兩個(gè)優(yōu)秀的分布式消息流平臺(tái)：Kafka與Pulsar
??點(diǎn)擊“博文視點(diǎn)Broadview”，獲取更多書訊
本文向讀者介紹兩個(gè)優(yōu)秀的分布式消息流平臺(tái)：Kafka與Pulsar。
Apache Kafka（簡(jiǎn)稱Kafka）是由LinkedIn公司開發(fā)的分布式消息流平臺(tái)，于2011年開源。Kafka是使用Scala和Java編寫的，當(dāng)下已成為最流行的分布式消息流平臺(tái)之一。Kafka基于發(fā)布/訂閱模式，具有高吞吐、可持久化、可水平擴(kuò)展、支持流數(shù)據(jù)處理等特性。
Apache Pulsar（簡(jiǎn)稱Pulsar）是雅虎開發(fā)的“下一代云原生分布式消息流平臺(tái)”，于2016年開源，目前也在快速發(fā)展中。Pulsar集消息、存儲(chǔ)、輕量化函數(shù)式計(jì)算為一體，采用計(jì)算與存儲(chǔ)分離架構(gòu)設(shè)計(jì)，支持多租戶、持久化存儲(chǔ)、多機(jī)房跨區(qū)域數(shù)據(jù)復(fù)制，具有強(qiáng)一致性、高吞吐、低延時(shí)及高可擴(kuò)展性等流數(shù)據(jù)存儲(chǔ)特性。
Kafka與Pulsar都是優(yōu)秀的分布式消息流平臺(tái)，它們都提供了以下基礎(chǔ)功能：
（1）消息系統(tǒng)：Kafka與Pulsar都可以實(shí)現(xiàn)基于發(fā)布/訂閱模式的消息系統(tǒng)，消息系統(tǒng)可以實(shí)現(xiàn)由消息驅(qū)動(dòng)的程序—生產(chǎn)者負(fù)責(zé)產(chǎn)生并發(fā)送消息到消息系統(tǒng)，消息系統(tǒng)將消息投遞給消費(fèi)者，消費(fèi)者收到消息后，執(zhí)行自己的邏輯。
這種消息驅(qū)動(dòng)機(jī)制具有以下優(yōu)點(diǎn)：
系統(tǒng)解耦：生產(chǎn)者與消費(fèi)者邏輯解耦，互不干預(yù)。如果需要對(duì)消息添加新的處理邏輯，則只需要添加新的消費(fèi)者即可，非常方便。
流量削峰：消息系統(tǒng)作為消息緩沖區(qū)，以低成本將上游服務(wù)（生產(chǎn)者）的流量洪峰緩存起來，下游服務(wù)（消費(fèi)者）按照自身處理能力從消息隊(duì)列中讀取數(shù)據(jù)并進(jìn)行處理，避免下游服務(wù)由于大量的請(qǐng)求流量而崩潰。
數(shù)據(jù)冗余：消息系統(tǒng)將數(shù)據(jù)緩存起來，直到數(shù)據(jù)被處理，避免下游服務(wù)由于崩潰下線、網(wǎng)絡(luò)阻塞等原因無法及時(shí)處理數(shù)據(jù)而導(dǎo)致數(shù)據(jù)丟失。
（2）存儲(chǔ)系統(tǒng)：Kafka與Pulsar可以存儲(chǔ)大量數(shù)據(jù)，并且客戶端控制自己讀取數(shù)據(jù)的位置，所以它們也可以作為存儲(chǔ)系統(tǒng)，存儲(chǔ)大量歷史數(shù)據(jù)。
（3）實(shí)時(shí)流數(shù)據(jù)管道：Kafka與Pulsar可以構(gòu)建實(shí)時(shí)流數(shù)據(jù)管道，流數(shù)據(jù)管道從MySQL、MongoDB等數(shù)據(jù)源加載數(shù)據(jù)到Kafka與Pulsar中，其他系統(tǒng)或應(yīng)用就可以穩(wěn)定地從Kafka與Pulsar中獲取數(shù)據(jù)，而不需要再與MySQL等數(shù)據(jù)源對(duì)接。為此，Kafka提供了Kafka Connect模塊，Pulsar提供了Pulsar IO模塊，它們都可以構(gòu)建實(shí)時(shí)流數(shù)據(jù)管道。
