一文掌握高性能消息组件Pulsar基础知识
什么是Pulsar？ Apache Pulsar 是 Apache 软件基金会顶级项目，是下一代 云原生 分布式消息流平台，集消息、存储、轻量化函数式计算为一体，采用计算与存储分离架构设计，支持多租户、持久化存储、多机房跨区域数据复制，具有强一致性、高吞吐以及低延时的高可扩展流数据存储特性。 Pulsar 的关键特性 Pulsar 的单个实例原生支持多个集群，可跨机房在集群间无缝地完成消息复制。 极低的发布延迟和端到端延迟。 可无缝扩展到超过 一百万 个 topic。 简单的客户端 API，支持 Java、Go、Python 和 C++。 支持多种 topic 订阅模式(独占订阅、共享订阅、故障转移订阅)。 通过 Apache BookKeeper 提供的持久化消息存储机制保证消息传递 。 由轻量级的 serverless 计算框架 Pulsar Functions 实现流原生的数据处理。 基于 Pulsar Functions 的 serverless connector 框架 Pulsar IO 使得数据更易移入、移出 Apache Pulsar。 分层式存储可在数据陈旧时，将数据从热存储卸载到冷/长期存储(如S3、GCS)中。 Pulsar vs Kafka 下方链接为 Pulsar与 Kafka详细对比报告，可自行下载查看 https://streamnative.io/en/blog/tech/2020-07-08-pulsar-vs-kafka-part-1 https://streamnative.io/zh/blog/tech/2020-07-22-pulsar-vs-kafka-part-2 性能与可用性 基准测试(StreamNative) 数据来源 https://mp.weixin.qq.com/s/UZJTOEpzX8foUJv9XMJxOw https://streamnative.io/en/blog/tech/2020-11-09-benchmark-pulsar-kafka-performance https://streamnative.io/whitepaper/benchmark-pulsar-vs-kafka 吞吐量(Throughput) 在与 Kafka 的持久性保证相同的情况下， Pulsar 可达到 605 MB /s 的发布和端到端 吞吐量 (与 Kafka 相同)以及 3.5 GB/s 的 catch-up read 吞吐量(比 Kafka 高 3.5 倍)。Pulsar 的吞吐量不会因分区数量的增加和持久性级别的改变而受到影响，而 Kafka 的吞吐量会因分区数量或持久性级别的改变而受到严重影响。 延迟性(Latency) 在不同的测试实例(包括不同订阅数量、不同主题数量和不同持久性保证)中，Pulsar 的延迟显著低于 Kafka。Pulsar P99 延迟在 5 到 15 毫秒之间。Kafka P99 延迟可能长达数秒，并且会因主题数量、订阅数量和不同持久性保证而受到巨大影响。 功能性 多语言客户端(C/C++、Python、Java、Go ...) 管理工具(Pulsar Manager vs Kafka Manager) 内置流处理Built-In Stream Processing(Pulsar Function vs Kafka Streams) Rich Integrations (Pulsar Connectors) Exactly-Once Processing 日志压缩 多租户(Pulsar) 安全管理(Pulsar) 架构设计 Pulsar 采用存储和计算分离的软件架构。 在消息领域，Pulsar 是第一个将存储计算分离 云原生 架构落地的 开源 项目 。由于在 Broker 层不存储任何数据，这种架构为用户带来了更高的可用性、更灵活的扩容和管理、避免数据的 reblance 和 catch-up。 在 Apache Pulsar 的分层架构中，服务层 Broker 和存储层 BookKeeper 的每个节点都是对等的。Broker 仅仅负责消息的服务支持，不存储数据。这为服务层和存储层提供了瞬时的节点扩展和无缝的失效恢复。 持久化存储(Persistent storage) Pulsar 使用 BookKeeper 分布式日志存储数据库作为存储组件，在底层使用日志作为存储模型。 Pulsar 将所有未确认消息(即未处理消息)存储在 BookKeeper 中的多个“bookie”服务器上。 BookKeeper 通过 Quorum Vote 的方式来实现数据的一致性，跟 Master/Slave 模式不同，BookKeeper 中每个节点也是对等的，对一份数据会 并发 地同时写入指定数目的存储节点。 一个Topic实际上是一个ledgers流。Ledger本身就是一个日志。所以一系列的子日志(Ledgers)组成了一个父日志(Topic)。 Ledgers追加到一个Topic，条目(消息或者一组消息)追加到Ledgers。Ledger一旦关闭是不可变的。Ledger作为最小的删除单元，也就是说我们不能删除单个条目而是去删除整个Ledger。 Ledgers本身也被分解为多个Fragment。Fragment是BookKeeper集群中最小的分布单元。 每个Ledger(由一个或多个Fragment组成)可以跨多个BookKeeper节点(Bookies)进行复制，以实现数据容灾和提升读取性能。每个Fragment都在一组不同的Bookies中复制(存在足够的Bookies)。 conf/bookkeeper.conf ############################################################################# ## Server parameters ############################################################################# # Directories BookKeeper outputs its write ahead log. # Could define multi directories to store write head logs, separated by ','. journalDirectories=/data/appData/pulsar/bookkeeper/journal ############################################################################# ## Ledger storage settings ############################################################################# # Directory Bookkeeper outputs ledger snapshots # could define multi directories to store snapshots, separated by ',' ledgerDirectories=/data/appData/pulsar/bookkeeper/ledgers conf/broker.conf ### --- Managed Ledger --- ### # Number of bookies to use when creating a ledger managedLedgerDefaultEnsembleSize=2 # Number of copies to store for each message managedLedgerDefaultWriteQuorum=2 # Number of guaranteed copies (acks to wait before write is complete) managedLedgerDefaultAckQuorum=2 元数据存储(Metadata storage) Pulsar 和BookKeeper都使用Apache Zookeeper 来存储元数据和监控节点健康状况。 $ $PULSAR_HOME/bin/pulsar zookeeper-shell > ls / [admin, bookies, counters, ledgers, loadbalance, managed-ledgers, namespace, pulsar, schemas, stream, zookeeper] 更多福利 云智慧已开源集轻量级、聚合型、智能运维为一体的综合运维管理平台OMP（Operation Management Platform） ，具备 纳管、部署、监控、巡检、自愈、备份、恢复 等功能，可为用户提供便捷的运维能力和业务管理，在提高运维人员等工作效率的同时，极大提升了业务的连续性和安全性。点击下方地址链接，欢迎大家给OMP点赞送star，了解更多相关内容～ GitHub地址： https://github.com/CloudWise-OpenSource/OMP Gitee地址：https://gitee.com/CloudWise/OMP 微信扫描识别下方二维码，备注【OMP】加入AIOps社区运维管理平台OMP开发者交流群，与更多行业大佬一起交流学习～
