XMPP（Extensible Messaging and Presence Protocol，前称Jabber）是一种以 XML 为基础的开放式实时通信协议，关于它的协议细节，网上已经有太多分析文章，我这里就不再赘述（而且，我也不可能比别人解释的更清楚）。简单来看这个协议，我们只需要知道：
1，XMPP 的三种基本角色：客户端、服务器和网关，通信能够在这三者的任意两个之间双向发生。服务器端同时承担了客户端信息记录、连接管理和信息路由的功能。网关则承担着与异构系统的互联互通功能。在 RFC 3920 XMPP Core 中对 XMPP 网络结构有一个描述：
C1----S1---S2—C3
|
C2----+--G1===FN1===FC1
这里 C1，C2，C3 表示 XMPP 客户端；S1，S2 表示 XMPP 服务器；G1 表示网关，用来负责 XMPP 协议和外部聊天协议的转换；FN1 表示外部消息网络的服务器，FC1 表示外部网络客户端。
大家可能会奇怪，这里为什么需要一个网关呢。这要从 XMPP 的来源说起。1996 年 Mirabilis 公司推出了世界上第一个即时通信系统 ICQ，不到 10 年，IM 就成了最流行的应用之一，MSN、Gtalk、雅虎即时通、AIM、Adium、Pidgin 等各种软件如雨后春笋般涌现，但是这些服务之间没有统一的标准，不能互联互通，XMPP 的设计目的就是为了实现整个及时通信服务协议的互通，让 IM 成为继 WEB 和 Email 之后的互联网第三大服务。
2，XMPP 的消息格式。
XMPP 协议的所有消息都是 XML 格式的，这是 XMPP 协议的另一个充满历史意味的选择，想当年 SOA / SOAP 一时间爆发起来，很多消息交换协议都采用了 XML 格式，但是不想 XML 很快就成了「大数据」的代名词。在 RFC 3920 XMPP Core 中定义了两个基础概念，XML Stream 和 XML Stanza，XML Stream 是两个节点之间进行数据交换的容器，它定义了顶层的XML节点 ；XML Stanza 则定义了实体消息的具体语义单元，在 XMPP 中定义了 3 个顶层消息：
2.1 Presence
用于确定用户的状态。消息结构举例如下（每个 XML 的 node 还会有很多其他 attribute，为了简单起见这里省略，下同）：
<presence from="[email protected]/contact" to="[email protected]/contact">
<status>online</status>
</presence>
2.2 Message
用于在两个用户之间发送消息。消息结构举例如下：
<message from="[email protected]/contact" to="[email protected]/contact" type=“chat”>
<body>hello</body>
</message>
2.3 IQ
信息/请求，是一个请求－响应机制，管理XMPP服务器上两个用户的转换，允许他们通过相应的XML格式进行查询和响应。
<iq from="[email protected]/contact" id=“id11” type=“result”>
</iq>
3，XMPP 的交互流程。
XMPP 通过 TCP 传输了什么内容？在 QQ 里面，消息是使用二进制形式发送的，在 MSN 里面是采用纯文本指令加参数加换行符的形式发送的，而 XMPP 传输的即时通讯指令与他们相仿，只是协议的形式变成了 XML 格式的纯文本，这让解析更容易，方便了开发和查错，但是也带来了数据负载过重的缺点，而被人广为诟病。
XMPP 聊天的过程如下：
所有从一个 client 到另一个 client 的消息和数据都要经过 XMPP Server；
client1 连接到Server；
server 利用本地目录系统的证书对其认证；
client1 指定 client2 目标地址，让 server 告知 client2 目标状态；
server 查找，连接并进行互相认证；
client1 和 client2 进行交互。
转自：https://www.oschina.net/question/1999032_167232