カスタマーサポート向けのリアルタイムチャットを設計・運用しているエンジニアに向けた内容です。
メッセージ送信時に返ってくる「既読になりました」という表示は、実際には何を保証しているのでしょうか。
WebSocket(サーバーとブラウザが双方向に常時接続する通信方式)を使ったチャット機能では、送信直後に ack(アクノレッジメント、受信確認)が返ってきます。
この ack の意味を曖昧にしたまま設計すると、再接続時にメッセージが消える、既読状態が巻き戻る、といった不具合につながります。
本記事では ack が本来証明すべきことを3層に分けて整理し、今の実装がどの層を指しているかを確認する手順をまとめます。
「既読」は1つの概念ではない
リアルタイム通信の ack には、実は性質の異なる3つの意味が混在しがちです。
1つ目は「ソケット受領」です。これはリアルタイム通信の末端(エッジ)がメッセージの送信操作を受け付けたことだけを意味します。
サーバー側の永続ストレージに書き込まれた保証はなく、再接続時はクライアント側のローカルメモリから再送する程度の軽い扱いで十分です。
典型例は「相手が入力中です」という tying indicator(入力中インジケーター)です。数秒で消えてよい一時的な情報なので、重い仕組みを被せる必要はありません。
2つ目は「永続的な発行レシート」です。これはイベントが不変の ID 付きでストレージに保存されたことを意味します。
クライアントが再接続した際は、サーバーが管理する cursor(読み進めた位置を示すポインタ)から再開できる必要があります。
チャットの本文メッセージや既読レシートはこの層に属します。入力中インジケーターと同じ仕組みで扱うと、保存コストが不要に増えてしまいます。
3つ目は「エンドユーザーの受領確認」です。特定の認証済みユーザーが、自分の既読位置を実際に進めたという事実を指します。
サーバーは最新の位置を返すだけでよく、これは複数端末間で未読状態を同期するために使われます。
この3層を区別せず、単一の { ok: true } のような応答だけで済ませてしまうと、「何が」「誰のために」「どこまで」受け付けられたのかが分からなくなります。
ack が握るべき5つの情報
技術的な実装に踏み込むと、サーバーが返す ack には最低限次の情報を含める必要があります。
- 認証済みの発行者(actor): クライアントが送ってきた actorId をそのまま信用せず、セッションから導出する
- 対象の会話(conversation)ID: このイベントがどの会話スレッドに属するか
- イベント ID: クライアントが生成した ID をサーバーがそのまま返し、再送(リトライ)と突き合わせられるようにする
- イベント種別: メッセージなのか既読位置の更新なのかを明示する
- 受理されたシーケンス位置(cursor): 再接続後にどこから再開すべきかを示す
ここで重要なのは、actor(行為者)の扱いです。ペイロードに入っている actorId を信用して処理してしまうと、なりすましによって他人のふりで既読を進める、といった権限昇格の余地が生まれます。
サーバーは必ず認証済みセッションから actor を導出し、その actor が該当の conversation に対する権限を持つかを、イベント受理前に認可(authorization)チェックする設計が前提になります。
具体的な例で考えてみます。生徒がオンライン学習サポートの会話 conv_algebra_42 にメッセージ evt_01JCHAT8M4 を送信したとします。
サーバーは受理時にこの ID をそのまま返し、cursor として 1842 のような位置番号を割り当てます。
同じイベント ID を持つ再送リクエストが届いた場合、新しいメッセージとして二重登録せず、既に受理済みの同一イベントとして扱う必要があります。これを冪等性(idempotency、同じ操作を何度行っても結果が変わらない性質)と呼びます。
担当エージェントが cursor 1842 まで読んだ場合、既読位置の更新イベントはエージェント個人・会話単位でスコープされます。
この位置は単調増加(モノトニック)で管理し、遅延して届いた古い更新が位置を巻き戻すことがないようにする必要があります。
なぜ暗号化だけでは不十分なのか
TLS(Transport Layer Security、通信経路の暗号化プロトコル)による暗号化は、通信経路の盗聴や改ざんからデータを守ります。
しかしこれはあくまで「通信チャネルの保護」であり、「誰が何に対してアクセスできるか」というオブジェクトレベルの認可とは別の話です。
たとえば TLS で保護された通信であっても、認可チェックが甘ければ、他人の会話の既読位置を更新できてしまう可能性があります。
この区別は REST API の設計でもよく混同される点です。HTTPS を使っているから安全、という説明は輸送層の話であって、アプリケーション層の権限制御とは独立した問題として扱う必要があります。
リアルタイムチャットの ack 設計で求められるセキュリティ制御は、次の6点に整理できます。
- 接続自体の認証(connection authentication)
- すべての publish 操作に対する認可チェック
- イベント種別とペイロードサイズの制約
- 認可後の会話切り替え(conversation の横流れ)の拒否
- actor 単位・conversation 単位でのレート制限
- 機密性の高い本文をログにコピーしない形でのセキュリティ監査記録
技術的負債になりやすいポイント
ここまでの整理を踏まえると、小規模 SaaS でありがちな技術的負債のパターンが見えてきます。
1つは、入力中インジケーターのような一時情報に対して、永続ストレージと不変 ID を使った重厚な仕組みを被せてしまうケースです。
これは「プレゼンス演出(presence theater)」のために過剰な設計コストを払っている状態で、書き込み増幅(write amplification)によるパフォーマンス劣化にもつながります。
逆のパターンとして、チャット本文や既読レシートのような本来永続化すべき情報を、ソケットの受領確認だけで済ませてしまうケースもあります。
この場合、エージェントが2つのタブを開いていたり、モバイル端末が遅れて再接続したり、会話が別の担当者に引き継がれたりすると、どのタブ・どの端末の状態が正なのか判断できなくなります。
既読状態については、メッセージ1件ごとにイベントを残すのではなく、「どこまで読んだか」を示す high-water mark(最高到達点)として1つだけ保持する設計が無駄を減らします。
これにより、順序が入れ替わって届いた古い更新が来ても、新しい位置より手前であれば無視するだけで整合性を保てます。
今日確認できること
自社のチャット実装を見直す際は、次の観点で確認すると現状の立ち位置が分かります。
| 確認項目 | 確認方法 | 問題がある場合の兆候 |
|---|---|---|
| ack の中身 | サーバーのレスポンス定義を確認し actor・conversation・event ID・種別・cursor が含まれるか見る | 単純な ok:true のみを返している |
| actor の導出元 | サーバー側コードでペイロードの actorId を直接使っていないか確認する | クライアント入力をそのまま信用している |
| 再送時の挙動 | 同一イベントIDで2回publishして二重登録されないか確認する | 重複メッセージが生成される |
| 既読位置の単調性 | 遅延した古い更新が位置を巻き戻さないかテストする | 未読数が一時的に増減する |
この観点でログや API の応答スキーマを一度読み直すだけでも、どの層の ack が欠けているか、あるいは混在しているかが見えてきます。
まとめ
リアルタイムチャットの ack は「ソケット受領」「永続発行レシート」「エンドユーザー受領確認」の3層に分けて設計する必要があります。
入力中インジケーターのような一時情報と、メッセージ本文・既読位置のような永続情報を同じ仕組みで扱うと、過剰設計か保証不足のどちらかに傾きます。
今日の一歩としては、自社の ack レスポンスのスキーマを開き、actor・conversation・event ID・cursor の5項目が揃っているかを確認してみてください。
併せて、actorId の導出元がクライアント入力ではなくセッション認証になっているかも、認可周りの重要な確認ポイントです。