本文由微信客户端技术团队工程师“Jon”分享，原题“Windows微信：消息数据库架构演进”，有较多修订。
1、引言本文分享的是，微信客户端团队基于对微信用户日常使用场景和数据分析，通过分离重要和非重要数据、采用可靠的分库电脑策略等，对微信Windows端IM本地数据库的架构进行的优化和改造，并最终得到一个具备良好实践效果的技术改造方案。
微信的Windows客户端自2014年上线以来，用户数稳步增长。随着时间的不断推移，很多用户本地积攒的消息量越来越大。
最初的本地IM数据库设计秉着遵循“简单易用、方便管理”的原则，把用户收到的所有消息都统一存放在用户当前客户端本地的“同一个SQLite数据文件中”。
(作者注：微信不会保存聊天记录，聊天内容只存储在用户手机、电脑等终端设备上。)
3、当前问题由于初期这套本地数据库设计方案的短板，随着目前微信使用越来越广泛、消息堆积越来越多，从而逐渐暴露出了许多技术问题。
3.1 问题1：数据查询慢随着使用时间的推移，数据也逐渐增多，当数据量越来越庞大：
1）数据库的查询和插入效率会受到影响；2）即使消息数据库存在索引，索引的查询效率也随之下降。从文件系统的角度，数据库文件是逐页增长的。因为长时间的使用微信会使得消息量的逐步累积，让数据库体积逐渐增长，也会导致碎片化更严重，这在机械硬盘下，也会进一步影响读写效率。
对用户最直观的影响就是——切换聊天变得很卡，这个问题对于重度用户尤甚，甚至会出现点击聊天就卡顿的情况。
3.2 问题2：存储文件大随着时间的推移，消息量的逐步累积，数据库存储文件的体积也是越来越大，显著占用用户存储空间。
3.3 问题3：磁盘文件损坏磁盘文件意外损坏也有可能导致数据丢失。
因为所有消息都放到一个数据库文件，就类似把所有鸡蛋放在一个篮子。
数据库文件也可能会因为存储坏道、电脑意外断电、sqlite自身bug等原因导致数据库文件发生损坏。如果发生损坏时，有可能导致用户丢失消息数据。即使有DB恢复机制，也无法保证能恢复出所有历史记录。
当这种情况发生时，对用户影响十分大，因为聊天记录可能没了！
PS：微信移动端也有类似困扰，有兴趣可以阅读《微信客户端SQLite数据库损坏修复实践》。
4、原因分析4.1 概述上述数据库存储文件变大和查询变慢的问题，都是由于消息数据的不断增多引起。
但消息数的增长是无法避免的，那么有没有办法控制增长速度，并且控制数据库的大小？
我们从两个方向进行分析：消息情况、日常使用场景
4.2 分析1：消息情况微信里的IM消息可分为三大类：
1）单人聊天消息；2）群聊消息；3）以及订阅号/服务号消息（统称为公众号消息）。按消息的重要性来说：
1）单聊/群聊消息：这是用户的私人消息，被删除或者丢失无法恢复，对用户损失最大；2）公众号的消息：因为只要关注了公众号，都可以拉取阅读，属于公共消息，所以对用户来说重要性稍低。按消息的大小来说：
1）基于对测试帐号的消息大小数据分析，我们发现：占总条数比例不高的公众号消息，占用了超过一半的数据库空间；2）经过对测试帐号消息类型的分析：网页卡片类消息是公众号消息的主要类型，其平均消息体大小是文本消息的几十倍。4.3 分析2：日常应用场景分析众所周知，我们日常使用微信，都是收发消息，或者浏览最近的消息。对于更早的消息，我们一般很少会主动去浏览。
越早的消息，浏览的概率越低。
所以：在大多数场景下，我们要让最常访问的消息，不受老数据的影响。
5、解决方案5.1 概述针对前述问题并结合上述分析，我们从以下方面对微信Windows端本地SQLite数据库的架构进行了演进和优化。
涉及的主要优化内容和手段有：
1）分库改造；2）建立消息索引；3）消息体积优化；4）提高数据库健壮性。下面我们将逐一详细介绍。
5.2 分库改造基于以上分析，首先把公众号消息划分出去，存到单独的一个数据库，跟用户的普通消息隔离，同时也可以大幅减少普通消息数据库的体积。
基于日常使用场景的分析，大部分老数据读取的频率很低，所以应该提高最近一段时间的读写效率。
对于上述这种情况，我们采取了以时间和空间动态划分数据库的方案。初始默认值是每个数据库存放半年的消息，超过时间之后新建一个数据库存放。对于大部分使用场景，我们只需要读写最新的数据库就可以满足需求，如果需要浏览更早的消息，可以再打开之前的数据库进行读取。
除了时间维度，我们还考虑了空间维度的划分：如果半年内消息普通消息规模超过阈值，也会新建一个数据库进行存储，让每个数据库大小和数据规模不至于太大，能提升最近一段时间消息的读写效率。