（4）流計(jì)算應(yīng)用：流計(jì)算應(yīng)用不斷地從Kafka與Pulsar中獲取流數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行處理，最后將處理結(jié)果輸出到Kafka與Pulsar中（或其他系統(tǒng)）。流計(jì)算應(yīng)用通常需要根據(jù)業(yè)務(wù)需求對(duì)流數(shù)據(jù)進(jìn)行復(fù)雜的數(shù)據(jù)變換，如流數(shù)據(jù)聚合或者join等。為此，Kafka提供了Kafka Streams模塊，Pulsar提供了Pulsar Functions模塊，它們都可以實(shí)現(xiàn)流計(jì)算應(yīng)用。另外，Kafka與Pulsar也可以與流行的Spark、Flink等分布式計(jì)算引擎結(jié)合，構(gòu)建實(shí)時(shí)流應(yīng)用，實(shí)時(shí)處理大規(guī)模數(shù)據(jù)。
高吞吐、低延遲：它們都具有高吞吐量處理大規(guī)模消息流的能力，并且能夠低延遲處理消息。這也是大多數(shù)消息流平臺(tái)追求的目標(biāo)。 持久化、一致性：Kafka與Pulsar都支持將消息持久化存儲(chǔ)，并提供數(shù)據(jù)備份（副本）功能，保證數(shù)據(jù)安全及數(shù)據(jù)一致性，它們都是優(yōu)秀的分布式存儲(chǔ)系統(tǒng)。
高可擴(kuò)展性（伸縮性）：Kafka與Pulsar都是分布式系統(tǒng)，會(huì)將數(shù)據(jù)分片存儲(chǔ)在一組機(jī)器組成的集群中，并支持對(duì)集群進(jìn)行擴(kuò)容，從而支持大規(guī)模的數(shù)據(jù)。
故障轉(zhuǎn)移（容錯(cuò)）：Kafka與Pulsar支持故障轉(zhuǎn)移，即集群中某個(gè)節(jié)點(diǎn)因故障下線后，并不會(huì)影響集群的正常運(yùn)行，這也是優(yōu)秀的分布式系統(tǒng)的必備功能。
Kafka與Pulsar雖然提供的基礎(chǔ)功能類似，但它們的設(shè)計(jì)、架構(gòu)、實(shí)現(xiàn)并不相同，本書將深入分析Kafka與Pulsar如何實(shí)現(xiàn)一個(gè)分布式、高擴(kuò)展、高吞吐、低延遲的消息流平臺(tái)。另外，本書也會(huì)介紹Kafka與Pulsar中連接器、流計(jì)算引擎等功能的應(yīng)用實(shí)踐。
圖中展示了消息系統(tǒng)中的4個(gè)基本概念。它們?cè)贙afka與Pulsar中都存在，并且含義相同。
消息Message：Kafka與Pulsar中的數(shù)據(jù)實(shí)體。
生產(chǎn)者Producer：發(fā)布消息的應(yīng)用。
消費(fèi)者Consumer：訂閱消息的應(yīng)用。
主題Topic：Kafka與Pulsar將某一類消息劃分到一個(gè)主題，主題是消息的邏輯分組，不同主題的消息互不干預(yù)。
下面結(jié)合一個(gè)例子說明上述概念。假如存在一個(gè)用戶服務(wù)，該用戶服務(wù)創(chuàng)建了一個(gè)主題“userTopic”，每當(dāng)有新用戶注冊(cè)時(shí)，用戶服務(wù)都會(huì)將一個(gè)消息發(fā)送到該主題中，消息內(nèi)容為“新用戶注冊(cè)”。當(dāng)前有兩個(gè)服務(wù)訂閱了該主題的消息：權(quán)益服務(wù)和權(quán)限服務(wù)。權(quán)益服務(wù)收到消息后，負(fù)責(zé)給新用戶創(chuàng)建權(quán)益。權(quán)限服務(wù)收到消息后，負(fù)責(zé)給新用戶分配權(quán)限。該例子中的消息即用戶服務(wù)發(fā)送的數(shù)據(jù)實(shí)體，生產(chǎn)者是用戶服務(wù)。消費(fèi)者是權(quán)益服務(wù)與權(quán)限服務(wù)。ka的基礎(chǔ)概念
下面介紹Kafka的一些基礎(chǔ)概念。
Kafka消費(fèi)組：Kafka將多個(gè)消費(fèi)者劃分到一個(gè)邏輯分組中，該分組即一個(gè)消費(fèi)組。這個(gè)概念比較重要，結(jié)合上面的例子進(jìn)行說明，在Kafka中，權(quán)益服務(wù)所有的消費(fèi)者都可以加入一個(gè)權(quán)益消費(fèi)組rightsGroup，而權(quán)限服務(wù)所有的消費(fèi)者都可以加入一個(gè)權(quán)限消費(fèi)組guthorityGroup。不同消費(fèi)者之間消費(fèi)消息互不干預(yù)。
