Kafka和Redis如何解決流處理挑戰
?雖然流可以是處理大量數據的有效方式,但它們也有自己的挑戰。讓我們看看其中的一些。
1. 如果消費者無法像制作人創建塊那樣快速處理塊,會發生什么?一個例子:如果消費者比生產者慢50%,會怎么樣?如果我們從一個10GB的文件開始,這意味著當生產者處理完所有10GB時,消費者只處理了5GB。剩余的5GB在等待處理時會發生什么情況?突然之間,分配給仍然需要處理的數據的50到100字節必須擴展到5GB。
圖1:如果消費者的速度比生產者慢,則需要額外的內存
2. 這只是一個噩夢場景。還有其他的。例如,如果消費者在處理一條生產線時突然失效,會發生什么情況?你需要一種跟蹤正在處理的行的方法,以及一種允許重新讀取該行和隨后的所有行的機制。
圖2:當消費者失效時
3. 最后,如果你需要能夠處理不同的事件并將其發送給不同的消費者,會發生什么?此外,如果增加額外的復雜性,一個消費者的進程依賴于另一個消費者,那么就有相互依賴的進程,會怎么樣?一個真正的風險是,你最終會遇到一個復雜的、緊耦合的、難以管理的單體系統——隨著不斷添加和刪除不同的生產者和消費者,這些需求將不斷變化。
舉個例子(圖3),假設我們有一家大型零售店,擁有數千臺服務器,支持通過網絡應用和移動應用進行購物。
假設我們正在處理三種與支付、庫存和Web服務器日志相關的數據,每種數據都有一個相應的消費者:“支付處理器”、“庫存處理器”和“Web服務器事件處理器”。此外,兩個消費者之間存在著重要的相互依賴關系。在處理庫存之前,需要先驗證付款。最后,每種類型的數據都有不同的目的地。如果是支付事件,則將輸出發送到所有系統,如數據庫、電子郵件系統、CRM等。如果是Web服務器事件,則僅將其發送到數據庫。如果是庫存事件,則將其發送到數據庫和CRM。
你可以想象,這很快就會變得非常復雜和混亂。這還不包括我們需要為每個消費者處理的慢消費者和容錯問題。
圖3:緊耦合的挑戰,因為有多個生產者和消費者
當然,所有這些都假設你正在處理一個單體架構,你有一臺服務器接收和處理所有事件。你將如何處理微服務架構?在這種情況下,許多小型服務器,即微服務,將處理事件,它們都需要能夠相互通信。突然間,你不僅僅有多個生產者和消費者,它們還分散在多個服務器上。
微服務的一個關鍵好處是,它們解決了根據不斷變化的需求擴展特定服務的問題。不幸的是,微服務只解決了一些問題。我們的生產者和消費者之間仍然存在緊耦合,我們保留了庫存微服務和支付服務之間的依賴關系。我們在最初的流媒體示例中指出的問題仍然存在:
- 我們還沒有弄清楚當消費者崩潰時該怎么辦。
- 我們還沒有找到一種管理慢消費者、不會迫使我們大幅擴大緩沖區規模的方法。
- 我們還沒有辦法確保數據不會丟失。
這些只是一些主要挑戰。讓我們看看如何解決這些問題。
圖4:微服務世界中緊耦合的挑戰
專用流處理系統
正如我們所看到的,流可以非常適合處理大量數據,但也帶來了一系列挑戰。為了解決這些挑戰,引入了新的專用系統,如Apache Kafka和Redis Streams。在Kafka和Redis流的世界中,服務器不再像流那樣位于中心,其他一切都圍繞著它們。
數據工程師和數據架構師經常共享這種以流為中心的世界觀。當流成為中心時,一切都是流水線型的,這并不奇怪。
圖5顯示了前面看到的緊耦合示例的直接映射。讓我們看看它在高層次上是如何工作的。
- 在這里,流和數據(事件)是一等公民,而不是處理它們的系統。
- 任何有興趣發送數據(生產者)、接收數據(消費者)或同時發送和接收數據(生產者和消費者)的系統都連接到流處理系統。
- 由于生產者和消費者是解耦的,因此可以隨意添加其他消費者或生產者。你可以聽任何你想聽的事件。這使得它非常適合微服務架構。
- 如果消費者速度較慢,則可以通過添加更多消費者來增加消費。
- 如果一個消費者依賴于另一個消費者,你可以簡單地監聽該消費者的輸出流,然后進行處理。例如,在上圖中,庫存服務在處理庫存事件之前從庫存流(紫色)和支付處理流(橙色)的輸出接收事件。這就是解決相互依賴問題的方法。
- 流中的數據是持久的(與在數據庫中一樣)。任何系統都可以隨時訪問任何數據。如果由于某種原因數據沒有被處理,你可以重新處理它。
許多流挑戰一度看似艱巨,甚至無法克服,但只要把流放在中心,就可以輕易解決。這就是為什么越來越多的人在他們的數據層中使用Kafka和Redis Streams,這也是為什么數據工程師將流視為世界的中心。
原文鏈接:https://thenewstack.io/how-kafka-and-redis-solve-stream-processing-challenges/?