QUEUE_KEY + msg.getReceiverUid();
// 1. 存储消息内容（7天过期）
redisTemplate.opsForValue().set(msgKey, msg, MESSAGE_TTL);
// 2. 将消息ID推入用户队列
redisTemplate.opsForList().rightPush(queueKey, msg.getMsgId());
redisTemplate.expire(queueKey, MESSAGE_TTL);
}
/**
* 拉取离线消息
*/
public List pullMessages(Long uid, int limit) {
String queueKey = OFFLINE_QUEUE_KEY + uid;
// 从队列左侧批量弹出消息ID
List<Object> msgIds = redisTemplate.opsForList()
.leftPop(queueKey, limit);
if (msgIds == null || msgIds.isEmpty()) {
return Collections.emptyList();
}
// 批量获取消息内容
List messages = new ArrayList<>();
for (Object msgId : msgIds) {
String msgKey = OFFLINE_MSG_KEY + msgId;
OfflineMessage msg = (OfflineMessage)
redisTemplate.opsForValue().get(msgKey);
if (msg != null) {
messages.add(msg);
}
// 删除已拉取的消息内容
redisTemplate.delete(msgKey);
}
return messages;
}
/**
* 使用SortedSet按时间排序（适用于需要保留历史的场景）
*/
public void saveMessageWithTime(OfflineMessage msg) {
String msgKey = OFFLINE_MSG_KEY + msg.getMsgId();
String sortedSetKey = "offline:zset:" + msg.getReceiverUid();
// 存储消息
redisTemplate.opsForValue().set(msgKey, msg, MESSAGE_TTL);
// 使用时间戳作为score
redisTemplate.opsForZSet().add(
sortedSetKey,
msg.getMsgId(),
msg.getSendTime().getTime()
);
redisTemplate.expire(sortedSetKey, MESSAGE_TTL);
}
}
优点：
- 1）读写性能极高（50k+ TPS）；
- 2）自动过期，无需清理任务；
- 3）内存操作，延迟低（<5ms）。
缺点：
- 1）存储成本高（内存是磁盘的10倍）；
- 2）消息量大时内存压力大。
5、存储方案3：HBase
表结构设计：
@Configuration
public class HBaseOfflineMessageConfig {
@Bean
public HBaseTemplate hbaseTemplate() {
return new HBaseTemplate(connection);
}
/**
* 创建表：offline_message
* RowKey设计：receiver_uid + (Long.MAX_VALUE - timestamp)
* 保证同一用户的消息按时间倒序排列
*/
public void createTable() {
HBaseAdmin admin = (HBaseAdmin) connection.getAdmin();
TableName tableName = TableName.valueOf("offline_message");
if (!admin.tableExists(tableName)) {
TableDescriptor desc = TableDescriptorBuilder.newBuilder(tableName)
.setColumnFamily(ColumnFamilyDescriptorBuilder
.newBuilder(Bytes.toBytes("info"))
.setMaxVersions(1)
.setTimeToLive(7 * 24 * 60 * 60) // 7天过期
.build())
.build();
admin.createTable(desc);
}
}
}
@Repository
public class HBaseOfflineMessageStore {
@Autowired
private HBaseTemplate hbaseTemplate;
private static final String TABLE_NAME = "offline_message";
private static final String FAMILY = "info";
/**
* 存储消息
*/
public void saveMessage(OfflineMessage msg) {
// RowKey: receiver_uid + (Long.MAX_VALUE - timestamp)
long reverseTime = Long.MAX_VALUE - msg.getSendTime().getTime();
byte[] rowKey = Bytes.add(
Bytes.toBytes(msg.getReceiverUid()),
Bytes.toBytes(reverseTime)
);
hbaseTemplate.put(TABLE_NAME, rowKey, FAMILY, (put) -> {
put.addColumn(Bytes.toBytes(FAMILY),
Bytes.toBytes("sender"),
Bytes.toBytes(msg.getSenderUid()));
put.addColumn(Bytes.toBytes(FAMILY),
Bytes.toBytes("msg_id"),
Bytes.toBytes(msg.getMsgId()));
put.addColumn(Bytes.toBytes(FAMILY),
Bytes.toBytes("msg_type"),
Bytes.toBytes(msg.getMsgType()));
put.addColumn(Bytes.toBytes(FAMILY),
Bytes.toBytes("content"),
