如何实现十万人在线的房间和匹配系统？TSRPC 全栈框架再出新方案

引言：今年3月底，腾讯云发布公告宣布游戏联机对战引擎 MGOBE 将于6月1日正式下线。没有了 MGOBE，还有哪些替代方案？TypeScript 全栈架构专家 King 基于开源框架 TSRPC，实现了更加复杂的多人实时联机。

TSRPC 是专为 TypeScript 设计的 RPC 框架，经 5 年迭代、千万级用户项目验证，如今已进入 3.x 版本。

去年，我用 TSRPC + Cocos 做了一个多人实时对战游戏 Demo，文章发布后很多朋友都在问：这个案例怎么改成支持多房间的？性能怎么样？最多支持多少用户同时在线？本次，我们就将在上次内容的基础上，深入解析如何使用 TSRPC 实现 MGOBE 同款的房间系统和匹配系统，并利用分布式架构水平扩展，支持十万人同时在线。

Demo 效果预览

*建议还没看过上一篇文章的小伙伴先戳此阅读。

*Demo 源码和在线体验地址见文末。

Cocos + TSRPC

也许有人会疑惑：市面上有如此多的后端编程语言和老牌开发框架，为什么要使用 TSRPC + Cocos 的组合呢？确实，在技术选型这件事上，只有权衡利弊，没有绝对的标准答案。从这点说，TSRPC + Cocos 的组合对于其它方案最大的优势就是：简单！简单！简单！

有多简单呢？从结果上来说就是，本来是推荐给后端同学的，结果让很多前端同学一不小心就变成了全栈……“简单”主要体现在以下几个方面：

• 全栈 TypeScript。前后端都用一种语言，在编程语言上没有学习成本；跨端复用代码非常方便，尤其对于多人游戏，服务端共享前端的游戏逻辑来完成一些验证和判定，不要太刚需哦~

• 多协议。同时支持 HTTP 和 WebSocket，传输协议无关的架构，不管长连接还是短连接，学一个框架就足够。顺便剧透一下，TSRPC 计划在2022年内支持 UDP，包括 Web（WebRTC）和小程序平台。等有了 UDP，小游戏的真 MOBA 还会远吗？现在先用 WebSocket 启动开发，到时无缝切换 UDP，香！
  

• 运行时类型检测和二进制序列化。TSRPC 拥有目前世界唯一的 TypeScript 运行时类型检测和二进制序列化算法，无需引入 Protobuf 即可直接实现业务类型的二进制序列化传输和运行时类型检测。

• 免费开源。TSRPC 免费开源，你可以获取到含注释和文档的完整代码，完全部署在你自己的服务器上。同时它遵循 MIT 协议，这意味着你可以随意的修改和二次封装。

了解了 Cocos + TSRPC 的特点和优势，让我们进入今天的正题。

需求

首先来看看我们的需求：

• 房间系统：支持开房间，同时进行多局游戏。
  

• 匹配系统：支持随机匹配，单排、组队匹配。

• 全区全服：用户不需要选择服务器，用户感知就只有一个服务器。

• 水平扩展：用户规模增长时，通过加机器即可完成扩容。

• 平滑扩容：扩容时对运行中的服务不影响，不需要重启和停机。

在最后的 Demo 中，我们可以创建房间和随机匹配，你会发现会自动在多个房间服务间自动切换，但用户没有感知。

分布式基础

负载均衡

部署多份

NodeJS 是单线程的，所以通常，一个服务 = 一个进程 = 一个线程。单线程服务的可用资源是有限的，最多只能利用 1 个 CPU 核心，随着用户规模的增长，很快就不够用了。同时，单点部署也满足不了高可用的协议。怎么办呢？

答案其实很简单：多部署几份就可以了！

你可以在同一台机器多启动几个进程（更好的利用多核 CPU 的性能），也可以分散在多台服务器部署。如此，你就拥有多个相同的服务了，例如：

• http://10.0.0.1:3001

• http://10.0.0.1:3002

• http://10.0.0.2:3001

• http://10.0.0.2:3002

下一步，你需要将客户端的请求分发到各个服务上去，这件事被我们称为 负载均衡。

分发策略

如同字面意思一样，负载均衡的目的就是要让你的多台服务器，在 CPU、内存、网络等使用率方面，达到相对均衡的状态。例如你有 2 台服务器，A 服务器 CPU 90%+，B 服务器 CPU 20%，这肯定不是我们想要的结果。

