關於 Apache Pulsar
Apache Pulsar 是 Apache 軟體基金會頂級專案,是下一代雲原生分散式訊息流平臺,集訊息、儲存、輕量化函式式計算為一體,採用計算與儲存分離架構設計,支援多租戶、持久化儲存、多機房跨區域資料複製,具有強一致性、高吞吐、低延時及高可擴充套件性等流資料儲存特性。
GitHub 地址:http://github.com/apache/pulsar/
本文翻譯自:《Using Apache Pulsar With Kotlin》,作者 Gilles Barbier。
原文連結:https://gillesbarbier.medium....
譯者簡介
宋博,就職於北京百觀科技有限公司,高階開發工程師,專注於微服務,雲端計算,大資料領域。
Apache Pulsar 通常被描述為下一代 Kafka,是開發人員工具集中一顆冉冉升起的新星。Pulsar 是用於 server-to-server 訊息傳遞的多租戶、高效能解決方案,通常用作可擴充套件應用程式的核心。
Pulsar 可以與 Kotlin 一起使用,因為它是用 Java 編寫的。不過,它的 API 並沒有考慮 Kotlin 帶來的強大功能,例如資料類、協程或無反射序列化。
在這篇文章中,我將討論如何通過 Kotlin 來使用 Pulsar。
為訊息體使用原生序列化
在 Kotlin 中定義訊息的一種預設方式是使用資料類,這些類的主要目的是儲存資料。對於此類資料類,Kotlin 會自動提供 equals()、toString()、copy()等方法 ,從而縮短程式碼長度並降低出現錯誤的風險。
使用 Java 建立一個 Pulsar 生產者:
Producer<MyAvro> avroProducer = client
.newProducer(Schema.AVRO(MyAvro.class))
.topic(“some-avro-topic”)
.create();
該 Schema.AVRO(MyAvro.class) 指令將內省 MyAvro Java 類並從中推斷出一個 Schema。這需要校驗新的生產者是否會產生與現有消費者實際相容的訊息。然而 Kotlin 資料類的 Java 實現不能很好地與 Pulsar 使用的預設序列化器配合使用。但幸運的是,從 2.7.0 版本開始,Pulsar 允許您對生產者和消費者使用自定義序列化程式。
首先,您需要安裝官方 Kotlin 序列化外掛。使用它可以建立一個如下的訊息類:
@Serializable
data class RunTask(
val taskName: TaskName,
val taskId: TaskId,
val taskInput: TaskInput,
val taskOptions: TaskOptions,
val taskMeta: TaskMeta
)
注意 @Serializable 註解。有了它,你就可以使用 RunTask.serialiser() 讓序列化器在不內省的情況下工作,這將使效率大大提升!
目前,序列化外掛僅支援 JSON(以及一些其他在 beta 內的格式 例如 protobuf)。所以我們還需要 avro4k 庫來擴充套件它並支援 Avro 格式。
使用這些工具,我們可以建立一個像下面這樣的 Producer 任務:
import com.github.avrokotlin.avro4k.Avro
import com.github.avrokotlin.avro4k.io.AvroEncodeFormat
import io.infinitic.common.tasks.executors.messages.RunTask
import kotlinx.serialization.KSerializer
import org.apache.avro.file.SeekableByteArrayInput
import org.apache.avro.generic.GenericDatumReader
import org.apache.avro.generic.GenericRecord
import org.apache.avro.io.DecoderFactory
import org.apache.pulsar.client.api.Consumer
import org.apache.pulsar.client.api.Producer
import org.apache.pulsar.client.api.PulsarClient
import org.apache.pulsar.client.api.Schema
import org.apache.pulsar.client.api.schema.SchemaDefinition
import org.apache.pulsar.client.api.schema.SchemaReader
import org.apache.pulsar.client.api.schema.SchemaWriter
import java.io.ByteArrayOutputStream
import java.io.InputStream
// Convert T instance to Avro schemaless binary format
fun <T : Any> writeBinary(t: T, serializer: KSerializer<T>): ByteArray {
val out = ByteArrayOutputStream()
Avro.default.openOutputStream(serializer) {
encodeFormat = AvroEncodeFormat.Binary
schema = Avro.default.schema(serializer)
}.to(out).write(t).close()
return out.toByteArray()
}
// Convert Avro schemaless byte array to T instance
fun <T> readBinary(bytes: ByteArray, serializer: KSerializer<T>): T {
val datumReader = GenericDatumReader<GenericRecord>(Avro.default.schema(serializer))
val decoder = DecoderFactory.get().binaryDecoder(SeekableByteArrayInput(bytes), null)
return Avro.default.fromRecord(serializer, datumReader.read(null, decoder))
}
// custom Pulsar SchemaReader
class RunTaskSchemaReader: SchemaReader<RunTask> {
override fun read(bytes: ByteArray, offset: Int, length: Int) =