Bytes.toBytes(msg.getContent()));
put.addColumn(Bytes.toBytes(FAMILY),
Bytes.toBytes("send_time"),
Bytes.toBytes(msg.getSendTime().getTime()));
});
}
/**
* 拉取离线消息
*/
public List pullMessages(Long uid, long lastTimestamp, int limit) {
byte[] startRow;
byte[] endRow;
if (lastTimestamp > 0) {
// 拉取比lastTimestamp更早的消息
startRow = Bytes.add(
Bytes.toBytes(uid),
Bytes.toBytes(Long.MAX_VALUE - lastTimestamp)
);
endRow = Bytes.add(Bytes.toBytes(uid), Bytes.toBytes(0L));
} else {
// 首次拉取，从最新开始
startRow = Bytes.add(Bytes.toBytes(uid), Bytes.toBytes(Long.MAX_VALUE));
endRow = Bytes.add(Bytes.toBytes(uid), Bytes.toBytes(0L));
}
Scan scan = new Scan()
.withStartRow(startRow)
.withStopRow(endRow)
.setMaxResultSize(limit)
.setReversed(true); // 倒序
List messages = new ArrayList<>();
hbaseTemplate.find(TABLE_NAME, scan, (result) -> {
OfflineMessage msg = new OfflineMessage();
msg.setReceiverUid(uid);
msg.setSenderUid(Bytes.toLong(
result.getValue(FAMILY, "sender")));
msg.setMsgId(Bytes.toString(
result.getValue(FAMILY, "msg_id")));
msg.setMsgType(Bytes.toInt(
result.getValue(FAMILY, "msg_type")));
msg.setContent(Bytes.toString(
result.getValue(FAMILY, "content")));
msg.setSendTime(new Date(Bytes.toLong(
result.getValue(FAMILY, "send_time"))));
messages.add(msg);
return false;
});
return messages;
}
/**
* 删除已拉取的消息（由HBase TTL自动处理，无需显式删除）
*/
public void deleteMessages(Long uid, List<String> msgIds) {
// HBase通常依赖TTL自动过期
// 如需立即删除，可批量删除指定RowKey
}
}
优点：
- 1）海量存储能力（PB级）；
- 2）写入吞吐高（100k+ TPS）；
- 3）自动TTL过期。
缺点：
- 1）查询灵活性差（只能按RowKey）；
- 2）运维复杂。
6、存储方案4：Cassandra
表结构设计：
-- 创建Keyspace
CREATE KEYSPACE IF NOT EXISTS im
WITH replication = {'class': 'NetworkTopologyStrategy', 'dc1': '3'};
-- 创建离线消息表
CREATE TABLE im.offline_message (
receiver_uid bigint,
bucket_time timestamp, -- 时间桶，按天分区
send_time timestamp,
msg_id uuid,
sender_uid bigint,
msg_type int,
content text,
PRIMARY KEY ((receiver_uid, bucket_time), send_time, msg_id)
) WITH CLUSTERING ORDER BY (send_time DESC)
AND default_time_to_live = 604800; -- 7天过期
-- 创建索引（用于清理等操作）
CREATE INDEX ON im.offline_message (sender_uid);
Java实现：
@Repository
public class CassandraOfflineMessageStore {
@Autowired
private CassandraTemplate cassandraTemplate;
private static final int BUCKET_SIZE_DAYS = 1;
/**
* 存储消息
*/
public void saveMessage(OfflineMessage msg) {
// 计算时间桶（按天分区）
LocalDate bucketDate = msg.getSendTime()
.toInstant()
.atZone(ZoneId.systemDefault())
.toLocalDate();
OfflineMessageEntity entity = new OfflineMessageEntity();
entity.setReceiverUid(msg.getReceiverUid());
entity.setBucketTime(bucketDate);
entity.setSendTime(msg.getSendTime());
entity.setMsgId(UUID.randomUUID());
entity.setSenderUid(msg.getSenderUid());
entity.setMsgType(msg.getMsgType());
entity.setContent(msg.getContent());
cassandraTemplate.insert(entity);
}
/**
* 拉取消息
*/
public List pullMessages(Long uid, int limit) {
// 查询最近3天的分区
LocalDate today = LocalDate.now();
List messages = new ArrayList<>();
for (int i = 0; i < 3; i++) {
