架构师的选择，Pulsar还是Kafka？

介绍

最近，架构我一直在研究Pulsar及其与Kafka的选择比较。 快速搜索将显示两个最著名的架构开源消息传递系统之间存在当前的"战争"。

作为Kafka的选择用户，我确实对Kafka的架构某些问题感到困惑，并且我对Pulsar感到非常失望。选择所以最后，架构我设法花了一些时间进行研究，选择并且做了很多研究。架构在本文中，选择我将重点介绍Pulsar的架构优势，并为您提供一些理由，选择使您对比Kafka来考虑它。架构但是选择，请在产品使用，架构支持，社区，文档等方面明确一点;Kafka显然超过了Pulsar，并且只有在本文中讨论的大多数优点都适合您的用例的情况下，才考虑使用Pulsar。让我们开始!

Kafka基础知识

Kafka是消息传递系统之王。它由LinkedIn于2011年创建，并在Confluent的服务器租用支持下得到了广泛的传播。Confluent已向开源社区发布了许多新功能和附加组件，例如用于模式演化的Schema Registry，用于从其他数据源轻松流式传输的Kafka Connect等。数据库到Kafka，Kafka Streams进行分布式流处理，最近使用KSQL对Kafka主题执行类似SQL的查询等等。它还具有用于许多系统的许多连接器，有关更多详细信息，请查看Confluent Platform。

Kafka快速，易于安装，非常受欢迎，可用于广泛的范围或用例。 从开发人员的角度来看，尽管Apache Kafka一直很友好，但在操作上却是一团糟。 因此，让我们回顾一下Kafka的一些痛点。

> Kafka example. Source: https://talks.rmoff.net/pZC6Za/slides

Kafka的问题

扩展Kafka十分棘手，这是由于代理还存储数据的耦合体系结构所致。云服务器 剥离另一个代理意味着它必须复制主题分区和副本，这非常耗时。 没有与租户完全隔离的本地多租户。 存储可能会变得非常昂贵，尽管可以长时间存储数据，但是由于成本问题，很少使用它。 万一副本不同步，有可能丢失消息。 必须提前计划和计算代理，主题，分区和副本的数量(以适应计划的未来使用量增长)，以避免扩展问题，这非常困难。 如果仅需要消息传递系统，则使用偏移量可能会很复杂。 集群重新平衡会影响相连的生产者和消费者的性能。 MirrorMaker Geo复制机制存在问题。像Uber这样的公司已经创建了自己的解决方案来克服这些问题。

如您所见，大多数问题与操作方面有关。 尽管安装起来相对容易，但Kafka难以管理和调整。 而且，它还没有像它可能的云南idc服务商那样灵活和有弹性。

Pulsar基础知识

Pulsar由Yahoo在2013年创建，并于2016年捐赠给Apache基金会。Pulsar现在是Apache的顶级项目。Yahoo，Verizon，Twitter等公司在生产中使用它来处理数百万条消息。它具有许多功能，并且非常灵活。它声称比Kafka更快，因此运行成本更低。它旨在解决Kafka的大部分难题，使其更易于扩展。

Pulsar非常灵活; 它可以像Kafka这样的分布式日志，也可以像RabbitMQ这样的纯消息传递系统。 它具有多种类型的订阅，几种交付保证，保留策略以及几种处理模式演变的方法。 它还有很多功能……

> Pulsar architecture: https://pulsar.apache.org/docs/en/concepts-architecture-overview/

