这是我参与「第四届青训营 」笔记创作活动的第13天

从Kafka到Pulsar——数据流演进之路

消息队列概述

应用场景

MQ消息通道

异步解耦、削峰填谷、发布订阅、高可用

EventBridge事件总线

事件源：将云服务、自定义应用。SaaS应用等应用程序产生的事件消息发布到事件集

事件集：存储接收到的事件消息，并根据事件规则将事件消息路由到事件目标

事件目标：消费事件消息

Data Platform流数据平台

提供批/流数据处理能力、各类组件提供各类Connect、提供Streaming/Function能力、根据数据schema灵活的进行数据预处理

主流的消息队列

Kafka详解

架构介绍

Zookeeper

保存元数据以及提供选主能力

• 选举机制：Paxos机制
• 提供一致性：写入(强一致性)、读取(会话一致性)
• 提供可用性：一半以上节点存活即可读写
• 提供能力：watch机制、持久/临时节点能力
• Kafka存储数据：Broker Meta信息(临时节点)、Conctroller信息(临时节点)、Topic信息(持久节点)、Config信息(持久节点)

Broker

Broker角色

• 若干个Broker节点组成Kafka集群
• Broker作为消息的接收模块，使用React网络模型进行消息数据的接收
• Broker作为消息的持久化模块，进行消息的副本复制以及持久化
• Broker作为高可用模块，通过副本间的Failover进行高可用保证

Controller选举

• Broker启动会尝试去zk中注册Controller节点
• 注册上的Controller节点的Broker即为Controller
• 其余Broker会watch controller节点，节点出现异常则进行重新注册

Controller作用

• Broker重启/宕机时，负责副本的failover切换
• topic创建/删除时，负责topic meta信息广播
• 集群扩缩容时，进行状态控制
• partition/replica状态机维护

Coordinator

• 负责topic-partition<->consumer的负载均衡

• 根据不同的场景提供不同的分配策略

  • Dynamic Membership Protocol
  • Static Membership Protocol
  • Incremental Cooperative Rebalance

