Redis流與Kafka相比如何？

Redis流 VS Kafka

Kafka以解決大規(guī)模數(shù)據(jù)處理問(wèn)題而聞名，并被廣泛部署在許多知名公司的基礎(chǔ)設(shè)施中。早在2015年，LinkedIn有60個(gè)集群，總共有1100個(gè)Broker，每秒處理1300萬(wàn)條信息。

但事實(shí)證明，規(guī)模并不是Kafka唯一擅長(zhǎng)的事情。它所提倡的編程范式--分區(qū)、有序、事件處理--對(duì)于你可能面臨的許多問(wèn)題都是一個(gè)很好的解決方案。例如，如果事件代表的是要被索引到搜索數(shù)據(jù)庫(kù)的行，那么最后的修改就是最后的索引，這一點(diǎn)很重要，否則搜索將無(wú)限期地返回陳舊的數(shù)據(jù)。同樣，如果事件代表用戶行為，處理第二個(gè)事件（"用戶升級(jí)賬戶"）可能依賴于第一個(gè)（"用戶創(chuàng)建賬戶"）。這種范式與傳統(tǒng)的作業(yè)隊(duì)列系統(tǒng)不同，在傳統(tǒng)的作業(yè)隊(duì)列中，事件是由許多工作者同時(shí)從隊(duì)列中彈出的，這很簡(jiǎn)單，可擴(kuò)展，但它破壞了任何排序保證。假設(shè)你想要有序的處理，但也許你不想使用Kafka，因?yàn)樗且粋€(gè)難以操作或昂貴的重型系統(tǒng)的聲譽(yù)。Redis現(xiàn)在有了5.0版本發(fā)布的"流 "數(shù)據(jù)結(jié)構(gòu)，與之相比如何？它是否解決了同樣的問(wèn)題？

Kafka的架構(gòu)

我們先來(lái)看看Kafka的基本架構(gòu)?；镜臄?shù)據(jù)結(jié)構(gòu)是主題。它是一個(gè)按時(shí)間排序的記錄序列，只需追加。使用這種數(shù)據(jù)結(jié)構(gòu)的好處在Jay Kreps的經(jīng)典博文The Log中得到了很好的描述。

主題Topic被分區(qū)，以使它們能夠擴(kuò)展：每個(gè)主題可以被托管在單獨(dú)的Kafka實(shí)例上。每個(gè)分區(qū)中的記錄都被分配了連續(xù)的ID，稱為偏移量，它可以唯一地識(shí)別分區(qū)中的每個(gè)記錄。消費(fèi)者按順序處理記錄，保持跟蹤其最后看到的偏移量。由于記錄被持久化在一個(gè)主題中，多個(gè)消費(fèi)者可以相互獨(dú)立地處理記錄。

在實(shí)踐中，你可能會(huì)將你的處理分布在許多機(jī)器上。為了實(shí)現(xiàn)這一點(diǎn)，Kafka提供了一個(gè) "消費(fèi)者組 "的抽象，它是一組合作的進(jìn)程，從一個(gè)主題消費(fèi)數(shù)據(jù)。一個(gè)主題的分區(qū)被劃分給組內(nèi)的成員。然后，當(dāng)成員加入或離開(kāi)該組時(shí)，必須重新分配分區(qū)，以便每個(gè)成員都能獲得公平的分區(qū)份額。這就是所謂的再平衡算法。

請(qǐng)注意，一個(gè)分區(qū)只能由消費(fèi)者組的一個(gè)成員來(lái)處理。(但一個(gè)成員可能負(fù)責(zé)多個(gè)分區(qū))這使得嚴(yán)格有序的處理得到保證。

這套工具是非常有用的。你可以通過(guò)添加更多的工作者來(lái)輕松地?cái)U(kuò)展你的處理，而Kafka則負(fù)責(zé)處理分布式協(xié)調(diào)問(wèn)題。

Redis的流數(shù)據(jù)結(jié)構(gòu)

Redis的 "流 "數(shù)據(jù)結(jié)構(gòu)是如何比較的？Redis流在概念上等同于上面描述的Kafka主題的一個(gè)分區(qū)，但有一些小的區(qū)別。

它是一個(gè)持久的、有序的事件存儲(chǔ)（與Kafka中相同）

它有一個(gè)可配置的最大長(zhǎng)度（與Kafka中的保留期相比）。

事件存儲(chǔ)鍵和值，就像Redis Hash（相對(duì)于Kafka中的單個(gè)鍵和值）。

最主要的區(qū)別是，Redis中的消費(fèi)者組與Kafka中的消費(fèi)者組完全不同。

在Redis中，一個(gè)消費(fèi)者組是一組全部從同一流讀取的進(jìn)程。Redis確保事件只會(huì)被傳遞給組內(nèi)的一個(gè)消費(fèi)者。例如，在下圖中，消費(fèi)者1不會(huì)處理'9'，它會(huì)跳過(guò)它，因?yàn)橄M(fèi)者2已經(jīng)看到它了。消費(fèi)者1將得到下一個(gè)未被任何其他組成員看到的事件。