Pulsar的特性

由于内置了多租户，因此不同的团队可以使用相同的集群并将其隔离。这解决了许多管理难题。它支持隔离，身份验证，授权和配额。 多层体系结构：Pulsar将所有主题数据存储在由Apache BookKeeper支持的专业数据层中，作为数据分类帐。 存储和消息传递的分离解决了扩展，重新平衡和维护集群的许多问题。 它还提高了可靠性，几乎不可能丢失数据。 另外，在读取数据时，可以直接连接到Bookeeper，而不会影响实时摄取。 例如，可以使用Presto对主题执行SQL查询，类似于KSQL，但请放心，这不会影响实时数据处理。 虚拟主题。由于采用n层体系结构，因此对主题的数量没有限制，主题及其存储是分离的。还可以创建非持久性主题。 N层存储。 Kafka的一个问题是，存储可能变得昂贵。 因此，它很少用于存储"冷"数据，并且消息经常被删除。 并且仍然向客户展示透明视图; 客户端可以从时间开始读取，就像所有消息都存在于日志中一样。 Pulsar函数。易于部署，轻量级计算过程，对开发人员友好的API，无需运行自己的流处理引擎(如Kafka)。 安全性：它具有内置的代理，多租户安全性，可插入身份验证等等。 快速重新平衡。 分区分为易于重新平衡的段。 服务器端重复数据删除和无效字段。无需在客户端中执行此操作，也可以在压缩期间执行重复数据删除。 内置架构注册表。 支持多种策略，非常易于使用。 地理复制和内置发现。 将群集复制到多个区域非常容易。 集成的负载均衡器和Prometheus指标。 多重集成：Kafka，RabbitMQ等。 支持许多编程语言，例如GoLang，Java，Scala，Node，Python… 客户端不需要知道分片和数据分区，这是在服务器端透明进行的。

> List of features: https://pulsar.apache.org/

如您所见，Pulsar具有许多有趣的功能。

Pulsar 动手

开始使用Pulsar非常容易。确保已安装JDK!

下载Pulsar并解压缩： $ wget https://archive.apache.org/dist/pulsar/pulsar-2.6.1/apache-pulsar-2.6.1-bin.tar.gz  下载连接器(可选)： $ wget https://archive.apache.org/dist/pulsar/pulsar-2.6.1/connectors/{ connector}-2.6.1.nar  下载nar文件后，将文件复制到pulsar目录中的connectors目录 启动Pulsar! $ bin/pulsar standalone 

Pulsar提供了一个称为pulsar-client的CLI工具，我们可以使用它与集群进行交互。

产生消息：

$ bin/pulsar-client produce my-topic --messages "hello-pulsar" 

阅读消息：

$ bin/pulsar-client consume my-topic -s "first-subscription" 

Akka流示例

作为一个客户示例，让我们在Akka上使用Pulsar4s!

首先，我们需要创建一个Source来使用数据流，所需要的只是一个函数，该函数将按需创建使用者并查找消息ID：

val topic = Topic("persistent://standalone/mytopic") val consumerFn = () => client.consumer(ConsumerConfig(topic, subscription)) 

然后，我们传递consumerFn函数来创建源：

import com.sksamuel.pulsar4s.akka.streams._ val pulsarSource = source(consumerFn, Some(MessageId.earliest)) 

Akka源的物化值是Control的一个实例，该对象提供了一种"关闭"方法，可用于停止使用消息。 现在，我们可以像往常一样使用Akka Streams处理数据。

要创建一个接收器：

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：

Pulsar函数示例

Pulsar函数处理来自一个或多个主题的消息，对其进行转换并将结果输出到另一个主题：

> Pulsar Functions. Source: https://pulsar.apache.org/docs/en/functions-overview/

可以在两个接口之间进行选择以编写函数：

语言本机界面：不需要特定于Pulsar的库或特殊的依赖项。无法访问上下文。仅支持Java和Python。 Pulsar Function SDK：可用于Java / Python / Go，并提供更多功能，包括访问上下文对象。

使用语言本机接口非常容易，您只需编写一个简单的函数即可转换消息：

def process(input): return "{ }!".format(input) 

用Python编写的这个简单函数只是向所有传入的字符串添加一个感叹号，并将结果字符串发布到主题。

要使用SDK，您需要导入依赖项，例如在Go中，我们将编写：

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) } 

要发布无服务器功能并将其部署到集群，我们使用pulsar-admin CLI，如果使用Python，我们将使用：

$ 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 Functions的一个重要功能是您可以在发布该函数时设置交付保证：

$ bin/pulsar-admin functions create \ --name my-effectively-once-function \ --processing-guarantees EFFECTIVELY_ONCE 

