Apache Pulsar 延迟消息投递功能支持订阅类型的演进
2025-05-15 14:29:27作者:郦嵘贵Just
在分布式消息系统中,延迟消息投递是一个非常重要的功能,它允许生产者指定消息在未来的某个时间点被消费者接收。Apache Pulsar作为一款高性能的分布式消息系统,也提供了这一功能。本文将深入探讨Pulsar中延迟消息投递功能对订阅类型的支持演进过程。
延迟消息投递的基本原理
Pulsar通过TypedMessageBuilder接口提供了deliverAfter和deliverAt两个方法来实现延迟消息投递:
- deliverAfter:指定消息在多少时间后投递
- deliverAt:指定消息在具体某个时间点投递
这两个方法底层都是通过设置消息的投递时间戳来实现的,Broker会根据这个时间戳决定何时将消息投递给消费者。
订阅类型支持的演进
最初,Pulsar的延迟消息投递功能仅支持Shared订阅类型。这是因为:
- Exclusive和Failover订阅类型本质上都是单消费者模式,延迟投递的实现相对简单
- Shared订阅类型允许多个消费者共享消费,需要更复杂的协调机制
- Key_Shared订阅类型需要保证相同Key的消息被同一个消费者处理,增加了延迟投递的实现复杂度
随着Pulsar 3.x版本的发布,这一限制被打破。现在延迟消息投递功能不仅支持Shared订阅类型,还支持Key_Shared订阅类型。这一改进使得基于Key的消息分组场景也能使用延迟投递功能,大大扩展了使用场景。
实现机制解析
对于Key_Shared订阅类型的延迟消息投递,Pulsar需要解决以下技术挑战:
- 消息延迟后仍需保证相同Key被同一消费者处理
- 消费者组重新平衡时,延迟消息的正确路由
- 延迟消息的定时触发机制与Key路由的协调
Pulsar通过以下方式实现了这些需求:
- 延迟消息在到达投递时间前仍保留在原始分区
- 使用与普通消息相同的Key路由算法
- 延迟触发器与分区消费者协调工作
最佳实践建议
在使用延迟消息投递功能时,开发者应注意:
- 对于时间敏感度高的场景,建议使用Exclusive或Failover订阅
- Shared和Key_Shared订阅的延迟投递会引入额外的内存开销
- 大量延迟消息可能影响Broker性能,需合理设置TTL
- 监控延迟队列的积压情况,避免内存溢出
总结
Apache Pulsar对延迟消息投递功能的持续改进,特别是对Key_Shared订阅类型的支持,体现了其作为现代消息系统的灵活性和强大功能。开发者现在可以在更复杂的业务场景中利用这一功能,如实现基于Key的延迟任务处理、定时批量操作等。随着Pulsar的不断发展,我们可以期待更多高级消息模式的支持和优化。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
875
576
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
334
161
暂无简介
Dart
762
184
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.32 K
744
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
React Native鸿蒙化仓库
JavaScript
302
349
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
112
134