關於 Apache Pulsar
Apache Pulsar 是 Apache 軟件基金會頂級項目,是下一代雲原生分佈式消息流平臺,集消息、存儲、輕量化函數式計算爲一體,採用計算與存儲分離架構設計,支持多租戶、持久化存儲、多機房跨區域數據複製,具有強一致性、高吞吐、低延時及高可擴展性等流數據存儲特性。
GitHub 地址:http://github.com/apache/pulsar/
介紹
最近,我一直在研究 Pulsar 及其與 Kafka 的比較。通過快速搜索,你會看到這兩個最著名的開源消息傳遞系統之間正在進行的"戰爭"。
作爲 Kafka 的用戶,我着實對 Kafka 的某些問題感到困惑,但 Pulsar 卻讓人眼前一亮、令我非常興奮。所以最後,我設法花了一些時間瞭解背景資料,並且做了很多研究。在本文中,我將重點介紹 Pulsar 的優勢,並說明 Pulsar 勝於 Kafka 的理由。讓我們開始!
Kafka 基礎知識
Kafka 是消息傳遞系統之王。它由 LinkedIn 於 2011 年創建,並在 Confluent 的支持下得到了廣泛的傳播。Confluent 已向開源社區發佈了許多新功能和附加組件,例如用於模式演化的 Schema Registry,用於從其他數據源輕鬆流式傳輸的 Kafka Connect 等。數據庫到 Kafka,Kafka Streams 進行分佈式流處理,最近使用 KSQL 對 Kafka topic 執行類似 SQL 的查詢等等。
Kafka 快速,易於安裝,非常受歡迎,可用於廣泛的範圍或用例。從開發人員的角度來看,儘管 Apache Kafka 一直很友好,但在操作運維方面卻是一團糟。因此,讓我們回顧一下 Kafka 的一些痛點。
Kafka 演示[2]
Kafka 的諸多痛點
•擴展 Kafka 十分棘手,這是由於 broker 與存儲數據的耦合架構結構所致。剝離一個 broker 意味着它必須複製 topic 分區和副本,這非常耗時;•沒有與租戶完全隔離的本地多租戶;•存儲會變得非常昂貴,儘管可以長時間存儲數據,但是由於成本問題卻很少用到它;•萬一副本不同步,有可能丟失消息;•必須提前計劃和計算 broker、topic、分區和副本的數量(確保計劃的未來使用量增長),以避免擴展問題,這非常困難;•如果僅需要消息傳遞系統,則使用偏移量可能會很複雜;•集羣重新平衡會影響相連的生產者和消費者的性能;•MirrorMaker[3] Geo 複製機制存在問題。像 Uber 這樣的公司已經創建了自己的解決方案來克服這些問題。
如您所見,大多數問題與操作運維方面有關。儘管安裝起來相對容易,但 Kafka 難以管理和調優。而且,它也缺乏應有的靈活和彈性。
Pulsar 基礎知識
Pulsar 由 Yahoo!在 2013 年創建,並於 2016 年捐贈給 Apache 基金會。Pulsar 現在是 Apache 軟件基金會的頂級項目。Yahoo!、Verizon、Twitter 等公司已在生產中使用它來處理成千上萬消息。它具有運行成本低、靈活等特性。Pulsar 旨在解決 Kafka 的大部分難題,使其更易於擴展。
Pulsar 非常靈活:它既可以應用於像 Kafka 這樣的分佈式日誌應用場景,也可以應用於像 RabbitMQ 這樣的純消息傳遞系統場景。它支持多種類型的訂閱、多種交付保證、保留策略以及處理模式演變的方法,以及其他諸多特性。
Pulsar 架構圖[4]
Pulsar 的特性
•內置多租戶,不同的團隊可以使用相同的集羣並將其隔離,解決了許多管理難題。它支持隔離、身份驗證、授權和配額;•多層體系結構:Pulsar 將所有 topic 數據存儲在由 Apache BookKeeper 支持的專業數據層中。存儲和消息傳遞的分離解決了擴展、重新平衡和維護集羣的許多問題。它還提高了可靠性,幾乎不可能丟失數據。另外,在讀取數據時可以直連 BookKeeper,且不影響實時攝取。例如,可以使用 Presto 對 topic 執行 SQL 查詢,類似於 KSQL,但不會影響實時數據處理;•虛擬 topic:由於採用 n 層體系結構,因此對 topic 的數量沒有限制,topic 及其存儲是分離的。用戶還可以創建非持久性 topic;•N 層存儲:Kafka 的一個問題是,存儲費用可能變高。