理想情况下，当客户端的请求来了，肯定是看看所有服务器谁的资源占用最少，就分发给谁。甚至于你可以实现的更精细一些，把 “负载” 的衡量指标精细到业务数据，例如 QPS、房间数量等。但通常，简便起见，我们更多采用的是轮询或随机的方式来分发。对于大多数业务场景来说，这已经足够了，并且有很多现成的工具可以使用。根据你的需求，丰俭由人。

前置代理

分发连接和请求，本质上就是一个代理服务，有很多现成的工具就可以实现，例如：

• PM2^[1]

• Nginx^[2]

• 阿里云 SLB^[3]

• Kubernetes^[4]

如果你只是在单服务器上部署多个进程，那么 PM2 就是一个绝佳的工具。

npm i -g pm2
# -i 启动的进程数，max 代表 CPU 核心数
pm2 start index.js -i max

像这样，就可以启动多份 index.js，启动份数等于你的 CPU 核心数。对于 NodeJS 单线程应用而言，进程数 = CPU 核心数有助于发挥最大性能。

使用 PM2 的好处是，你的多个进程，可以使用相同的端口而不会冲突。例如 10 个进程都监听 3000 端口，PM2 会作为前置代理对请求进行随机分发。

如果你是在多台服务器上部署，那么可以使用 Nginx 的 upstream；想省心的话，你也可以直接使用云厂商的负载均衡服务，例如 阿里云的 SLB。

TIPS：如果你需要使用 HTTPS，可以顺手在 Nginx 或云厂商的负载均衡中配置 HTTPS 证书。

当然，我们更推荐你学习使用 Kubernetes，它把服务发现的问题也解决了 —— 可以让你在扩缩容时，只需要点点加号和减号那样简单。Kubernetes 可以说是现阶段的通用 + 终极解决方案，目前主流云厂商都提供了 Kubernetes 的托管集群甚至 Serverless 集群，唯一不好的地方在于，它需要一定的学习成本。

会话保持

通常我们把服务分为两类：无状态服务和有状态服务。

例如你把一个 HTTP API 服务部署了 2 份，由于它们只是对数据库的增删改查，请求连接哪个服务都一样。换句话说，这次请求连服务器 A，下次请求连服务器 B，一点问题都没有。这样的服务我们称为无状态的。

另一种情况则不然，比如你部署了 10 个王者荣耀的房间服务，你连进服务器 A 在某房间进行游戏，突然网络断线了。那么此时断线重连后，你肯定还是需要连接到服务器 A，因为你玩到一半的游戏房间、你的队友（都是状态），都在服务器 A 呢！这种服务，我们称为有状态的。

显然，对于有状态服务，会有一个通用的需求：即上次连接到了哪个服务器，下次还要继续保持。这个特性，通常被我们称为 “会话保持”。

实现会话保持略微有一些麻烦，Nginx 和 云厂商的负载均衡都有类似功能支持，但是确实是没那么方便。我们在实践过程中，还有另一种更轻量的做法，在下文的具体方案中会介绍。

负载均衡的部分就先到这里，总结一下就是如何把一个服务部署多份来实现水平扩展和高可用。

拆分服务

接下来介绍拆分服务，即如何把一个大服务拆成多个不同的小服务。

为什么要拆分

对于一个应用而言，我们往往会拆成好几个服务（例如现在流行的微服务架构），这到底是为什么呢？

这其中，有开发时刻的考量，例如方便团队的分工协作和项目模块解耦，把一个有 200 个接口的大项目，拆成 5 个各有 40 个接口的小项目。同时，也有运行时刻的考量，例如不同模块的资源需求不同，可以部署 100 个实时游戏房间服务但只部署 5 个匹配服务，来实现资源的精细规划管理。

