如何进行Apache Pulsar 与 Kafka的延迟性比较

本篇文章为大家展示了如何进行Apache Pulsar 与 Kafka的延迟性比较，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

重点讨论 Pulsar 与 Kafka 的延迟性

下面将详细介绍 Pulsar 与 Kafka 的测试结果（下图红色内容）。Fsync 状态是实验中的一个变量，此外，为了更好地对比二者，测试者还调整了分区的数量。

  Apache Pulsar 的测试结果  

小编将详细介绍 Apache Pulsar 延迟性的测试结果。我们会先介绍开启 fsync 的测试结果（Pulsar 默认的工作方式），再介绍关闭消息 flush 的测试结果。

对于每个工作负载，有两张图可供参考：一张图是测试期间发布延迟的 p99，另一张图是平均端到端延迟。另外，这两张图后附有在测试期间汇总延迟测量值并整理成的表格，提供延迟分布数据。

发布延迟的百分比计算比端到端延迟更准确，因为端到端延迟使用的是自动设置在消息头中的时间戳，并且该时间戳的精度为毫秒，而发布延迟的精度为纳秒。

所有测试均使用 100 字节的消息。在 15 分钟测试期间，仅使用两个客户端（生产与消费）服务器，且生产速率和消费速率恒定为每秒 5 万条消息。测试使用的 Apache Pulsar 版本为 2.4.0。

开启 fsync 时的延迟测试  

测试 1：1 个 topic，1 个分区

 

测试 2：1 个 topic，6 个分区

测试 3：1 个 topic，16 个分区

讨论

测试 5 ：1 个 topic，6 个分区

测试 6：1 个 topic，16 个分区

讨论

测试 8：1 个 topic，6 个分区

测试 9：1 个 topic，16 个分区

讨论

测试 11：1 个 topic，6 个分区

测试 12：1 个 topic，16 个分区

讨论

1. 随着时间的推移，Pulsar 延迟的可预测性更高。与 Kafka 相比，Pulsar 延迟随时间变化的曲线更平滑。对比图表（6 个分区，平均端到端延迟，不刷新）显示，Kafka 的延迟低于 Pulsar，但是 Pulsar 的延迟值更为稳定。

3. 在使用单一 producer 和单一 consumer 时，Pulsar topic 分区数量增加，延迟减小；Kafka topic 分区数量增加，延迟增大。

4. 在最高的要求消息要持久化的前提下（保证不丢消息），Pulsar 的延迟低于 Kafka。

5. 关闭 fsync，Pulsar 会有更小的延迟，不能保证消息的持久性

上述内容就是如何进行Apache Pulsar 与 Kafka的延迟性比较，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注亿速云行业资讯频道。