LocalDate bucketDate = today.minusDays(i);
Select select = QueryBuilder.select()
.from("offline_message")
.where(QueryBuilder.eq("receiver_uid", uid))
.and(QueryBuilder.eq("bucket_time", bucketDate))
.limit(limit - messages.size());
List<OfflineMessageEntity> entities =
cassandraTemplate.select(select, OfflineMessageEntity.class);
for (OfflineMessageEntity entity : entities) {
messages.add(convert(entity));
}
if (messages.size() >= limit) {
break;
}
}
return messages;
}
/**
* 删除消息（可选）
*/
public void deleteMessages(Long uid, List<String> msgIds) {
// 根据实际情况实现删除
// 通常依赖TTL自动过期
}
}
优点：
- 1）全球多活，跨地域部署；
- 2）写入吞吐极高（200k+ TPS）；
- 3）无单点故障。
缺点：
- 1）最终一致性，可能读到旧数据；
- 2）查询能力受限。
7、存储方案5：RocketMQ
利用RocketMQ的消息重试机制实现离线消息：
@Component
public class RocketMQOfflineMessageStore {
@Autowired
private RocketMQTemplate rocketMQTemplate;
@Autowired
private UserOnlineStatusService onlineStatusService;
private static final String TOPIC_P2P = "im-p2p";
private static final int MAX_RETRY_TIMES = 7; // 最多重试7天
/**
* 发送点对点消息
*/
public void sendMessage(OfflineMessage msg) {
Message<OfflineMessage> message = MessageBuilder
.withPayload(msg)
.setHeader("receiver_uid", msg.getReceiverUid())
.setHeader("retry_times", 0)
.build();
// 发送到用户专属队列
rocketMQTemplate.syncSend(
TOPIC_P2P + ":" + msg.getReceiverUid(),
message,
TIMEOUT
);
}
/**
* 消费消息（消费者）
*/
@RocketMQMessageListener(
topic = TOPIC_P2P,
selectorExpression = "receiver_uid",
consumerGroup = "im-consumer"
)
public class IMConsumer implements RocketMQListener<OfflineMessage> {
@Override
public void onMessage(OfflineMessage message) {
Long receiverUid = message.getReceiverUid();
// 检查用户是否在线
if (onlineStatusService.isOnline(receiverUid)) {
// 在线，直接推送
pushToUser(receiverUid, message);
} else {
// 离线，抛出异常触发重试
throw new RuntimeException("User offline, retry later");
}
}
}
/**
* 配置重试策略
*/
@Bean
public DefaultMQPushConsumer imConsumer() {
DefaultMQPushConsumer consumer = new DefaultMQPushConsumer("im-group");
// 设置重试次数和延迟级别
// 延迟级别：1s 5s 10s 30s 1m 2m 3m 4m 5m 6m 7m 8m 9m 10m 20m 30m 1h 2h
consumer.setMaxReconsumeTimes(MAX_RETRY_TIMES);
// 配置消息超时后进入死信队列
consumer.setConsumeTimeout(15); // 15分钟
return consumer;
}
/**
* 处理死信消息（超过重试次数）
*/
@RocketMQMessageListener(
topic = "%DLQ%im-consumer",
consumerGroup = "im-dlq-processor"
)
public class DeadLetterProcessor implements RocketMQListener<OfflineMessage> {
@Override
public void onMessage(OfflineMessage message) {
// 消息重试7次后仍失败，转为持久化存储
saveToLongTermStorage(message);
}
}
}
优点：
- 1）无需额外存储组件，复用MQ；
- 2）天然支持消息顺序和重试；
- 3）简单易实现。
缺点：
- 1）长时间离线会堆积大量消息；
- 2）消费能力受MQ性能限制。
8、存储方案6：对象存储 + Metadata
适用于超大附件和历史归档：
@Component
public class ObjectStorageOfflineMessageStore {
@Autowired
private OSSClient ossClient;
@Autowired
private JdbcTemplate metaJdbcTemplate;
private static final String BUCKET_NAME = "im-messages";
private static final String OSS_ENDPOINT = "https://oss.aliyuncs.com";
/**
* 存储大消息（图片、视频、文件等）
*/
public void saveLargeMessage(OfflineMessage msg, byte[] data) {
