架构师的选择，Pulsar还是Kafka？

介绍

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

作为Kafka的用户，我确实对Kafka的某些问题感到困惑，并且我对Pulsar感到非常失望。所以最后，我设法花了一些时间进行研究，并且做了很多研究。在本文中，我将重点介绍Pulsar的优势，并为您提供一些理由，使您对比Kafka来考虑它。但是，请在产品使用，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。 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：
  1. $ 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)：
  1. $ 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!
  1. $ 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：

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

阅读消息：

1. $ 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：

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

然后，我们传递consumerFn函数来创建源：

1. import com.sksamuel.pulsar4s.akka.streams._ 
2. 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：

1. val topic = Topic("persistent://standalone/mytopic") 
2. val producerFn = () => client.producer(ProducerConfig(topic)) 
3. import com.sksamuel.pulsar4s.akka.streams._ 
4. 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：

1. def process(input): 
2. 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：

1. package main 
2. import ( 
3. "context" 
4. "fmt" 
5. "github.com/apache/pulsar/pulsar-function-go/pf" 
6. ) 
7.  
8. func HandleRequest(ctx context.Context, in []byte) error { 
9. fmt.Println(string(in) + "!") 
10. return nil 
11. } 
12.  
13. func main() { 
14. pf.Start(HandleRequest) 
15. } 

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：

1. $ bin/pulsar-admin functions create \ 
2. --py ~/router.py \ 
3. --classname router.RoutingFunction \ 
4. --tenant public \ 
5. --namespace default \ 
6. --name route-fruit-veg \ 
7. --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：

1. $ bin/pulsar-admin functions create \ 
2. --name my-effectively-once-function \ 
3. --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。