Broker：Kafka服務(wù)節(jié)點(diǎn)，可以將Broker理解為一個(gè)Kafka的服務(wù)節(jié)點(diǎn)或者服務(wù)進(jìn)程（下面將其統(tǒng)稱為Broker節(jié)點(diǎn)），多個(gè)Broker節(jié)點(diǎn)可以組成一個(gè)Broker集群。
分區(qū)Partition：Kafka定義了分區(qū)的概念，一個(gè)主題由一個(gè)或多個(gè)分區(qū)組成，Kafka將一個(gè)主題的消息劃分到不同的分區(qū)，并將不同分區(qū)存儲(chǔ)到不同的Broker，從而實(shí)現(xiàn)分布式存儲(chǔ)（典型的數(shù)據(jù)分片思想），每個(gè)分區(qū)都有對(duì)應(yīng)的下標(biāo)，下標(biāo)從0開始。
副本Replica：Kafka中每個(gè)分區(qū)都有一個(gè)或多個(gè)副本，其中有1個(gè)leader副本，0個(gè)或多個(gè)follow副本，每個(gè)副本都保存了該分區(qū)全部的內(nèi)容。Kafka會(huì)將一個(gè)分區(qū)的不同副本保存到不同的Broker節(jié)點(diǎn)中，以保證數(shù)據(jù)的安全。本書后面會(huì)詳細(xì)分析Kafka副本同步機(jī)制。
AR（Assigned Replicas）：分區(qū)的副本列表，即一個(gè)分區(qū)所有副本所在Broker的列表。
ISR：分區(qū)中所有與leader副本保持一定程度同步（即不能落后太多）的副本會(huì)組成ISR（In-Sync Replicas）集合。ISR集合中包括leader副本，可以將其理解為已同步副本（不一定完全同步，但不會(huì)落后太多）。
ACK機(jī)制：ACK（消息確認(rèn)）機(jī)制是消息系統(tǒng)中的一個(gè)很重要的機(jī)制，消息系統(tǒng)ACK機(jī)制與HTTP的ACK機(jī)制非常類似。消息系統(tǒng)ACK機(jī)制可以分為兩部分：
mBroker收到生產(chǎn)者發(fā)送的消息并成功存儲(chǔ)這些消息后，返回成功響應(yīng)（可以將該成功響應(yīng)理解為一種ACK）給生產(chǎn)者，這時(shí)生產(chǎn)者可以認(rèn)為消息已經(jīng)發(fā)送成功，否則生產(chǎn)者可能需要做一些補(bǔ)償操作，如重發(fā)消息。
m消費(fèi)者收到Broker投遞的消息并成功處理后，返回消費(fèi)成功響應(yīng)給Broker，Broker收到這些消費(fèi)成功響應(yīng)后，可以認(rèn)為消費(fèi)者已經(jīng)成功消費(fèi)了消息，否則Broker可能需要做一些補(bǔ)償操作，如重新投遞消息。該場(chǎng)景下消費(fèi)者通常需要將消費(fèi)成功的消息位置（或者消息Id等）發(fā)送給Broker，并且Broker需要存儲(chǔ)這些消費(fèi)成功的位置，以便后續(xù)消費(fèi)者重啟后從該位置繼續(xù)消費(fèi)。該場(chǎng)景也是我們關(guān)注的重點(diǎn)。
在Kafka中，每個(gè)消息都存在一個(gè)偏移量offset，如果將一個(gè)Kafka主題理解為一個(gè)簡(jiǎn)單的消息數(shù)組，那么可以將消息偏移量理解為該消息在該數(shù)組中的索引。消費(fèi)者會(huì)將最新消費(fèi)成功的消息的下一個(gè)偏移量發(fā)送給Broker（代表該偏移量前面的消息都已經(jīng)消費(fèi)成功），Broker會(huì)存儲(chǔ)這些偏移量，以記錄消費(fèi)者的最新消費(fèi)位置。為了方便描述，本書后面將消費(fèi)者提交ACK信息中的偏移量稱為ACK偏移量。