Kafka高可用

副本同步机制

• 提供isr副本复制机制、提供热备功能
• 写入端提供ack=0，-1，1机制、控制副本同步强弱

副本切换机制

• 提供clean/unclean副本选举机制

Kafka副本ISR机制

AR：Assign Replica已经分配的所有副本

OSR：Out Sync Replica、很久没有同步数据的副本

ISR：一直都在同步数据的副本、可以作为热备进行切换的副本、min.insync.replicas最少isr数量配置

Kafka写入ACK机制

ACK=1：leader副本写入成功，producer即认为写成功

ACK=0：Oneway模式、Producer发送后即为成功

ACK=-1：ISR中所有副本都成功，Producer才认为写成功

Kafka副本同步

LEO：Log End Offset日志最末尾的数据

HW：ISR中最小的LEO作为HW、HW的消息为Consumer可见的消息

Kafka副本选举

clean选举：优先选取Isr中的副本作为leader、如果Isr中无可用副本，则partition不可用

unclean选举：优先选取Isr中的副本作为leader、如果Isr中无可用副本，则选取其他存活副本

集群扩缩容

Kafka集群扩容之后的目标分别需要在Topic、Broker维度上考虑：

Topic维度：partition在各个broker之间分布是均匀的、同一个partition的replica不会分布在一台broker

Broker维度：broker之间replica的数量是均匀的

Kafka集群扩容步骤

扩容broker节点：leader副本写入成功，producer即认为写成功

计算均衡的replica分布拓扑：保证topic的partition在broker间分布均匀、保证broker之间replica分布均匀

controller负责新的副本分布元数据广播：controller将新的leader/follower信息广播给broker

broker负责新副本的数据同步：broker上有需要同步数据的副本则进行数据同步

扩缩容问题

扩缩容时间长，涉及到数据迁移，在生产环境中一次扩缩容可能要迁移TB甚至PB的数据

扩缩容期间集群不稳定，保证数据的完整性，往往会从最老的数据进行同步，这样会导致集群时刻处于从磁盘读取数据的状态，disk/net/cpu负载都会比较高

扩缩容期间无法执行其他操作，在一次扩缩容操作结束之前，无法进行其他运维操作

Kafka演进

去除zookeeper依赖

依赖zookeeper存在问题

• 元数据存取困难，元数据的存取过于困难，每次重新选举的controller需要把整个集群的元数据重新restore，非常的耗时且影响集群的可用性。
• 元数据更新网络开销大，整个元数据的更新操作也是以全量推的方式进行，网络的开销也会非常大
• 强耦合违背软件设计原则，zookeeper对于运维来说，维护也需要一定的开销，并且kafka强耦合与zk也并不好，还得时刻担心zk的宕机问题，违背软件设计的高内聚、低耦合的原则。
• 网络分区复杂度高，zookeeper本身并不能兼顾到broker和broker之间通信的状态，这就会导致网络分区的复杂度成几何倍数增长。
• 并发访问zk问题多，Zookeeper本身并不能兼顾到broker:与broker之间通信的状态，这就会导致网络分区的复杂度成几何倍数增长。

Kafka依赖KRaft

使用KRaft作为元数据和数据存储介质

• process.roles = broker：服务器在KRaft模式下充当Broker
• process.roles = controller：服务器在KRaft模式下充当Controller
• process.roles = broker,controller：服务器在KRaft模式下充当Broker和Controller
• process.roles = null：集群假定是运行在ZooKeeper模式下

Pulsar详解

架构

Pulsar proxy

连接集群的两种方式

• Pulsar Client -> Broker
• Pulsar Client -> Proxy

作用及应用场景

• 部分场景无法知道broker地址，如云环境或者Kubernetes环境
• Proxy提供类似gateway代理能力，解耦客户端和broker，保障broker安全

Pulsar broker

Pulsar broker无状态组件，负责运行两个模块

• Http服务器

  • 暴露了restful接口，提供生产者和消费者topic查找api

• 调度分发器

  • 异步的tcp服务器，通过自定义二进制协议进行数据传输

Pulsar broker作为数据层代理

• Bookie通讯

  • 作为Ledger代理负责和Bookie进行通讯

• 流量代理

  • 消息写入Ledger存储到Bookie
  • 消息缓存在堆外，负责快速响应

Pulsar storage

Pulsar数据存储Segment在不同存储中的抽象

• 分布式journal系统(bookkeeper)中为Jornal/ledger
• 分布式文件系统(GFS/HDFS)中为文件
• 普通磁盘中为文件
• 分布式blob存储中为blob
• 分布式对象存储中为对象

定义好抽象后，即可实现多介质存储

Pulsar storage 多级存储

L1(缓存)

• Broker使用堆外内存短暂存储消息
• 适用于Tail-Read读场景

L2(Bookkeeper)

• Bookkeeper使用Qurom写，能有效降低长尾，latency低
• 适用于catch-up较短时间内的较热数据

L3(S3等冷存)

• 存储成本低，扩展性好
• 适用于catch-up长时间内的冷数据

Pulsar IO连接器

• 分为输入和输出两个模块，通过source实现数据输入。通过sink实现数据输出
• Pulsar提出IO用于解决Pulsar与周边系统的集成问题，帮助用户高效完成工作
• 目前Pulsar IO支持非常多的连接集成操作，例如HDFS、spark、flink、flume、ES、HBase等

Pulsar Functions（轻量级计算架构）

• 一个轻量级计算框架，提供一个部署简单、运维简单、API简单的FAAS平台
• 提供基于数间的服务，支持有状态和无状态的多语言计算，是对复杂大数据处理框架的有力补充
• 用户可以轻松地部署和管理function，通过function从Pulsar topic读取数据或者生产新数据到Pulsar topic