因此,它很少用於存儲"冷"數據,並且消息經常被刪除,Apache Pulsar 可以藉助分層存儲自動將舊數據卸載到 Amazon S3 或其他數據存儲系統,並且仍然向客戶端展示透明視圖;Pulsar 客戶端可以從時間開始節點讀取,就像所有消息都存在於日誌中一樣;•Pulsar Function:易於部署、輕量級計算過程、對開發人員友好的 API,無需運行自己的流處理引擎(如 Kafka);•安全性:它具有內置的代理、多租戶安全性、可插拔的身份驗證等特性;•快速重新平衡:分區被分爲易於重新平衡的分片;•服務器端重複數據刪除和無效字段:無需在客戶端中執行此操作,也可以在壓縮期間刪除重複數據;•內置 Schema registry(架構註冊表):支持多種策略,易於操作;•地理複製和內置 Discovery:易於將集羣複製到多個區域;•集成的負載均衡器和 Prometheus 指標;•多重集成:Kafka、RabbitMQ 等;•支持多種編程語言,例如 GoLang、Java、Scala、Node、Python…...•分片和數據分區在服務器端透明進行,客戶端不需要了解分片與分區數據。
Pulsar 特性列表: [5]
Pulsar 入門
Pulsar 入門非常容易。使用前提是安裝 JDK。
1.下載 Pulsar 並解壓縮(備註:目前 Apache Pulsar 最新版本爲 2.7.0):
$ wget https://archive.apache.org/dist/pulsar/pulsar-2.6.1/apache-pulsar-2.6.1-bin.tar.gz
2.下載連接器(可選):
$ wget https://archive.apache.org/dist/pulsar/pulsar-2.6.1/connectors/{connector}-2.6.1.nar
3.下載 nar 文件後,將文件複製到 Pulsar 目錄中的 Connectors 目錄
4.啓動 Pulsar!
$ bin/pulsar standalone
Pulsar 提供了一個稱爲 Pulsar-Client 的 CLI 工具,我們可以使用它與集羣進行交互。
生產消息:
$ bin/pulsar-client produce my-topic --messages "hello-pulsar"
消費消息:
$ bin/pulsar-client consume my-topic -s "first-subscription"
Akka 流示例
舉一個客戶端示例,我們在 Akka 上使用 Pulsar4s。
首先,我們需要創建一個 Source 來消費數據流,所需要的只是一個函數,該函數將按需創建消費者並查找消息 ID:
val topic = Topic("persistent://standalone/mytopic")
val consumerFn = () => client.consumer(ConsumerConfig(topic, subscription))
然後,我們傳遞 ConsumerFn 函數來創建源:
import com.sksamuel.pulsar4s.akka.streams._
val pulsarSource = source(consumerFn, Some(MessageId.earliest))
Akka 源的物化值是 Control 的一個實例,該對象提供了一種"關閉"方法,可用於停止消費消息。現在,我們可以像往常一樣使用 Akka Streams 處理數據。
要創建一個接收器:
val topic = Topic("persistent://standalone/mytopic")
val producerFn = () => client.producer(ProducerConfig(topic))
import com.sksamuel.pulsar4s.akka.streams._
val pulsarSink = sink(producerFn)
完整示例摘自 Pulsar4s[6]。
object Example {
import com.sksamuel.pulsar4s.{ConsumerConfig, MessageId, ProducerConfig, PulsarClient, Subscription, Topic}
import org.apache.pulsar.client.api.Schema
implicit val system: ActorSystem = ActorSystem()
implicit val materializer: ActorMaterializer = ActorMaterializer()
implicit val schema: Schema[Array[Byte]] = Schema.BYTES
val client = PulsarClient("pulsar://localhost:6650")
val intopic = Topic("persistent://sample/standalone/ns1/in")