另外，Kafka與Pulsar都使用ZooKeeper存儲(chǔ)元數(shù)據(jù)，完成分布式協(xié)作等操作，ZooKeeper是一種分布式協(xié)作服務(wù)，專注于協(xié)作多個(gè)分布式進(jìn)程之間的活動(dòng)，可以幫助開發(fā)人員專注于應(yīng)用程序的核心邏輯，而不必?fù)?dān)心應(yīng)用程序的分布式特性。本書后面會(huì)詳細(xì)分析ZooKeeper為Kafka與Pulsar提供了哪些服務(wù)。Kafka 2.8開始提供KRaft模塊，支持Kafka脫離ZooKeeper獨(dú)立運(yùn)行部署，本書后面也會(huì)詳細(xì)分析該模塊的設(shè)計(jì)與實(shí)現(xiàn)。
下圖展示了Kafka集群的基礎(chǔ)架構(gòu)。
下面介紹Pulsar的基礎(chǔ)概念
Pulsar訂閱組：Pulsar可以將多個(gè)消費(fèi)者綁定到一個(gè)訂閱組中，類似于Kafka的消費(fèi)組。同樣使用前面“用戶服務(wù)”的例子進(jìn)行說明，在Pulsar中，權(quán)益服務(wù)所有的消費(fèi)者都可以綁定一個(gè)權(quán)益訂閱組rightsSubscription，而權(quán)限服務(wù)所有的消費(fèi)者都可以綁定一個(gè)權(quán)限訂閱組guthoritySubscription，不同訂閱組之間消費(fèi)消息互不干預(yù)。
非分區(qū)主題、分區(qū)主題：Kafka中每個(gè)分區(qū)都與一個(gè)Broker綁定，而Pulsar中每個(gè)主題都與一個(gè)Broker綁定，某主題的消息固定發(fā)送給相應(yīng)的Broker節(jié)點(diǎn)。而Pulsar中也有“分區(qū)主題”的概念，分區(qū)主題由一組非分區(qū)的內(nèi)部主題組成（下面將Pulsar中組成分區(qū)主題的非分區(qū)內(nèi)部主題簡(jiǎn)稱為內(nèi)部主題），每一個(gè)內(nèi)部主題都與一個(gè)Broker綁定，這樣一個(gè)分區(qū)主題可以將消息發(fā)送到多個(gè)Broker，避免Pulsar單個(gè)主題的性能受限于單個(gè)Broker節(jié)點(diǎn)。
Broker：Pulsar集群中的服務(wù)節(jié)點(diǎn)。需要注意，Pulsar由于采用計(jì)算、存儲(chǔ)分離的架構(gòu)，因此Pulsar Broker節(jié)點(diǎn)只負(fù)責(zé)計(jì)算，并不負(fù)責(zé)存儲(chǔ)，Pulsar Broker節(jié)點(diǎn)會(huì)完成數(shù)據(jù)檢驗(yàn)、負(fù)載均衡等工作，并將消息轉(zhuǎn)發(fā)給Bookie節(jié)點(diǎn)。
Bookie：Pulsar利用BookKeeper服務(wù)實(shí)現(xiàn)存儲(chǔ)功能，BookKeeper中的節(jié)點(diǎn)被稱為Bookie節(jié)點(diǎn)。BookKeeper框架是一個(gè)分布式日志存儲(chǔ)服務(wù)框架，本書后面會(huì)詳細(xì)分析它。Pulsar中的Bookie節(jié)點(diǎn)負(fù)責(zé)完成消息存儲(chǔ)工作。
Ledger：BookKeeper的數(shù)據(jù)集合，生產(chǎn)者會(huì)將數(shù)據(jù)寫入Ledger，而消費(fèi)者從Ledger中讀取數(shù)據(jù)。為了數(shù)據(jù)安全，BookKeeper會(huì)將一個(gè)Ledger的數(shù)據(jù)存儲(chǔ)到多個(gè)Bookie節(jié)點(diǎn)中，實(shí)現(xiàn)數(shù)據(jù)備份。
Entry：Ledger中的數(shù)據(jù)單元，Ledger中的每個(gè)數(shù)據(jù)都是一個(gè)Entry。可以將Ledger理解為一個(gè)賬本，Entry則是賬本中的一個(gè)條目。