read(bytes.inputStream(offset, length))
override fun read(inputStream: InputStream) =
readBinary(inputStream.readBytes(), RunTask.serializer())
}
// custom Pulsar SchemaWriter
class RunTaskSchemaWriter : SchemaWriter<RunTask> {
override fun write(message: RunTask) = writeBinary(message, RunTask.serializer())
}
// custom Pulsar SchemaDefinition<RunTask>
fun runTaskSchemaDefinition(): SchemaDefinition<RunTask> =
SchemaDefinition.builder<RunTask>()
.withJsonDef(Avro.default.schema(RunTask.serializer()).toString())
.withSchemaReader(RunTaskSchemaReader())
.withSchemaWriter(RunTaskSchemaWriter())
.withSupportSchemaVersioning(true)
.build()
// Create an instance of Producer<RunTask>
fun runTaskProducer(client: PulsarClient): Producer<RunTask> = client
.newProducer(Schema.AVRO(runTaskSchemaDefinition()))
.topic("some-avro-topic")
.create();
// Create an instance of Consumer<RunTask>
fun runTaskConsumer(client: PulsarClient): Consumer<RunTask> = client
.newConsumer(Schema.AVRO(runTaskSchemaDefinition()))
.topic("some-avro-topic")
.subscribe();
密封類訊息和每個 Topic 一個封裝
Pulsar 每個 Topic 只允許一種型別的訊息。在某些特殊情況下,這並不能滿足全部需求。但這個問題可以通過使用封裝模式來變通。
首先,使用密封類從一個 Topic 建立所有型別訊息:
@Serializable
sealed class TaskEngineMessage() {
abstract val taskId: TaskId
}
@Serializable
data class DispatchTask(
override val taskId: TaskId,
val taskName: TaskName,
val methodName: MethodName,
val methodParameterTypes: MethodParameterTypes?,
val methodInput: MethodInput,
val workflowId: WorkflowId?,
val methodRunId: MethodRunId?,
val taskMeta: TaskMeta,
val taskOptions: TaskOptions = TaskOptions()
) : TaskEngineMessage()
@Serializable
data class CancelTask(
override val taskId: TaskId,
val taskOutput: MethodOutput
) : TaskEngineMessage()
@Serializable
data class TaskCanceled(
override val taskId: TaskId,
val taskOutput: MethodOutput,
val taskMeta: TaskMeta
) : TaskEngineMessage()
@Serializable
data class TaskCompleted(
override val taskId: TaskId,
val taskName: TaskName,
val taskOutput: MethodOutput,
val taskMeta: TaskMeta
) : TaskEngineMessage()
然後,再為這些訊息建立一個封裝:
Note @Serializable
data class TaskEngineEnvelope(
val taskId: TaskId,
val type: TaskEngineMessageType,
val dispatchTask: DispatchTask? = null,
val cancelTask: CancelTask? = null,
val taskCanceled: TaskCanceled? = null,
val taskCompleted: TaskCompleted? = null,
) {
init {
val noNull = listOfNotNull(
dispatchTask,
cancelTask,
taskCanceled,
taskCompleted
)
require(noNull.size == 1)
require(noNull.first() == message())
require(noNull.first().taskId == taskId)
}
companion object {
fun from(msg: TaskEngineMessage) = when (msg) {
is DispatchTask -> TaskEngineEnvelope(
msg.taskId,
TaskEngineMessageType.DISPATCH_TASK,
dispatchTask = msg
)
is CancelTask -> TaskEngineEnvelope(
msg.taskId,
TaskEngineMessageType.CANCEL_TASK,
cancelTask = msg
)
is TaskCanceled -> TaskEngineEnvelope(
msg.taskId,
TaskEngineMessageType.TASK_CANCELED,
taskCanceled = msg
)
is TaskCompleted -> TaskEngineEnvelope(
msg.taskId,
TaskEngineMessageType.TASK_COMPLETED,
taskCompleted = msg
)
}
}
fun message(): TaskEngineMessage = when (type) {
TaskEngineMessageType.DISPATCH_TASK -> dispatchTask!!