val outtopic = Topic("persistent://sample/standalone/ns1/out")
val consumerFn = () => client.consumer(ConsumerConfig(topics = Seq(intopic), subscriptionName = Subscription("mysub")))
val producerFn = () => client.producer(ProducerConfig(outtopic))
val control = source(consumerFn, Some(MessageId.earliest))
.map { consumerMessage => ProducerMessage(consumerMessage.data) }
.to(sink(producerFn)).run()
Thread.sleep(10000)
control.stop()
}
Pulsar Function 示例
Pulsar Function 處理來自一個或多個 topic 的消息,對其進行轉換並將結果輸出到另一個 topic:
Pulsar Function[7]
可以在兩個接口之間進行選擇以編寫函數:
•語言原生接口:不需要特定的 Pulsar 庫或特殊的依賴項;無法訪問上下文,僅支持 Java 和 Python;•Pulsar Function SDK:可用於 Java / Python / Go,並提供更多功能,比如訪問上下文對象。
只需編寫一個簡單的函數即可使用語言原生接口轉換消息:
def process(input):
return "{}!".format(input)
用 Python 編寫的這個簡單函數只是向所有傳入的字符串添加一個感嘆號,並將結果字符串發佈到 topic。
使用 SDK 需要導入依賴項,例如在 Go 中,我們可以編寫:
package main
import (
"context"
"fmt"
"github.com/apache/pulsar/pulsar-function-go/pf"
)
func HandleRequest(ctx context.Context, in []byte) error {
fmt.Println(string(in) + "!")
return nil
}
func main() {
pf.Start(HandleRequest)
}
如果要發佈無服務器功能並將其部署到集羣,可以使用 Pulsar-Admin CL;如果使用 Python,我們可以編寫:
$ bin/pulsar-admin functions create \
--py ~/router.py \
--classname router.RoutingFunction \
--tenant public \
--namespace default \
--name route-fruit-veg \
--inputs persistent://public/default/basket-items
Pulsar Function 的一個重要功能是用戶可以在發佈該函數時設置交付保證:
$ bin/pulsar-admin functions create \
--name my-effectively-once-function \
--processing-guarantees EFFECTIVELY_ONCE
有以下選擇:
Pulsar 的優勢
與 Kafka 相比,讓我們回顧下 Pulsar 的主要優勢:
•更多功能:Pulsar Function、多租戶、Schema registry、n 層存儲、多種消費模式和持久性模式等;•更大的靈活性:3 種訂閱類型(獨佔,共享和故障轉移),用戶可以在一個訂閱上管理多個 topic;•持久性選項:非持久(快速)、持久、壓縮(每個消息僅最後一個鍵),用戶可以選擇交付保證。Pulsar 具有服務器端重複數據刪除和無效字樣多保留政策和 TTL 的特性;•無需提前定義擴展需求;•支持隊列與流兩種消息消費模型,所以 Pulsar 既可以代替 RabbitMQ 也可以代替 Kafka;•存儲與 broker 分離,因此擴展性更好,重新平衡更快、更可靠;•易於操作運維:架構解耦和 n 層存儲;•與 Presto 的 SQL 集成,可直接查詢存儲而不會影響 broker;•藉助 n 層自動存儲選項,可以更低成本地存儲;•更快:基準測試[8]在各種情況下都表現出更好的性能。Pulsar 具有較低的延遲和更好的擴展功能。•Pulsar Function 支持無服務器計算,無需部署管理;•集成 Schema registry;•集成的負載平衡器和 Prometheus 指標;•地理複製效果更好,更易於設置。Pulsar 內置 Discover-ability;•創建 topic 數量沒有限制;•與 Kafka 兼容,易於集成。