組的作用是將單個(gè)流的處理并行化。這看起來(lái)很像一個(gè)傳統(tǒng)的作業(yè)隊(duì)列結(jié)構(gòu)。因此，它失去了作為流處理核心的排序保證，這是很不幸的。

流處理作為一個(gè)客戶端庫(kù)

那么，如果Redis只提供有效的具有作業(yè)隊(duì)列語(yǔ)義的主題的單一分區(qū)，我們?cè)趺茨茉赗edis之上建立一個(gè)流處理引擎？好吧，如果你想要Kafka的功能，你需要自己構(gòu)建它們。這意味著要實(shí)現(xiàn)。

1. 事件分區(qū)。你需要?jiǎng)?chuàng)建N個(gè)流，并將每個(gè)流視為一個(gè)分區(qū)。然后，在發(fā)送時(shí)，你需要決定哪個(gè)分區(qū)應(yīng)該接收它，大概是基于事件的哈希值或其中的一個(gè)字段。

2. 一個(gè)工人分區(qū)分配系統(tǒng)。為了擴(kuò)展和支持多個(gè)工作者，你需要?jiǎng)?chuàng)建一個(gè)算法，在他們之間分配分區(qū)，確保每個(gè)工作者擁有一個(gè)相互排斥的子集，也就是相當(dāng)于Kafka的 "再平衡 "系統(tǒng)。

3. 有確認(rèn)的順序處理。每個(gè)工作者都需要迭代其每個(gè)分區(qū)，跟蹤其偏移量。盡管Redis消費(fèi)者組有作業(yè)隊(duì)列語(yǔ)義，但它們?cè)谶@里可以提供幫助。訣竅是每個(gè)組使用一個(gè)消費(fèi)者，然后為每個(gè)分區(qū)創(chuàng)建一個(gè)組。然后每個(gè)分區(qū)將被按順序處理，你可以利用內(nèi)置的消費(fèi)者組狀態(tài)跟蹤。Redis不僅可以跟蹤偏移量，還可以跟蹤每個(gè)事件的確認(rèn)，這是很強(qiáng)大的。

這是絕對(duì)的最低要求。如果你希望你的解決方案是健壯的，你可能還想考慮錯(cuò)誤處理：除了崩潰你的工作者，也許你會(huì)想要一個(gè)機(jī)制，將錯(cuò)誤轉(zhuǎn)發(fā)到一個(gè) "死信 "流并繼續(xù)處理。

好消息是--如果你喜歡Python的話--已經(jīng)解決了這些問(wèn)題，并且在一個(gè)新發(fā)布的名為Runnel的庫(kù)中解決了更多問(wèn)題。如果你想從Redis上類(lèi)似Kafka的語(yǔ)義中獲益，歡迎你來(lái)看看。下面是它的外觀，基本上與上面的Kafka圖之一相同。

工作者通過(guò)Redis中實(shí)現(xiàn)的鎖來(lái)協(xié)調(diào)他們對(duì)分區(qū)的所有權(quán)。他們通過(guò)一個(gè)特殊的 "控制 "流相互溝通。更多信息，包括架構(gòu)和再平衡算法的詳細(xì)分解，請(qǐng)參閱Runnel文檔。

權(quán)衡

Redis是大規(guī)模事件處理的好選擇嗎？有一個(gè)基本的權(quán)衡：因?yàn)橐磺卸荚趦?nèi)存中，獲得了無(wú)與倫比的處理速度，但它不適合存儲(chǔ)無(wú)限制的數(shù)據(jù)量。使用Kafka，你可能愿意無(wú)限期地保存你的所有事件，但使用Redis，你肯定要存儲(chǔ)最近的事件的固定窗口--只夠你的處理器有一個(gè)舒適的緩沖區(qū)，以防止它們變慢或崩潰。這意味著你可能還想使用一個(gè)外部的長(zhǎng)期事件存儲(chǔ)，例如S3，以便能夠重放它們，這增加了你的架構(gòu)的復(fù)雜性，但降低了成本。

研究這個(gè)問(wèn)題的主要?jiǎng)訖C(jī)是在部署和操作Redis時(shí)涉及的易用性和低成本。這就是為什么它對(duì)Kafka有吸引力。它也是一套神奇的工具，經(jīng)受住了時(shí)間的考驗(yàn)，非常了不起。事實(shí)證明，經(jīng)過(guò)努力，它也可以支持分布式流處理范式.

審核編輯：黃飛