行业动态 | Apache Pulsar 对现代数据堆栈至关重要的四个原因

与 Kafka 相比，Pulsar 的架构使它在跨地域复制、扩展、多租户和队列等方面具有重要的优势。

 

1 月 27 日，DataStax 宣布收购Kesque（Pulsar 即服务），加入到了 Pulsar 社区，并开源了 Kesque 团队在Luna Streaming中构建的管理和监控工具。

---

 

多年来，DataStax 一直专注于消息传递。一个非常重要的原因是基于微服务的架构日益普及。简单来说，微服务架构使用消息总线来解耦服务之间的通信，并简化重放、错误处理和负载峰值。

 

有了 Cassandra 和 Astra，开发者和架构师就有了这样一个数据库生态系统：

1. 以开源为基础
2. 非常适合混合云和多云部署
3. 云原生，按消费计价

 

目前还没有满足这些需求的消息传递解决方案，因此，我们正在构建一个。

我们从评估最流行的 Apache Kafka 开始。我们发现它在四个方面存在不足：

1. 跨地域复制
2. 扩展
3. 多租户
4. 队列

我们解决了所有这些问题。让我们逐项看下。

---

 

01 跨地域复制

 

Cassandra 支持数据中心内或跨数据中心的同步和异步复制。（通常，Cassandra 被配置为区域内的同步复制，以及跨区域的异步复制。）这使得像Netflix这样的Cassandra用户可以为各地的客户提供低延迟的服务，遵守数据主权规定，并且可以经受住基础设施故障。（ 当 AWS 需要重启 218 个 Cassandra 节点修补一个安全漏洞时，“Netflix经历了0宕机”。）

Kafka 被设计为在单个区域内运行，不支持跨数据中心的复制。Kafka 部署区域之外的客户端只能忍受延迟增加。有几个项目试图在客户端层面向 Kafka 添加跨数据中心的复制，但操作都很困难，而且容易失败。

 

和 Cassandra 一样，Pulsar 在核心服务器上构建了跨地域复制功能。（也像 Cassandra 一样，你可以在部署时选择同步或异步配置，并且可以按主题配置复制机制。）生产者可以从任何地区写入共享主题，Pulsar 负责确保这些信息对各地的消费者均可见。

 

关于 Pulsar 的跨地域复制，Splunk 写了两篇很好的文章：第一部分、第二部分。

---

 

02 扩展

 

在 Kafka 中，存储单元是一个段文件，但是复制单元是一个分区中的所有段文件。每个分区都归一个 leader 代理所有，它会复制给多个 follower。所以，当你需要给 Kafka 集群增加容量时，在新节点分担现有节点的负载之前，有些分区需要复制到新节点上。

 

这意味着，增加 Kafka 集群的容量会使其变慢，而不是变快。如果你的容量规划恰到好处，这很好，但如果业务需求的变化比你预期的要快，那么这可能会是一个严重的问题。

 

Pulsar 增加了一个间接层。（Pulsar 也将计算和存储分开，分别由 broker 和 bookie 管理，但这里，最重要的部分是 Pulsar 如何通过 Bookkeeper 增加复制的粒度。）在 Pulsar 中，分区被分割成 ledger，但和 Kafka 段不同，ledger 可以单独复制，互不影响。Pulsar 在 Zookeeper 中维护着一个 ledger 到分区的映射。因此，当我们向集群添加一个新的存储节点时，我们所要做的就是在该节点上启动一个新的 ledger。现有的数据可以保留在原来的位置，不需要集群做额外的工作。

 

要深入了解 Pulsar 的架构和存储模型，请阅读Jack Vanlightly的博文。

---

 

03 多租户

 

多租户基础设施可以跨多个用户和组织共享，同时保证它们彼此隔离。一个租户的活动不应该影响其他租户的安全或 SLA。

 

从根本上说，多租户可以从两个方面降低成本。首先，简单地共享单个租户没有充分利用的基础设施——将组件的成本分摊到所有用户。第二，通过简化管理——当有几十、几百或几千个租户时，管理一个实例明显简单许多。即使在一个容器化的世界里，“在这样一个共享系统上给我分配一个帐户”也比“为我提供这个服务的一个新实例”容易实现得多。全球性的问题可能由于分散在许多实例中而被掩盖。

 

与跨地域复制一样，多租户很难移植到没有这项设计的系统上。Kafka 是单租户设计，但 Pulsar 从内核上就支持多租户。

 

Pulsar 允许我们通过一个接口管理跨多个区域的多个租户，该接口包括身份验证和授权、隔离策略（Pulsar 可以选择在集群中划分出专供单个租户使用的硬件）和存储配额。CapitalOne 在这里对 Pulsar 的多租户做了很好的概述。

 

DataStax 提供的新 Pulsar 控制台进一步简化了这项工作。

---

 

04 队列（也即流）

 

Kafka 提供了一个经典的发布/订阅（publish/subscribe）消息模型——发布者发送消息给 Kafka，后者在主题中按分区排序，并给每个订阅者（或”消费者“）发送一份副本。

 

 

Kafka 用日志中的偏移量记录消费者已经看到了哪条消息。这意味着消息不能乱序确认，同时也意味着不能跨多个消费者共享订阅。（在其消费者分组设计中，Kafka 允许将多个分区映射到一个消费者，但不能反过来。）

 

这对于发布/订阅用例（有时称为流）来说很好。对于流，重要的是要以与消息发布时相同的顺序消费消息。

 

Pulsar 支持发布/订阅模式，但也支持排队模式，在后一种情况下，处理顺序并不重要，我们只想在任意数量的消费者之间平衡一个主题的消息：

 

这（以及面向队列的特性，如“死信队列”和支持重新发送的否定确认）意味着 Pulsar 经常可以取代 AMQP 和 JMS 以及 Kafka 风格的发布/订阅，采用 Pulsar 的企业有机会进一步降低成本。

---

 

05 小结

 

与 Kafka 相比，Pulsar 的架构使它在跨地域复制、扩展、多租户和队列等方面具有重要的优势。1 月 27 日，DataStax 宣布收购Kesque（Pulsar 即服务），加入到了 Pulsar 社区，并开源了 Kesque 团队在Luna Streaming中构建的管理和监控工具。

---

 

本文由DataStax CTO Jonathan Ellis原创 最初发布在DataStax博客中

 

本文中文翻译来自InfoQ: Four Reasons Why Apache Pulsar is Essential to the Modern Data Stack