TaskEngineMessageType.CANCEL_TASK -> cancelTask!!
TaskEngineMessageType.TASK_CANCELED -> taskCanceled!!
TaskEngineMessageType.TASK_COMPLETED -> taskCompleted!!
}
}
enum class TaskEngineMessageType {
CANCEL_TASK,
DISPATCH_TASK,
TASK_CANCELED,
TASK_COMPLETED
}
請注意 Kotlin 如何優雅地檢查init! 可以藉助 TaskEngineEnvelope.from(msg)
很容易建立一個封裝,並通過 envelope.message()
返回原始訊息。
為什麼這裡新增了一個顯式 taskId 值,而非使用一個全域性欄位 message:TaskEngineMessage
,並且針對每種訊息型別使用一個欄位呢?是因為通過這種方式,我就可以藉助 taskId 或 type,亦或者兩者相結合的方式使用PulsarSQL 來獲取這個 Topic 的資訊。
通過協程來構建 Worker
在普通 Java 中使用 Thread 很複雜且容易出錯。好在 Koltin 提供了 coroutines——一種更簡單的非同步處理抽象——和 channels——一種在協程之間傳輸資料的便捷方式。
我可以通過以下方式建立一個 Worker:
- 單個 ("task-engine-message-puller") 專用於從 Pulsar 拉取訊息的協程
- N 個協程 ( "task-engine-$i") 並行處理訊息
- 單個 ("task-engine-message-acknoldeger") 處理後確認 Pulsar 訊息的協程
有很多個類似於這樣的程式後我已經新增了一個 logChannel 用來採集日誌。請注意,為了能夠在與接收它的協程不同的協程中確認 Pulsar 訊息,我需要將TaskEngineMessage
封裝到包含Pulsar messageId
的MessageToProcess<TaskEngineMessage>
中:
typealias TaskEngineMessageToProcess = MessageToProcess<TaskEngineMessage>
fun CoroutineScope.startPulsarTaskEngineWorker(
taskEngineConsumer: Consumer<TaskEngineEnvelope>,
taskEngine: TaskEngine,
logChannel: SendChannel<TaskEngineMessageToProcess>?,
enginesNumber: Int
) = launch(Dispatchers.IO) {
val taskInputChannel = Channel<TaskEngineMessageToProcess>()
val taskResultsChannel = Channel<TaskEngineMessageToProcess>()
// coroutine dedicated to pulsar message pulling
launch(CoroutineName("task-engine-message-puller")) {
while (isActive) {
val message: Message<TaskEngineEnvelope> = taskEngineConsumer.receiveAsync().await()
try {
val envelope = readBinary(message.data, TaskEngineEnvelope.serializer())
taskInputChannel.send(MessageToProcess(envelope.message(), message.messageId))
} catch (e: Exception) {
taskEngineConsumer.negativeAcknowledge(message.messageId)
throw e
}
}
}
// coroutines dedicated to Task Engine
repeat(enginesNumber) {
launch(CoroutineName("task-engine-$it")) {
for (messageToProcess in taskInputChannel) {
try {
messageToProcess.output = taskEngine.handle(messageToProcess.message)
} catch (e: Exception) {
messageToProcess.exception = e
}
taskResultsChannel.send(messageToProcess)
}
}
}
// coroutine dedicated to pulsar message acknowledging
launch(CoroutineName("task-engine-message-acknowledger")) {
for (messageToProcess in taskResultsChannel) {
if (messageToProcess.exception == null) {
taskEngineConsumer.acknowledgeAsync(messageToProcess.messageId).await()
} else {
taskEngineConsumer.negativeAcknowledge(messageToProcess.messageId)
}
logChannel?.send(messageToProcess)
}
}
}
data class MessageToProcess<T> (
val message: T,
val messageId: MessageId,
var exception: Exception? = null,
var output: Any? = null
)
總結
在本文中,我們介紹瞭如何在 Kotlin 中實現的 Pulsar 使用方法:
- 程式碼訊息(包括接收多種型別訊息的 Pulsar Topic 的封裝);
- 建立 Pulsar 的生產者/消費者;
- 構建一個能夠並行處理許多訊息的簡單 Worker。
關注公眾號「Apache Pulsar」,獲取更多技術乾貨
加入 Apache Pulsar 中文交流群 ??