重架构层面分析pulsar的优势（一）

pulsar的背景介绍

之前大多数人喜欢用mq或者kafka,但是pulsar结合了两者并做了许多优化，使其成为高性能、易扩展、多租户、跨地域复制的 pub-sub 消息系统，其在雅虎平台的消息通知、邮件队列、日志管道都有很好的支持，雅虎有15000台服务器，每月浏览量有700亿，可见pulsar的性能很客观，pulsar在腾讯计费场景下也有很好的支持，可见pulsar即将成为下一代消息处理机制指日可待。

mq和kafka的消息处理适用场景的区别

1.mq适用于点对点的场景例如消息通知，不适合批量处理，支持消息事务延迟消息，死信队列和消息重试等。
2.kafka有流处理机制适用于大批量处理，比如日志收集。内部采用消息的流处理，zerocopy机制，数据的存储和获取是本地磁盘顺序批量操作，具有O的复杂度，消息处理的效率很高

pulsar的架构及优势介绍

1.pulsar是一个组建集合，由broker、BookKeeper（Bookie）、zookeeper(ZK)组成，zk建议使用集群可以使用已有集群可以使用内置zk，
zk主要是存储一些元数据，包括将数据持久化到bookie以及为整个系统提供配置管理等
2.pulsar有三种订阅模式：Exclusive、Share、Failover，Exclusive 和 Failover 属于 Stream 的消费模型，Share 属于 Queue 的消费模型，Stream包括了kafka的功能，Queue包含了mq的功能
3.pulsar的流处理方式和kafka的流处理区别:pulsar 订阅所有partition并且会以 hash 的形式将消息分发到不同的 consumer 中来消费，topic只能将各个partition发送给其中一个sub-consumer（topic-p1对应一个sub-consumer为主其他的是备选，如果主当机由于某些原因无法工作时才将消息发送给备选sub-consumer，kafka是不断地增加消费者通过reblance 机制分配给不同的consumer，所以pulsar处理消息又更加安全更方便迅速扩展。

上图是pulsar和kafka消息处理对比图，引用自Pulsar与Kafka消费模型对比将消息处理对比讲的很详细

4.pulsar几乎包含了所有mq的性质并且官网上给出了许多消息处理方案包括消息重试、死信队列、延迟消息发送等等

上图是pulsar为队列模式的架构图

总结

在最佳开源数据库与数据分析平台奖中，之前曾连续两年入选的 Kafka 意外滑铁卢落选，取而代之的是新兴项目 Pulsar，Bossie Awards 中对 Pulsar 点评如下：“Pulsar 旨在取代 Apache Kafka 多年的主宰地位。本文重架构层面对比了pulsar和kafka、mq的区别，pulsar更加方便简洁易懂健壮，并且提供了api可以使得kafka平滑转移到pulsar，希望有更多朋友一起讨论pulsar。