MobPush推送实现解析

简介:

从MobPush聊推送
 
一、MobPush概述
MobPush是MOB继一系列公共SDK之后推出的一款专注推送服务的免费SDK。可以帮助开发者更快、更方便集成实现推送功能。推送可以大幅度提升用户活跃度,有效唤醒沉睡用户。
目前MobPush可支持IOS 、Android两大平台APP集成,提供Rest API 方便开发者灵活发送推送消息,并且提供完整的可视化数据和强大管理后台。在推送形式上已经完全支持基本的通知栏消息、透传消息、本地消息的推送,并且可设置定时下发推送功能;在考虑精准推送上,MobPush支持不同程度的推送范围发送---Registration ID 、别名、标签、地理位置以及精细化的用户分群方式。
 
二、推送模式解析
MobPush整体使用MobPush自有通道+厂商通道的方式,厂商通道包括IOS的APNs,Android的厂商通道包括华为、小米、魅族三个通道;MobPush自有通道是自定义的一套基于UDP的更为简单的二进制网络通信协议。如下图先看下整体的推送流程:
1
以上是MobPush整体的流程, IOS的通知栏消息全部是基于APNs首先下发的,但是如果APNs发送失败,我们会再尝试使用自有消息通道进行消息下发,然后再由客户端处理为本地通知的方式到达通知栏,这样可以保证更高的消息到达能力;Android的通知消息如果对接了厂商通道,则优先会经过厂商系统级别的通道发送,并且如果厂商通道失败,会采用离线的方式保留,待客户端下次上线之后采用MobPush通道下发;所有的透传消息都是需要经过MobPush自有通道下发的。
 
为什么会考虑使用UDP协议?
有很多推送协议也是采用MQTT 或 XMPP 或 其他基于TCP 的方案,MQTT有QoS功能,实现了重发次数以及相关策略,但是比较复杂、可自定义程度比较低;XMPP基于xml协议,属于文本协议范畴,协议对比比较复杂且太冗余,不太适合推送系统。
MobPush定位为广大开发者提供稳定、实时的推送服务,需要能够承受极大的网络负担压力,会连接大量的客户端,并且要积极保障可快速响应;对于推送服务来说消息内容却更多是短消息内容,并非短文,大多类似于短信长度的提醒、通知、营销内容,可以控制在UDP数据包长度内,不需要进行分包处理,Internet上的标准MTU(最大传输单元)值为576字节,网络层IP需要占据20,UDP首部占用8个,所以只需要控制下发内容长度在576-20-8 =548字节即可;对于PUSH 来说,对数据的到达顺序性要求比较低,不像IM这种交互需要保障消息的顺序。
基于以上原因,UDP更加适合MobPush的协议选型了,当然在MobPush也并不是完全放弃如MQTT的Qos机制,这个会在业务代码中处理而不是靠网络协议来补偿,MobPush在对应的设置条件下可保障消息有一次的到达。MobPush在消息安全上也有所考虑,会在下发消息经过压缩、AES加密处理,而加密的AES KEY是动态生成。
 
既然是做推送sdk的,为什么还需要对接厂商通道呢?
其实这个也是和APP的保活有及大的关系,当前Android的保活、互拉及其困难,但是绝对重要。一般的保活方式包括:利用系统Service机制、设置进程优先级的方式、利用系统广播、使用AlarmManager、进程间相互拉起、利用Native进程等等,但是现在android的对这些机制都有了对应策略,很难发挥相对大的作用。诚然在华为、小米、魅族各系统中已经有厂商自己的推送链接服务,厂商自己的推送服务肯定是不会被杀死的,所以在考虑推送服务的时候,利用好厂商自有通道,可以很好的保障消息的准确到达,并且有的机型可以很好唤醒APP。
 
说到推送的长连接不得不说到另外一个问题:端口老化的问题,因为IP资源的有限以及路由器端口数量有限导致这一问题,具体关于NAT本文不分析。MobPush依靠心跳的机制来维护客户端、路由器、基站、服务端的关系,以此对抗NAT老化问题,以确保UDP链接的套接字保活。MobPush的心跳包体只有一个字节长度,能够很大的节省Client的流量,而且对于心跳时间也可以调整。
 
三、服务整体架构
2
整体采用微服务架构,各层之间逻辑清晰,能很好的做到水平扩展和服务拆分以及负载。
控制层:主要为数据入口,主要负责数据安全加解密、流控;
业务服务:和控制层dubbo交互,处理业务逻辑,可以根据实际情况做到业务降级和压力分流;
基础服务:主要包含一些数据统计、定时任务的处理:如定时推送业务、推送中心,还有最重要的为MobPush通道提供支持的UDP服务,这些服务当前也是设计为分布式服务,可以很好的进行水平扩展;
存储层:根据不同数据的重要性、实时性、量级分别输入到不同存储空间,并且根据重要数据归档日志。
在系统中,根据业务规则,使用kafka作为消息队列将业务解耦,缩短业务处理流程,将复杂的处理逻辑分层简化,异步处理,提升业务响应时间。

目录
相关文章
|
8月前
|
机器学习/深度学习 canal 人工智能
31类常见牙科结构与病变目标检测数据集(25000+张图片已标注)| YOLO训练数据集 AI视觉检测
本数据集含25000+张高质量牙科影像,覆盖龋齿、种植体、根尖病变、正畸托槽等31类结构与病变,采用YOLO标准标注格式,支持train/val/test划分,适用于YOLO、Faster R-CNN等模型训练,助力牙科AI诊断、教学与算法研发。
|
4月前
|
人工智能 JSON 安全
Fastjson远程代码执行漏洞,阿里云AI安全为您保驾护航
阿里云AI安全产品联动防御Fastjson攻击
3042 13
Fastjson远程代码执行漏洞,阿里云AI安全为您保驾护航
|
5月前
|
人工智能 IDE API
Claude Code / OpenClaw / Cursor Skill 横向对比:2026 最实用 AI 编程工具全解析
2026 年,AI 编程工具已从简单的代码补全进化为具备自主执行、多文件操作、全流程自动化能力的智能体。Claude Code、OpenClaw、Cursor Skill 作为当前最主流的三类工具,分别代表了终端智能体、开源多通道智能体、IDE 原生 AI 三种不同的技术路线。它们并非简单的竞争关系,而是面向不同开发场景、不同工作流的互补工具。
2171 2
|
6月前
|
人工智能 数据库 知识图谱
RAG检索增强生成
本节详解RAG(检索增强生成)技术:通过“先检索、再生成”解决大模型知识过时、缺乏私有知识和幻觉三大痛点;涵盖完整架构、分块策略、Naive/Advanced/Graph RAG演进、评估方法及实战代码,助你构建可靠私有知识问答系统。
732 1
|
10月前
|
存储 自然语言处理 数据库
RAG(检索增强生成)技术简介
RAG(检索增强生成)通过结合信息检索与文本生成,提升大模型回答的准确性与时效性。它利用向量数据库实现语义检索,支持智能客服、医疗诊断、法律咨询等场景,解决知识更新难、专业性不足等问题,并以“按需取用”机制突破上下文限制,兼顾效率与隐私。
1283 4
|
存储 分布式计算 搜索推荐
ES自定义评分机制:function_score查询详解
ES自定义评分机制:function_score查询详解
2451 0
ES自定义评分机制:function_score查询详解
|
Linux 计算机视觉 iOS开发
使用ffmpeg将MP4转换为WebM格式
使用ffmpeg将MP4转换为WebM格式
3289 2
|
消息中间件 网络协议 物联网
物联网协议概述
物联网协议概述
970 1
物联网协议概述