有以下选择：

Pulsar的优势

让我们回顾一下与Kafka相比的主要优势：

更多功能：Pulsar函数，多租户，架构注册表，n层存储，多种使用模式和持久性模式等。 更大的灵活性：3种订阅类型(独占，共享和故障转移)，您可以在一个订阅上收听多个主题。持久性选项：非持久(快速)，持久，压缩(每个消息仅最后一个键)。可以选择交付保证，它具有服务器端重复数据删除和无效字样。许多保留政策和TTL。 无需提前定义扩展需求。 支持排队和流媒体。 因此它可以像RabbitMQ或Kafka。 由于存储与代理分离，因此扩展性更好。重新平衡更快，更可靠。 易于操作：得益于去耦和n层存储。 管理员REST API也很棒。 与Presto的SQL集成，可直接查询存储而不会影响代理。 借助n层自动存储选项，可以更便宜地存储。 更快：许多基准测试在各种情况下都表现出更好的性能。 Pulsar声称具有较低的延迟和更好的扩展功能。 但是，这正受到Confluent的挑战，因此，请带着盐味做，并自己制定基准。 Pulsar Functions将无服务器计算带到您的消息传递平台。 集成架构注册表支持轻松的架构演变 集成的负载平衡器和Prometheus指标。 地理复制效果更好，更易于设置。Pulsar还内置了发现能力。 可以创建的主题数量没有限制。 与Kafka兼容，易于集成。

Pulsar的问题

Pulsar并不完美，Kafka之所以流行是有原因的，它做一件事并且做得很好。 Pulsar试图解决太多领域，但没有超越任何一个领域。 让我们总结一下Pulsar的一些问题：

受欢迎程度：Pulsar不那么受欢迎。它缺乏支持，文档和实际使用情况。对于大型组织而言，这是一个主要问题。 由于n层体系结构，它需要更多组件：Bookkeeper。 在平台内没有对流应用程序的适当支持。 Pulsar函数与Kafka Streams不同，它们更简单，并且不用于实时流处理。 您无法进行有状态处理。 与Kafka相比，插件和客户端更少。此外，掌握Pulsar技能的人较少，因此需要在内部学习。 它在云中的支持较少。 Confluent具有托管云产品。

Confluent在Pulsar和Kafka之间进行了比较，可以在其中进行更多的详细说明。 该博客还回答了有关Kafka与Pulsar的一些问题，但请注意，这些问题可能有偏见。

Pulsar使用案例

Pulsar可用于广泛的用例：

发布/订阅队列消息传递 分布式日志 事件源壁架，用于永久性事件存储 微服务 SQL分析 无服务器功能

什么时候应该考虑Pulsar

需要像RabbitMQ这样的队列，也需要像Kafka这样的流处理程序。 需要简单的地理复制。 多租户是必须具备的，并且想确保每个团队的访问权限。 需要将所有消息保留很长时间，并且不想将其卸载到另一个存储中。 性能对你至关重要，基准测试表明Pulsar提供了更低的延迟和更高的吞吐量。 在本地运行，没有设置Kafka的经验，但具有Hadoop经验。

请注意，如果在云中，请考虑基于云的解决方案。云提供商拥有涵盖某些用例的不同服务。例如，对于队列消息传递，云提供商提供了许多服务，例如Google pub / sub。对于分布式日志，有Confluent云或AWS Kinesis。云提供商还提供了非常好的安全性。Pulsar的优势在于可以在一个平台上提供许多功能。一些团队可能将其用作微服务的消息传递系统，而另一些团队则将其用作数据处理的分布式日志。

结论

我是Kafka的忠实粉丝，这就是为什么我对Pulsar如此感兴趣。竞争是好的，它驱动创新。

Kafka是一种成熟，富有弹性且经过战斗考验的产品，在世界范围内获得了巨大成功。 没有它，我无法想象任何公司。 但是，我确实看到Kafka成为其自身成功的受害者，巨大的增长减慢了功能开发的速度，因为它们需要支持这么多大型公司。 删除ZooKeeper依赖项等重要功能花费的时间太长。 这为诸如Pulsar等工具蓬勃发展创造了空间。 解决Kafka的一些问题并添加更多功能。

但是，Pulsar仍然很不成熟，在投入生产之前，我会格外小心。在将Pulsar纳入你的组织之前，进行分析，进行基准测试，研究并编写概念证明。从小处着手，在从Kafka迁移之前进行概念验证，并在决定进行完全迁移之前先评估影响。