MRS Pulsar：下一代分布式消息流平台全新发布！

Pulsar的前世今生

Apache Pulsar是一个发布-订阅消息系统，使用计算与存储分离的云原生架构。Pulsar 2018年9月成为ASF顶级项目，近两年，随着社区不断发展和诸多企业的应用和贡献，Pulsar作为一个云原生的分布式消息流平台，越来越频繁地出现在人们的视野中，大有替代Kafka江湖地位的趋势。

Pulsar和Kafka的对比

Pulsar和Kafka架构上最大的不同是，Kafka由Broker进行消息的收发和持久化，数据存储在本地文件系统，由Broker统一管理。这也意味着数据和消息处理是耦合的。

Kafka官网描述道：Kafka重度依赖文件系统，用于存储或缓存消息。当Broker接收到消息时，会将消息追加写到本地磁盘上。这一架构决定了Partition和Broker的对应关系是相对固定的，只有在partition reassign时才会发生数据迁移。Partition的Leader在数据副本分布节点上产生，用于处理生产消费请求。

而Pulsar采用了计算存储分离架构，这也是Pulsar被称作云原生平台的主要原因。Pulsar依赖Apache BookKeeper管理持久化数据，Apache BookKeeper是可扩展、可容错、低延迟的日志存储服务，能够保证在强持久性下的低延迟读写。

*引自Pulsar官网介绍：https://pulsar.apache.org/docs/en/concepts-architecture-overview/

Broker接收请求后，数据实际分布式存储在BookKeeper服务中。在数据的物理存储模型中某个Topic或Partition的数据并不固定存储在某个Bookie实例上。

Pulsar将分布式日志划分为多个Segment，每个Segment对应BookKeeper中的一个Ledger。与Kafka将某一Partition的数据日志保存在某一固定目录下不同，Pulsar通过划分Segment的方式，可以将同一topic或partition分布到不同的Bookie上。

Pulsar的优势特性

灵活扩展

相信很多使用Kafka的客户都有类似的经历：

磁盘空间不足，只能调整数据TTL，或扩容机器后向新的Broker中迁移Partition

Topic或Partition间数据分配不均匀，节点之间或磁盘之间使用不均衡，有的磁盘已经满了，而有的磁盘还有很多空间

Broker机器故障，需要将数据迁移到其他节点后下电维修

Pulsar的存算分离架构天然地避免了这些问题。Pulsar Broker本身是无状态的，当某个Broker故障时，另一个Broker可以立即接管对应的Topic而不需要迁移数据。BookKeeper分布式日志保证了存储节点间的数据均衡，不会因某一个Partitoin或Topic数据过多而导致IO集中在某一节点上。

当集群需要扩容时，Broker可以立即感知到新加入集群的Bookie，并将新写入的数据存储到新添加的Bookie中。

多租户

Kafka社区在KIP-37正在讨论加入NameSpace以实现多租户特性，而Pulsar已实现这一功能。在企业中，消息队列服务通常会被多个团队使用，在使用Kafka时，有时需要为每个团队维护一个Kafka集群。Pulsar可以配置多个租户，每个租户可以有多个NameSpace，管理员可以对NameSpace进行访问控制、配额管理。

更灵活的订阅模式

Kafka对消息的划分分为两层：对于属于同一个Group的KafkaConsumer，其获取到的消息是互斥的，即某一条消息只能被Group中的一个Consumer处理；对于不同的Group，某一条消息将同时被两个Group处理，消息是共享的。

而Pulsar提供了更灵活的订阅模式：

独占式：

在任意时间，Topic中的数据只能被Group中的一个Consumer消费，不允许其他Consumer获取消息

主备式：

多个Consumer同时消费同一个Topic时，只有一个Consumer被选为主Consumer，其他Consumer则成为备Consumer。当主Consumer故障时，发生主备倒换，备Consumer中的一个将升主，并继续消息的消费。

共享式：

与Kafka类似，使用共享模式，消息将循环分发给不同的Consumer，当某个Consumer故障时，消息将被重新分配给其他Consumer。

分层存储

Pulsar另一个很有吸引里的特性是，流式数据可以转冷并存储在更廉价的存储介质上。通常为了保证性能，流式处理系统配备高性能的SSD。对于Kafka来说，所有需要保留的消息都必须驻留在昂贵的SSD上。有些时候，数据写入一段时间后已不在会被使用，但仍需保留一段时间存档。Pulsar支持将这种冷数据转储到离线存储系统中，BookKeeper只需要保留一部分热数据，可以节省很多存储成本。该特性无疑是很有价值的，Kafka社区同样在进行设计（KIP-405），但目前还没有实现。

Pulsar的性能指标

Kafka和Pulsar社区都针对性能进行了对比测试。综合来看，由于Pulsar数据落盘时，会进行同步fsync，持久性要比Kafka更高，Pulsar社区对此作出修改后进行对比测试，部分测试结果如下：

*引自Pulsar社区性能测试报告

在100 Partition时，默认配置下pulsar的吞吐量距离Kafka差距明显，但当本地持久化等级设置为与Kafka相同时，吞吐量与Kafka基本持平。

*引自Pulsar社区性能测试报告

当Partition数增加到2000个时，Pulsar默认本地持久度的吞吐量基本与Kafka持平。

更多细节请移步SreamNative的benckmarking测试报告：benchmarking pulsar kafka a more accurate perspective on pulsar performance.pdf

MRS上的Pulsar

MRS已发布Pulsar的POC版本，客户可以一键式部署Pulsar服务，包括Broker和Bookie角色。支持在Web UI上修改Pulsar配置、启停、监控。

此外MRS还默认集成了KoP。KoP是Pulsar社区开源的一个插件，运行在Pulsar上，用以兼容Kafka协议。使用时，Kafka客户端可以修改连接地址后直接切换到Pulsar集群上，而不需要修改业务对Kafka客户端的依赖。

在MRS Pulsar的商用版本正在规划中，我们将探索Pulsar在云上使用的更多可能，进一步发挥Pulsar存算分离的优势，降低成本，提升资源利用率，为客户创造更多价值，敬请期待。

Kafka MapReduce服务 分布式 大数据

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。