Apache Pulsar

What is Pulsar

"Pulsar is a distributed pub-sub messaging platform with a very flexible messaging model and an intuitive client API."

Pulsar是pub-sub模式的分布式消息平台，拥有灵活的消息模型和直观的客户端API。

Pulsar由雅虎开发并开源的下一代消息系统，目前是Apache软件基金会的孵化器项目。

概念

Topic

Topic是Pulsar的核心概念，表示一个“channel”，Producer可以写入数据，Consumer从中消费数据（Kafka、RocketMQ都是这样）。

Topic名称的URL类似如下的结构：

{persistent|non-persistent}://tenant/namespace/topic

• persistent|non-persistent表示数据是否持久化（Pulsar支持消息持久化和非持久化两种模式）
• Tenant为租户
• Namespace一般聚合一系列相关的Topic，一个租户下可以有多个Namespace

租户和Namespace

上图中Property即为租户，每个租户下可以有多个Namespace，每个Namespace下有多个Topic。

Namespace是Pulsar中的操作单元，包括Topic是配置在Namespace级别的，包括多地域复制，消息过期策略等都是配置在Namespace上的。

订阅模型

Pulsar提供了灵活的消息模型，支持三种订阅类型：

• Exclusive subscription：排他的，只能有一个Consumer，接收一个Topic所有的消息
• Shared subscription：共享的，可以同时存在多个Consumer，每个Consumer处理Topic中一部消息（Shared模型是不保证消息顺序的，Consumer数量可以超过分区的数量）
• Failover subscription：Failover模式，同一时刻只有一个有效的Consumer，其余的Consumer作为备用节点，在Master Consumer不可用后进行替代（看起来适用于数据量小，且解决单点故障的场景）

分区

为了解决吞吐等问题，Pulsar和Kafka一样，采用了分区（Partition）的机制。

Pulsar提供了一些策略来处理消息到Partition的路由（MessageRouter）：

• Single partitioning：Producer随机选择一个Partition并将所有消息写入到这个分区
• Round robin partitioning ：采用Round robin的方式，轮训所有分区进行消息写入
• Hash partitioning：这种模式每条消息有一个Key，Producer根据消息的Key的哈希值进行分区的选择（Key相同的消息可以保证顺序）。
• Custom partitioning：用户自定义路由策略

不同于别的MQ系统，Pulsar允许Consumer的数量超过分区的数量（对于RocketMQ，超过分区数的Consumer会分配不到分区而“空跑”）。

在Shared subscription的订阅模式下，Consumer数量可以大于分区的数量，每个Consumer处理每个Partition中的一部分消息，不保证消息的顺序。

持久化

Pulsar通过BookKeeper来存储消息，保证消息不会丢失（BookKeeper：A scalable, fault-tolerant, and low-latency storage service optimized for real-time workloads）。

架构

Pulsar采用“存储和服务分离”的两层架构（这是Pulsar区别于其他MQ系统最重要的一点，也是所谓的“下一代消息系统”的核心）：

• Broker：提供发布和订阅的服务（Pulsar的组件）
• Bookie：提供存储能力（BookKeeper的存储组件）

优势是Broker成为了stateless的组件，可以水平扩容（RocketMQ的Broker是包含存储的，是有状态的，Broker的扩容更像是“拆分”）。高可靠，一致性等通过BookKeeper去保证。

上图是Pulsar Cluster的架构：

• 采用ZooKeeper存储元数据，集群配置，作为coordination
  • local zk负责Pulsar Cluster内部的配置等
  • global zk则用于Pulsar Cluster之间的数据复制等
• 采用Bookie作为存储设备(大多数MQ系统都采用本地磁盘或者DB作为存储设备)
• Broker负责负载均衡和消息的读取、写入等
• Global replicators负责集群间的数据复制

GEO-REPLICATOIN

多个Broker节点组成一个Pulsar Cluster；多个Pulsar Cluster组成一个Pulsar Instance。

Pulsar通过GEO-REPLICATION支持一个Instance内在不同的地域发送和消费消息。

上图中，Producer P1、P2、P3在不同的Cluster发送给Topic T1的消息，会在Cluster之间进行复制，Consumer C1、C2可以在自己所在的Cluster消费到所有的消息。

当消息被写入Pulsar时，首先消息被持久化在local cluster，之后异步的发送到其他cluster。在没有链接问题的情况下，通常复制的latency相近于网络的RTT。

Pulsar的应用

• 作为普通的Pub-Sub模型的消息队列使用，类似于RocketMQ
• 支持Function（Stream），整合到Stream平台

Pulsar VS RocketMQ

总结

主要是简单的介绍了Pulsar的概念和架构，最重要的是去理解“存储和服务”分离的两层架构。之后和Rocket进行了对比，RocketMQ提供了更多消息领域的能力比比如事务消息、定时消息等等，而Pulsar在Streaming方便做的更好一些。