服务器端判断客户端在线数目的核心在于维护一个实时状态映射表，通过心跳机制或连接生命周期管理，结合Redis等内存数据库进行原子性计数，从而在毫秒级延迟内获取准确的在线用户规模。
在分布式架构日益普及的今天，单纯依赖单机内存已无法满足高并发场景下的精准统计需求，业内专家指出，构建一个健壮的系统需要区分“逻辑在线”与“物理连接在线”,这直接决定了监控数据的准确性和业务决策的有效性。
底层原理：连接状态与心跳机制的博弈
TCP连接与业务逻辑的脱节
很多开发者容易陷入一个误区，认为只要TCP连接建立，用户就是在线的，网络波动、客户端异常崩溃或网络切换（如WiFi切4G）都可能导致连接处于“半开”状态，如果仅依靠TCP连接数，系统会错误地认为这些用户依然活跃。
必须在应用层引入心跳机制，心跳包不仅仅是为了保活，更是为了刷新用户的“最后活跃时间戳”。
常见的心跳策略对比
不同的业务场景对实时性的要求不同，选择合适的心跳策略至关重要。
- 固定间隔心跳：客户端每隔固定时间（如30秒）发送一次心跳包，这种方式实现简单,但在用户静止时会造成不必要的网络开销。
- 动态调整心跳：根据网络状况或用户行为动态调整心跳频率，在游戏场景中，高频操作时缩短心跳间隔；在静止阅读时延长间隔。
- 基于业务活动的心跳：将心跳与具体业务动作绑定，用户每次点击、滑动或请求数据时，自动刷新在线状态，这种方式最精准,但增加了客户端的开发复杂度。
长连接与短连接的选型困境
对于Web应用，HTTP短连接模式下，判断在线通常依赖于Session的存活时间或数据库中的最后登录时间，而对于IM、游戏等场景，WebSocket长连接是主流，长连接的优势在于状态持久，劣势在于连接泄露风险高，一旦客户端异常断开而未发送Close帧，服务器端若不及时检测，就会产生“僵尸连接”。
技术实现：从单机到分布式的数据一致性
单机环境下的内存计数
在单节点部署时，实现相对简单，可以使用Java中的`ConcurrentHashMap`或Go中的`sync.Map`来存储用户ID与连接对象的映射关系。
操作路径如下：
- 客户端连接时，将
UserID作为Key，Connection对象作为Value存入Map。 - 客户端发送心跳时，更新该Key对应的
LastActiveTime。 - 后台启动一个定时任务（如每秒执行一次），遍历Map，剔除
LastActiveTime超过阈值（如90秒）的Key,并更新在线计数。
这种方式的优点是延迟极低，读取速度为O(1)，缺点是数据无法持久化，服务重启后数据丢失,且无法横向扩展。
分布式环境下的Redis原子操作
当系统扩展到多节点时，内存数据无法共享，Redis成为最佳选择，关键在于如何利用Redis的数据结构来高效地统计在线人数。
Hash结构存储
使用`HSET`将用户ID映射到具体的服务器节点和连接ID，统计时，需要遍历整个Hash，这在用户量达到百万级时性能急剧下降，不推荐用于大规模在线统计。
Set集合去重统计
这是目前业界较为通用的做法，利用Redis的`SET`数据结构天然去重的特性。
具体操作步骤：
- 上线：客户端连接成功或发送首次心跳时，执行
SADD online_users <user_id>，为每个用户ID设置一个过期时间（TTL），例如EXPIRE online_users:<user_id> 90，这里需要注意，Redis的SADD不支持直接设置单个元素的TTL，因此通常采用另一种更优雅的方式：使用ZSET（有序集合）。 - 活跃刷新：每次心跳，执行
ZADD online_users <timestamp> <user_id>，这既记录了时间,又实现了去重。 - 统计在线：执行
ZCOUNT online_users -inf <current_timestamp>，这里的-inf代表负无穷，<current_timestamp>代表当前时间戳，通过设置一个合理的阈值（如当前时间减去90秒）,可以精确计算出过去90秒内有活动的用户数。 - 清理僵尸：由于ZSET中的元素不会自动过期，需要配合Lua脚本或定时任务，定期删除超过阈值时间的成员,防止内存无限增长。