怎么拆分

首先，根据你的业务、组织结构，运行时的资源规划考量，设计好你要拆分出哪几个服务。然后，有两种方式可以选择：

• 拆分为不同的独立项目

• 在同一项目下拆分入口点

一般来说，项目跟项目之间不是完全独立的。会有相当一部分代码可以共用，例如数据库表结构定义、登录态鉴权逻辑、公共业务逻辑等等。

如果你选择了拆分为不同的项目，那么你就需要考虑如何在不同项目间共享代码，例如：

• 通过 Git Submodules 共享

• 通过 NPM 共享

• 通过 MonoRepo 的方式共享

• 通过 Git 流水线，自动将代码分发到多个项目

当然，无论上述哪个方式都会引入额外的学习和维护成本。如果你的情况允许，我们更推荐你 在同一项目下拆分项目。

1、首先根据不同项目拆分协议和 API 目录。

2、将原入口点 index.ts 拆分为多个。

3、开发时，独立运行各个服务，有两种方式可选：

• 拆分为多个 tsrpc.config.ts，在 npx tsrpc-cli dev --config xxx.config.ts 时指定；

• 只保留单个 tsrpc.config.ts，通过 entry 参数指定启动入口：npx tsrpc-cli dev --entry src/xxx.ts。

在同一项目下拆分服务，有几点好处：

1. 天然跨项目复用代码，没有额外的学习和维护成本。

2. 运维部署成本更低，你只需要构建一份程序或容器镜像，即可完成各个服务的部署（只是修改启动入口点就可以了）。

动态配置

最后，你可以通过环境变量来控制运行时的动态配置（例如运行端口号等），以实现多份服务的灵活部署。

// 通过环境变量 PORT 来控制配置
const port = parseInt(process.env['PORT'] || '3000');

运行时设置环境变量，在 Windows 和 Linux 下命令不同，此时可以借助跨平台的 cross-env：

npm i -g cross-env
cross-env FIRST_ENV=one SECOND_ENV=two npx tsrpc-cli dev --entry src/xxx.ts
cross-env FIRST_ENV=one SECOND_ENV=two node xxx.js

如果你使用 PM2，也可以借助其 ecosystem.config.js 来完成配置：

module.exports = {
  apps : [
    {
      name      : 'AAA',
      script    : 'a.js',
      env: {
        PORT: '3000',
        FIRST_ENV: 'One',
        SECOND_ENV: 'Two'
      }
    },
    // More...
  ]
};

# 启动
pm2 start ecosystem.config.js

核心架构

项目结构

在同一项目下拆分为以下服务：

• 房间服务：WebSocket 服务，用于游戏房间内逻辑，为有状态服务。

• 匹配服务：HTTP 服务，用于创建房间、随机匹配，视为无状态服务（下文详细说明）。

房间本质上就是一堆 Connection 的聚合，将房间封装成 Class，管理好 Connection 的加入/退出，处理它们的消息收发逻辑即可。

匹配，本质上就是将匹配队列里的信息按一定的规则组合，然后返回这个结果。所以匹配操作，就是一次请求响应 —— 请求时将当前用户加入匹配队列，然后在定期运行的匹配逻辑中返回响应。因此用 HTTP 短连接就够了，当然，你可以将超时时间设置长一些。

全区全服分布式架构

房间组

通常，房间服务需要的服务器资源更多，匹配服务需要的服务器资源较少。因此匹配服务与房间服务设计为 一对多 的关系，即由 1 个匹配服务来管理多个房间服务的房间创建和匹配，以此视为一个 房间组。

根据实际需要，你可以部署 1 个或多个房间组，就形成了一个分布式的房间群。

不设接入层服务

房间群，是不是看着有点像网游里的大区？但由于我们的需求是全区全服，所以不能让用户感知到选服。经典全区全服的三层标准结构，是这样的：

在接入层中统一完成鉴权，代理转发，会话保持等操作。显然，接入层服务非常重要，它的开发和维护也存在一定复杂性。

但是，如果我们使用的是 WebSocket，并且选择的是在同一项目下拆分服务，那么这套架构可以 大幅简化！我们可以直接 不设接入层服务。

由于是在同一项目下，各个服务共享鉴权等接入层逻辑，是件很容易的事。例如用户登录后生成了一个登录凭据，用它作为访问各个服务的凭据即可。可参考：登录态和鉴权^[5]。

由于没有接入层，所以也就不存在代理转发，不同的服务直接通过不同的 URL 直连即可。对于无状态服务，通过负载均衡的前置代理，多份部署可以对外暴露为同一个 URL。有状态服务，由于会话保持的需要，将它们暴露为不同的 URL 即可。

如此，我们既节省了复杂的接入层开发，还减少了中间代理的延迟损耗。

服务间 RPC

根据上述架构，匹配服务需要知道它旗下的所有房间的实时状态，来完成匹配逻辑。这就需要匹配服务和房间服务之间相互有 RPC 通信。别忘了，TSRPC 是跨平台的，利用 TSRPC 的 NodeJS 版客户端即可完美实现。

由于我们的需求是平滑扩容，即增加服务部署时不需要重启现有服务，因此我们需要自行实现一个简单的服务注册机制，本方案的实现是这样的：

1. 房间服务启动前，需要通过配置指定其归属的匹配服务 URL。你可以指定为上面提到的无状态服务的统一 URL，这样就会在所有匹配服务中随机选择一个。或者你想实现更精细的控制，那就额外给每个匹配服务单独绑定一个 URL，然后根据你的规则去自行指定。