Pulsar 的劣勢
Pulsar 並不完美,Pulsar 也存在一些問題:
•相對缺乏支持、文檔和案例;•n 層體系結構導致需要更多組件:BookKeeper;
•插件和客戶端相對 Kafka 較少。•雲中的支持較少,Confluent 具有託管雲產品。
不過,上面的情況都在得到快速改善,目前 Pulsar 也逐漸被越來越多的公司和組織使用,Apache Pulsar 商業支持公司 StreamNative 也推出了 StreamNative Cloud,Apache Pulsar 正在快速成長,我們都可以看到令人欣喜的變化。Confluent 曾發佈博客對比 Pulsar 和 Kafka ,但請注意,這些問題可能有偏見。
Pulsar 使用場景
Pulsar 可用於廣泛的場景:
•發佈/訂閱隊列消息傳遞;•分佈式日誌;•事件溯源,用於永久性事件存儲;•微服務;•SQL 分析;•Serverless 功能。
什麼時候應該考慮 Pulsar
•同時需要像 RabbitMQ 這樣的隊列和 Kafka 這樣的流處理程序;•需要易用的地理複製;•實現多租戶,並確保每個團隊的訪問權限;•需要長時間保留消息,並且不想將其卸載到另一個存儲中;•需要高性能,基準測試表明 Pulsar 提供了更低的延遲和更高的吞吐量;
如果在雲端,請注意考慮基於雲的解決方案。雲提供商擁有涵蓋某些場景的不同服務。例如,對於隊列消息,雲提供商提供了許多服務,比如 Google pub / sub;對於分佈式日誌,有 Confluent 雲或 AWS Kinesis;StreamNative 也提供了基於 Pulsar 的雲端服務。雲提供商還提供了非常好的安全性。Pulsar 的優勢在於可以在一個平臺上提供許多功能。一些團隊可能將其用作微服務的消息傳遞系統,而另一些團隊則將其用作數據處理的分佈式日誌。
結論
我是 Kafka 的忠實粉絲,我對 Pulsar 如此感興趣的原因是:競爭驅動創新。
Kafka 是一種成熟,富有彈性且經過考驗的產品,在世界範圍內獲得了巨大成功,無法想象大多數公司沒有它會怎樣。但是我確實看到 Kafka 成爲其自身成功的受害者,由於需要支持許多大型公司導致巨大的增長減慢了功能開發的速度、移除 ZooKeeper 依賴項等重要功能花費的時間太長,這爲諸如 Pulsar 等工具蓬勃發展創造了空間。
Pulsar 雖然年輕卻勢頭很猛,在將 Pulsar 納入組織之前,需進行分析、基準測試、研究並進行 POC。從小處着手,在將 Kafka 遷移到 Pulsar 之前進行概念驗證,並在決定進行完全遷移之前評估影響。
引用鏈接
[1]
《Pulsar Advantages Over Kafka》: https://itnext.io/pulsar-advantages-over-kafka-7e0c2affe2d6[2]
Kafka 演示: https://talks.rmoff.net/pZC6Za/slides[3]
MirrorMaker: https://cwiki.apache.org/confluence/pages/viewpage.action?pageId=27846330[4]
Pulsar 架構圖: https://pulsar.apache.org/docs/en/concepts-architecture-overview/[5]
Pulsar 特性列表: : https://pulsar.apache.org/[6]
Pulsar4s: https://github.com/sksamuel/pulsar4s/blob/master/pulsar4s-akka-streams/src/test/scala/com/sksamuel/pulsar4s/akka/streams/Example.scala[7]
Pulsar Function: https://pulsar.apache.org/docs/en/functions-overview/[8]
基準測試: https://medium.com/swlh/performance-comparison-between-apache-pulsar-and-kafka-latency-79fb0367f407
本文分享自微信公衆號 - 大數據技術與架構(import_bigdata)。
如有侵權,請聯繫 [email protected] 刪除。
本文參與“OSC源創計劃”,歡迎正在閱讀的你也加入,一起分享。