对于最广泛的使用场景——查看每一个聊天的消息，这种场景需要对每一个聊天会话建立一个索引。
这里的索引方案我们参考了安卓端：即将每一个聊天转换成一个数值型的ID，从而减少每条索引的长度，提高索引的读写效率。（关于微信的移动端SQLite完整数据库结构，可以参考：《微信本地数据库破解版(含iOS、Android)，仅供学习研究 [附件下载]》）
除此之外，我们还对一些经常访问的内容，单独提取成为一个字段，并且增加索引。比如消息的子类型（这个在老数据库中是一个序列化字段），它没有索引，但这个字段经常需要用到，所以单独提出成为一列，并且加上索引，为消息按类型查找提供方便。
5.4 消息体积优化IM中消息显然总是会越来越多的，但如何能够在不影响读写效率的同时，减少/压缩消息数据的体积，也是我们的优化方向。
从上面的数据看，部分消息体积较大，已经超过了数据库每页的大小（Page Size）。
数据库是按页存储数据的，Page Size是数据库一页能够容纳的数据。如果一条数据，一个页放不下，就需要用到溢出页，把多出来放不下的数据放到溢出页中，溢出页可以有多个。
这时候，如果读取这条数据，就需要把溢出页也全部读出来，会增加IO的消耗。
如果压缩数据，能够把消息体压缩到一个页能放得下，减少溢出页的使用，是可以增加IO性能的。
SQLite数据库溢出页结构：
(上图引用自书籍《The Definitive Guide to SQLite》第308页)
PS：《The Definitive Guide to SQLite》这本书的电子版我也给你找到了，请从下面附件处下载：
The Definitive Guide to SQLite (2nd edition, 2010)-52im.net.pdf.zip (3.61 MB)
但是压缩需要占用CPU资源，这里选择一种能够平衡性能和压缩率的算法是关键。
经过对比压缩算法的Benchmark，并且对消息体压缩性进行实测，最终选择了一个高性能压缩算法：lz4。
经过对测试帐号的数据分析，不同类型的消息体大小差异较大。
一般来说：文本消息的长度不会特别大，但是网页卡片类型的消息，体积会较大。由于不同的消息长度，获得的压缩率不一样，太短的文本长度，压缩起来并没有意义。
所以经过消息体长度、压缩、，压缩性能的分析，最终确定对网页卡片等进行压缩，在较低性能消耗的前提下，综合压缩率可达到40%，减少了IO次数 。
电脑如果数据库文件由于外部原因发生损坏，则会对体验造成较大影响。降低损坏率和减少损坏带来的数据损失，也是我们改进的方向。
按照时间维度划分数据库之后，相当于把消息按时间分散存储。最新的数据库负责读写最近的消息，其余的数据库只需要根据需求支持浏览查看消息。
对于老数据库而言：可以做到按需加载，从而减少了对数据库的读写，也减少了这些数据库损坏的几率。一旦有数据库出现损坏，即使无法恢复，也不会所有消息全部丢失，只会丢失该数据库对应时间段的消息，这也可以减少部分数据库损坏带来的损失。
在早期使用的单数据库架构中，由于数据会越攒越多，数据库体积会持续变大，很难去做备份。分库之后，每个数据库体积变小，因而数据库备份变得更为可行。因为最新的数据库存在频繁的消息读写，发生损坏的概率远高于老数据库，所以这里对最新的一个数据库做定期的备份。
默认配置下，我们每间隔一段时间会对最新的数据库进行一次备份，该备份是最新的一个数据库的完整拷贝。若最新的数据库在读写时发生损坏，会先尝试从备份数据恢复。若恢复成功，则最多丢失从备份到恢复这段时间的数据，进一步降低损坏造成的损失。
6、优化对比经过对比，对于一个在测试帐号中原始的消息数据库，压缩后大小可以减少接近一半，同时溢出页数和需要使用溢出页的记录数减少也超过一半。
对于读写性能，对比压缩前，压缩后的读取和解压缩性能比之前有接近10%的提升。
后续我们微信客户端团队将继续研究数据库修复相关的实践，持续关注数据库相关的性能数据，提升可靠性，打造更好的用户体验！
以下是相关技术文章，有兴趣的读者可以一并阅读：
微信客户端SQLite数据库损坏修复实践微信移动端的全文检索优化之路微信移动端的全文检索多音字问题解决方案微信iOS端的最新全文检索技术优化实践微信本地数据库破解版(含iOS、Android)，仅供学习研究 [附件下载]学习交流：
- 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）
（本文已同步发布于：http://www.52im.net/thread-4034-1-1.html）
电脑