Bookkeeper介绍

Bookkeeper结构

Bookkeeper基本概念

Ledger：BK的一个基本存储单元，BK Client的读写操作都是以Ledger为粒度的

Fragment：BK的最小分布单元，物理最小存储单元，也是Ledger的储存单位，默认情况下一个Ledger会对应一个Fragment，也可以对应多个

Entry：每条日志都是一个Entry，代表一个record，每条record都会有一个对应的Entry id

Bookkeeper新建Ledger

核心概念

Ensemble Size(E)：一个Ledger所涉及的Bookie集合

Write Quorum Size(Qw)：副本数

Ack Quorum Size(Qa)：写请求成功需要满足的副本数

Bookkeeper Ledger分布

• 从bookie pool挑选bookies构成Ensemble
• Write Quorum Size(Qw)决定发送给哪些bookies
• Ack Quorum Size(Qa )决定收到几个ack*算成功

Bookkeeper写一致性

• LastAddPushed
• LastAddConfirmed
• Fencing避免脑裂

Bookkeeper读一致性

所有的reader都可以安全读取entry ID小于或者等于LAC的记录，从而保证reader不会读取未确认的数据，从而保证了reader之间的一致性

Bookkeeper读写分离

写入优化

• 写入时，不但会写入到journal中还会写入到缓存memtable中，定期会做刷盘(刷盘前会做排序、通过聚合+排序优化读取性能)

读取优化

• 先读memtable，没命中再通过索引读磁盘
• ledger driver中会维护一个索引结构，存储在rocksDB中，它会将(legerId,EntryId)映射到(EntryLogId,文件中的偏移量)

Bookkeeper with pulsar

Topic-Partition

• Topic由多个partition组成
• partition由多个segment组成
• segment对应ledger

可以发现，partition<->broker之间只是映射关系，broker在扩缩容过程中只需要更改映射

特性介绍

Pulsar生产模式

Pulsar消费模式

exclusive：独占订阅(stream模式)：独占订阅中，在任何时间，一个消费者组(订阅)中有且只有一个消费者来消费topic中的消息

failover故障切换(stream流模式)：使用故障切换订阅，多个消费者可以附加到同一订阅。但是，一个订阅中所有的消费者，只会有一个消费者被选为该订阅的主消费者。其他消费者将被指定为故障转移消费者。

shared共享订阅(queue队列模型)：使用共享订阅，在同一个订阅背后，用户按照应用的需求挂载任意多的消费者。订阅中的所有消息以循环分发形式发送给订阅背后的多个消费者，并且一个消息仅传递给一个消费者。

key_shared按key共享订阅(queue队列模型)：使用共享订阅，在同一个订阅背后，用户按照应用的需求挂载任意多的消费者。订阅中的所有消息以key-hash发送给订阅背后的多个消费者，并且一个消息仅传递给一个消费者。

Pulsar多租户

Pulsar多租户体现在url中，使用多级映射做资源管理。

Pulsar Plugin

Pulsar Plugin支持无缝迁移，支持多种协议

当前支持Plugin的类型：KOP(Kafka on Pulsar) 、ROP(RocketMQ on Pulsar) 、AOP(AMQP on Pulsar) 、Mop(MQTT on Pulsar)

实现plugin需要支持的功能：路由查询、Message Protocol、Offset & Msgld

Pulsar GEO Relication

支持数据容灾能力

• 跨数据中心复制
• 消费其他地域数据

cdn.jsdelivr.net/gh/BerBai/c…

集群HA & Scale-up

• Topic<->Bundle完成映射
• Bundle分配给broker

Pulsar 对比 Kafka

多层架构，状态分离之后的优势

• 流量代理层和数据存储层解耦
• 流量代理层无状态，可快速扩缩容(k8s等弹性平台)
• 流量代理层可以对接海量的客户端连接
• 存储层负责数据存储，可以使用多级存储

存储计算分离之后带来的优劣势，在计算层上，对于写入的数据，可以做预处理，简单ETL。可以做数据缓存，应对高扇出度场景。无状态、扩缩容之后，能快速完成负载均衡balance。在存储层上，按照数据冷热进行存储介质区分，降低成本；历史数据可海量保存，数据无价；可直接通过存储层接口读取数据，批式计算。