// 1. 生成OSS路径
String objectKey = String.format("msg/%d/%d/%s.dat",
msg.getReceiverUid() / 10000,
msg.getReceiverUid(),
msg.getMsgId());
// 2. 上传到OSS
ossClient.putObject(BUCKET_NAME, objectKey,
new ByteArrayInputStream(data));
// 3. 存储元数据到MySQL
String sql = "INSERT INTO message_metadata " +
"(msg_id, receiver_uid, sender_uid, msg_type, " +
"object_key, file_size, send_time) " +
"VALUES (?, ?, ?, ?, ?, ?, ?)";
metaJdbcTemplate.update(sql,
msg.getMsgId(),
msg.getReceiverUid(),
msg.getSenderUid(),
msg.getMsgType(),
objectKey,
data.length,
msg.getSendTime()
);
}
/**
* 获取消息内容
*/
public byte[] getMessageContent(String msgId) {
// 1. 查询元数据
String sql = "SELECT object_key FROM message_metadata " +
"WHERE msg_id = ?";
String objectKey = metaJdbcTemplate.queryForObject(
sql, String.class, msgId);
// 2. 从OSS下载
OSSObject ossObject = ossClient.getObject(
BUCKET_NAME, objectKey);
try (InputStream in = ossObject.getObjectContent()) {
return IOUtils.toByteArray(in);
} catch (IOException e) {
throw new RuntimeException(e);
}
}
}
优点：
- 1）存储成本极低；
- 2）无限扩展能力；
- 3）适合大文件。
缺点：
- 1）访问延迟高（100ms+）；
- 2）不适合高频读写。
9、方案选型建议
按业务规模：
按业务特点：
10、混合架构实战
实际生产环境常采用混合架构：
@Component
public class HybridOfflineMessageStore {
@Autowired
private RedisOfflineMessageStore redisStore;
@Autowired
private HBaseOfflineMessageStore hbaseStore;
private static final int HOT_DAYS = 3; // 热数据保留3天
/**
* 存储消息：同时写入热存储和冷存储
*/
public void saveMessage(OfflineMessage msg) {
// 写入Redis（热数据）
redisStore.saveMessage(msg);
// 异步写入HBase（全量数据）
CompletableFuture.runAsync(() -> {
hbaseStore.saveMessage(msg);
});
}
/**
* 拉取消息：优先从热存储读取
*/
public List pullMessages(Long uid, Long lastMsgId, int limit) {
// 1. 先从Redis拉取最近消息
List<OfflineMessage> hotMessages = redisStore.pullMessages(uid, limit);
if (hotMessages.size() >= limit) {
return hotMessages;
}
// 2. Redis不够，再从HBase拉取历史
int remaining = limit - hotMessages.size();
List<OfflineMessage> coldMessages = hbaseStore.pullMessages(
uid, getLastTimestamp(hotMessages), remaining);
// 3. 合并结果
List all = new ArrayList<>();
all.addAll(hotMessages);
all.addAll(coldMessages);
return all;
}
}
11、性能对比总结
12、最终建议
中小规模（用户<1000万）：
Redis + 定时落盘MySQL
└── 实时消息存Redis（7天过期）
└── 每天凌晨将Redis消息批量写入MySQL做永久备份
大规模（用户>1000万）：
Redis热存 + HBase全量 + OSS大文件
└── Redis：存储最近3天消息（毫秒级拉取）
└── HBase：存储所有消息（支持历史回溯）
└── OSS：存储图片/视频等大文件
└── 统一API层屏蔽底层存储差异
极端规模（十亿级用户）：
自定义存储引擎 + 消息队列 + 分层存储
└── 基于RocksDB的本地存储（热数据）
└── 分布式KV存储（温数据）
└── 对象存储（冷数据/归档）
选择方案时，建议从当前业务规模出发，预留2-3年的增长空间，不要过度设计。好的架构是演进出来的，不是一开始就完美的。
13、参考资料
[2] 一套海量在线用户的移动端IM架构设计实践分享(含详细图文)
[3] 微信团队分享：来看看微信十年前的IM消息收发架构，你做到了吗
[4] 如何保障分布式IM聊天系统的消息可靠性（即消息不丢）
[5] IM消息送达保证机制实现(二)：保证离线消息的可靠投递
[7] IM开发干货分享：如何优雅的实现大量离线消息的可靠投递
[8] 一套亿级用户的IM架构技术干货(下篇)：可靠性、有序性、弱网优化等
[9] 阿里IM技术分享(六)：闲鱼亿级IM消息系统的离线推送到达率优化
[10] 阿里IM技术分享(七)：闲鱼IM的在线、离线聊天数据同步机制优化实践
[11] 如何保障分布式IM聊天系统的消息可靠性（即消息不丢）
即时通讯技术学习：
- 移动端IM开发入门文章：《新手入门一篇就够：从零开发移动端IM》
- 开源IM框架源码：https://github.com/JackJiang2011/MobileIMSDK（备用地址点此）
（本文同步发布于： http://www.52im.net/thread-4920-1-1.html）