2. 房间服务启动后，主动到匹配服务注册，然后二者建立 WebSocket 长连接，开启 RPC 通信。

3. 房间服务定期向匹配服务同步实时的房间状态信息。

4. 匹配服务通过 RPC 调用房间服务的 CreateRoom 等接口完成房间管理事项。

由于房间服务是一个服务一个 URL，所以启动之后，你需要更新前置代理（如 Nginx 或 Kubernetes Ingress）的配置，绑定对应 URL 到当前服务。这个过程，当然也可以通过程序来自动完成~ （没有提供，可自行实现或手动修改）。

效果验证

开房间

开房间的完整请求过程如下：

1. 客户端向匹配服务发起 创建房间 请求。

2. 匹配服务从其 RPC 着的 N 个房间服务中，选择一个（比如房间数最少的那个），通过 RPC 创建房间，拿到房间 ID。

3. 向客户端返回房间 ID 和对应房间服务的 URL 地址。

4. 客户端直连房间服务，加入房间。

5. 客户端邀请其他好友加入，向他们发送 房间服务 URL + 房间 ID。

6. 其它好友同样直连房间服务加入游戏。

可见，即便存在多个房间组，也不会影响玩家之间的开房互通。

随机匹配

随机匹配的完整请求过程如下：

1. 客户端向匹配服务发起 随机匹配 请求。

2. 匹配服务将该连接加入匹配队列。

3. 匹配服务定期执行匹配，根据实时房间信息，选择用户适合的房间，返回 房间服务 URL + 房间 ID。

4. 客户端通过 房间服务 URL + 房间 ID 直连房间服务并加入房间。

可能有朋友会问，如果存在多个房间组，那匹配时不是相当于只和部分玩家在一起匹配，并不是真的所有玩家匹配呀？

事实上，当你已经需要用到多个房间组的时候，说明你已经有相当的玩家基数了。而匹配，其实真的不需要所有玩家一起匹配，一个房间组的内的用户数量，应该已经完全可以满足匹配的时间需要了。

特殊情况下，例如你需要将用户分群匹配，而非混在一个房间组里，那也可以将不同房间组绑定到几个不同的 URL 上，进行前置分流。总而言之，所有接入层代理转发的活儿，交给 URL 即可。

水平扩展和平滑扩容

房间服务和匹配服务都可以水平扩展，并且它们都是支持平滑扩容的：

• 增加部署房间服务，只需要配置、启动房间服务，按照上述服务注册流程，匹配服务会自动将它纳入麾下，对现有服务没有任何影响。

• 增加部署匹配服务，就跟增加部署无状态服务一样，也是平滑无感知的。

所以，只要你的机器够多，其它依赖如数据库、Redis 撑得住，十万人同时在线也没有问题。

闲聊一嘴，因为有不少朋友来问 TSRPC、本方案与 Pomelo 的区别。Pomelo 是非常优秀的框架，凭借 NodeJS 实现了接入层、服务注册与发现、服务间 RPC 等诸多机制。但在今天，其实也有新的变化。

在集群管理方面，出现了 Kubernetes 这样标准化的方案，无论是扩缩容、服务注册与发现、URL 路由等等方面，都更专业、可靠、高性能。云厂商的托管服务和中间件也日趋完善……

更精细的分工诞生了更专业的的工具，所以今天，不是所有工作都需要你亲自在 NodeJS 中完成。善用这些工具链，能让你把有限的精力更专注在业务上，事半功倍。

资源链接

• 点击文末【阅读原文】下载 Demo 源码

https://store.cocos.com/app/detail/3766

• Demo 在线体验地址

https://tsrpc.cn/room-management/index.html

• TSRPC Github

https://github.com/k8w/tsrpc

• TSRPC 官方文档

https://tsrpc.cn

更多链接

[1] PM2

https://pm2.keymetrics.io/

[2] upstream

https://www.nginx.cn/5130.html

[3] 阿里云的 SLB

https://www.aliyun.com/product/slb

[4] Kubernetes

https://kubernetes.io/zh/docs/concepts/overview/what-is-kubernetes/

[5] 登录态和鉴权

https://tsrpc.cn/docs/flow/access.html

感谢你阅读到这里，希望本次分享对你有所帮助！本文转载自公众号 TypeScript全栈开发，欢迎关注，持续了解最新 TSRPC 动态。

往期精彩