HyperLogLog近似计数
如果业务对在线人数的精确度要求不高（允许1%左右的误差），但数据量极大（亿级），可以使用HyperLogLog，它占用极少的内存（12KB），即可统计基数，但这无法区分“最近活跃”和“历史活跃”，通常用于PV/UV统计，而非实时在线人数监控。
性能优化与边界场景处理
高并发下的锁竞争问题
在分布式系统中，多个节点同时更新在线状态可能会引发热点Key问题，Redis的单线程模型保证了原子性，但大量请求打向同一个Key（如`online_users`）会导致网络带宽瓶颈。
优化建议：
- 分片存储：将用户ID哈希后分散到多个Redis实例或Key中,最后聚合结果。
- 本地缓存+异步同步：在应用服务器本地维护一个小型的内存计数器，每隔几秒批量同步到Redis,减少网络IO。
客户端异常断开的检测
这是最容易被忽视的痛点，当用户直接关闭浏览器或拔掉网线，TCP连接不会立即断开，服务器端可能长时间认为用户在线。
解决方案：
- TCP KeepAlive：操作系统层面的保活机制，但超时时间通常较长（默认2小时）,不适合业务逻辑。
- 应用层心跳超时：如前所述，通过ZSET的TTL机制，即使连接断开，只要超过设定时间（如90秒）没有新的心跳,该用户就会自动从在线列表中移除。
- WebSocket Ping/Pong：在WebSocket协议中，服务器发送Ping帧，客户端必须在限定时间内回复Pong帧，若未回复,服务器主动关闭连接并移除用户。
监控指标与业务价值
核心监控指标体系
除了在线人数，还需要关注以下衍生指标，以便更全面地评估系统健康度。
| 指标名称 | 定义 | 业务意义 |
|---|---|---|
| DAU/MAU | 日/月活跃用户数 | 衡量用户粘性和增长趋势 |
| 峰值在线数 | 单位时间内最大在线人数 | 评估服务器扩容需求和带宽成本 |
| 平均在线时长 | 用户平均停留时间 | 质量和用户体验 |
| 连接建立失败率 | 新建连接失败占总请求比例 | 反映服务器负载和网络稳定性 |
场景化应用
直播场景：在线人数直接关联礼物收入和服务器带宽成本，精准的在线统计有助于动态调整CDN节点分配。
游戏场景：在线人数影响匹配速度和房间分配，需要毫秒级的响应速度，通常采用本地内存统计+异步上报的方式。
社交场景：在线状态影响消息推送策略，对于离线用户，需要触发Push通知；对于在线用户，则通过WebSocket实时推送。
Q&A：服务器端判断客户端在线数目常见问题
如何区分“在线”与“活跃”？
“在线”通常指TCP或WebSocket连接保持建立状态，而“活跃”指用户在最近一段时间内（如30秒）有交互行为，在技术实现上，连接状态由底层协议维护，而活跃状态由应用层心跳刷新，业务上，若需判断用户是否“看”到了消息，应参考活跃状态；若需判断用户是否“可连接”，应参考在线状态。
Redis ZSET统计在线人数的误差来源是什么？
主要误差来源于时间戳的精度和心跳间隔的设置，如果客户端时钟与服务器时钟不同步，会导致判断偏差，若心跳间隔设置过长，用户实际已离开但未被剔除，会造成“虚高”；若设置过短，则可能因网络抖动导致“虚低”，行业共识认为，将心跳间隔设置为预计超时时间的1/3到1/2是较为稳妥的配置。
在微服务架构中，如何统一统计跨服务的在线用户？
需要引入统一的用户中心或网关层，所有客户端请求必须经过网关，网关负责维护全局的在线映射表，微服务内部不再单独维护在线状态，而是通过网关提供的API查询用户在线状态，这种中心化架构虽然增加了网关的压力，但保证了数据的一致性和全局视图的唯一性。
首发原创文章，作者：世雄 - 原生数据库架构专家，如若转载，请注明出处：https://idctop.com/article/456781.html
