语音聊天室这个名词可能有点陌生，实际上相关的产品还是很多的，例如游戏里的开黑语音、在线课堂等。语音聊天室可以认为视频直播的前身，很多音视频平台的架构是从语音聊天室演进为视频直播室的。本文主要介绍语音聊天室的架构设计，后面的文章会逐步介绍从语音到视频的演进历程。
语音聊天室怎么实现呢？互联网产品设计万变不离其宗，一套QQ的架构设计可以走遍天下。QQ群聊是怎么实现的，那么把群聊中的文字消息换成语音数据就是语音聊天室了。
如图所示，ABC进入房间101，服务器会维护一个房间信息表记录每个房间的用户信息。当某个用户说话的时候，客户端将采集到的语音数据发给服务器，服务器就把语音数据发给101的每一个用户。客户端收到语音数据就可以播放出来。
但是实际生产中肯定不会使用这么简单的架构，为什么呢？首先一个服务器实现所有功能是不可行的，因为一方面服务器的性能不可能满足，另一方面大型软件的复杂度和维护成本是非常高的，因此软件工程一直都强调高内聚低耦合，把功能拆解可以使系统更容易维护。
拆解有两个方向，一个是按功能拆分，即把不同功能放到不同服务器完成；另一种是平行扩展，即相同功能的服务分布到多台机器上。
首先按功能拆分。按功能拆分又称为垂直拆分，与平行扩展是一个相对的概念。比较常见的拆分方法是分层，一般分接入层、逻辑层和数据层。接入层是整个系统对外的窗口，除了基本的数据加解密和透传功能外，还起到保护内部服务器的作用；逻辑层包含实际的业务服务器；数据层主要是存储数据的存储介质和相关服务器。
接着是平行扩展。为什么需要平行扩展？一方面单机性能有限，即使增加机器配置，性能也是有上限的，因此分布式才是根本解决的方案；另一方面平行扩展可以实现服务高可用，即使部分机器宕机，服务仍然可用。
简单地说，平行扩展就是增加备机。而备机有冷热之分：热备是指多台机器同时对外提供服务，当其中一台机器故障，其他机器可以正常提供服务；冷备指同时只有一台机器（主机）对外提供服务，其他机器（备机）不提供服务，当主机发生故障时，备机需要切换成主机提供服务。
还有一个概念，有状态服务和无状态服务。网上有很多解释，大多都比较专业，不再赘述。我只说一下自己的理解，有状态服务是指本地存储需要持久化数据的服务，例如数据库服务；无状态服务是指本地不存储持久化数据的服务，例如WEB服务器。
有状态和无状态一般是跟冷备和热备对应起来的：有状态服务使用冷备，无状态服务使用热备。这是由它们的特点决定的，有状态服务因为存储数据，一般不支持多点写入，因为数据在服务器之间同步是非常复杂的（CAP理论和Paxos算法了解一下），所以冷备是最简单的容灾策略；无状态服务不存储数据，用户的请求发到哪一台机器都返回一样的结果，因此所有机器可以同时提供服务。
经过垂直拆分和平行扩展，语音聊天室的架构可以分解成下面的形式：
图中接入层包括目录服务器和语音服务器，逻辑层包括房间服务器，存储层包括数据库。其中接入层和逻辑层服务都是无状态服务，至少有两台机器热备，数据库一般是主从冷备。
目录服务器是用户访问系统的地图，用户通过它可以找到要连接的服务器的IP和端口。语音服务器是处理语音数据上传和转发的服务。房间服务器维护房间-语音服务器-用户的映射关系。映射关系类似下图，一个房间的用户可能分布在多个语音服务器，另外还有没有画出来的关系：一个语音服务器上可以有多个房间的用户。
业务流程如图所示：用户A点击进入101聊天室，首先请求目录服务器获得101房间所在语音服务器的IP列表；然后，A连接某台语音服务器请求进入101房间。如果进房成功，房间服务器会把信息写入DB，用户A可以在房间开始语音聊天。
这已经是一个比较完备的系统了。
总结一下，本篇主要介绍了一个简单的语音聊天室的设计方案和一些基础概念。方案设计可以沿着先简单再完备的思路进行推演。例如最开始的一台服务器扛不住，就要平行扩展，一个房间的用户分布到多台服务器，然后就要有一个更高层次的服务器（房间服务器）提供全局视野，如此类推。
限于篇幅，上述系统还有很多细节没有讨论。例如语音服务器是怎么转发语音数据的？目录服务器是否有点多余？等等。我们在接下来的文章中将一一解答，敬请期待。