租戶、命名空間：Pulsar定義了租戶、命名空間的概念，Pulsar是一個(gè)多租戶系統(tǒng)，它給不同的租戶分配不同的資源，并保證不同租戶之間的數(shù)據(jù)相互隔離，互不干預(yù)，這樣可以支持多團(tuán)隊(duì)、多用戶同時(shí)使用一個(gè)Pulsar服務(wù)。每個(gè)租戶還可以創(chuàng)建多個(gè)命名空間，命名空間為主題的邏輯分組?？梢詫ulsar理解為一個(gè)大房子，每個(gè)租戶是房子里的一個(gè)房間，并且這個(gè)房間的空間劃分為不同的區(qū)域（命名空間），不同區(qū)域存放不同的物件。例如，用戶服務(wù)可以創(chuàng)建一個(gè)租戶“user”，存儲(chǔ)用戶服務(wù)的消息。該租戶可以按自己的業(yè)務(wù)場(chǎng)景，創(chuàng)建多個(gè)命名空間，存放不同的主題，如下圖所示。
Cluster集群：Pulsar為集群定義了一個(gè)Cluster概念，每個(gè)Pulsar Broker節(jié)點(diǎn)都運(yùn)行在一個(gè)Cluster集群下，不同的Cluster集群之間可以相互復(fù)制數(shù)據(jù)，從而實(shí)現(xiàn)跨地域復(fù)制。
ACK機(jī)制：與Kafka類似，Pulsar同樣需要完成“Broker存儲(chǔ)消息后返回成功響應(yīng)給生產(chǎn)者”“消費(fèi)者成功處理消息后發(fā)送ACK給Broker”。Pulsar中的每個(gè)消息都有一個(gè)消息Id，Pulsar消費(fèi)者會(huì)將消費(fèi)成功的消息Id作為ACK請(qǐng)求內(nèi)容發(fā)送給Broker。
下圖展示了Pulsar集群的基礎(chǔ)架構(gòu)。
本文介紹了Kafka與Pulsar的起源發(fā)展與系統(tǒng)特性，以及Kafka與Pulsar中最基本的核心概念。如果還想學(xué)習(xí)更多，《深入理解Kafka與Pulsar：消息流平臺(tái)的實(shí)踐與剖析》這本書中會(huì)詳細(xì)介紹這些概念的具體含義與作用，也會(huì)逐漸補(bǔ)充Kafka與Pulsar中其他的關(guān)鍵概念，如果讀者對(duì)某個(gè)概念不太理解，也可以先帶著疑問閱讀本書。
想要深入了解Kafka與Pulsar嗎？
快來看看這本書吧！
▊《深入理解Kafka與Pulsar：消息流平臺(tái)的實(shí)踐與剖析》
梁國(guó)斌 著
詳細(xì)介紹Kafka與Pulsar的使用方式
深入分析Kafka與Pulsar的實(shí)現(xiàn)原理
本書詳細(xì)介紹了Kafka與Pulsar的使用方式，并深入分析了它們的實(shí)現(xiàn)機(jī)制。通過閱讀本書，讀者可以快速入門和使用Kafka與Pulsar，并深入理解它們的實(shí)現(xiàn)原理。
本書通過大量實(shí)踐示例介紹了Kafka與Pulsar的使用方式，包括管理腳本與客戶端（生產(chǎn)者、消費(fèi)者）的使用方式、關(guān)鍵的配置項(xiàng)、ACK提交方式等基礎(chǔ)應(yīng)用，以及安全機(jī)制、跨地域復(fù)制機(jī)制、連接器/流計(jì)算引擎、常用監(jiān)控管理平臺(tái)等高級(jí)應(yīng)用。這些內(nèi)容可以幫助讀者深入掌握Kafka與Pulsar的使用方式，并完成日常管理工作。另外，本書深入分析了Kafka與Pulsar的實(shí)現(xiàn)原理，包括客戶端（生產(chǎn)者、消費(fèi)者）的設(shè)計(jì)與實(shí)現(xiàn)、Broker網(wǎng)絡(luò)模型、主題（分區(qū)）分配與負(fù)載均衡機(jī)制，以及磁盤存儲(chǔ)與性能優(yōu)化方案、數(shù)據(jù)同步機(jī)制、擴(kuò)容與故障轉(zhuǎn)移機(jī)制。最后，本書介紹了Kafka與Pulsar的事務(wù)機(jī)制，并深入分析了Kafka事務(wù)的實(shí)現(xiàn)及Kafka的分布式協(xié)作組件KRaft模塊。這部分內(nèi)容可以幫助讀者輕松理解Kafka與Pulsar的架構(gòu)設(shè)計(jì)與實(shí)現(xiàn)原理。
粉絲福利
限時(shí)優(yōu)惠掃碼或點(diǎn)擊閱讀原文
下單半價(jià)
快快掃碼搶購
審核：陳歆懿
如果喜歡本文 歡迎 在看丨留言丨分享至朋友圈 三連 熱文推薦
▼點(diǎn)擊閱讀原文，了解本書詳情~