Apache Pulsar 对现代数据堆栈至关重要的四个原因

Apache Pulsar 对现代数据堆栈至关重要的四个原因
2021年02月23日 08:30 InfoQ

作者| Jonathan Ellis

译者 | 平川

策划 | Tina

本文最初发布于 DataStax 官方博客,经原作者授权由 InfoQ 中文站翻译并分享。

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:以开源为基础非常适合混合云和多云部署云原生,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:

跨地域复制

扩展

多租户

队列

我们解决了所有这些问题。让我们逐项看下。

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。

https://www.splunk.com/en_us/blog/it/geo-replication-in-apache-pulsar-part-1-concepts-and-features.html

https://www.splunk.com/en_us/blog/devops/geo-replication-in-apache-pulsar-part-2-patterns-and-practices.html

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。

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。

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。

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。

查看英文原文:

Four Reasons Why Apache Pulsar is Essential to the Modern Data Stack

https://www.datastax.com/blog/2021/01/four-reasons-why-apache-pulsar-essential-modern-data-stack

财经自媒体联盟更多自媒体作者

新浪首页 语音播报 相关新闻 返回顶部