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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0458
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0787
VTJ.PRO以AI驱动的Vue3前端低代码开发工具。内置低代码引擎、渲染器和代码生成器,支持Vue源码与低代码DSL双向转换,面向前端开发者,开箱即用。 无缝嵌入本地开发工程,不改变前端开发流程和编码习惯。TypeScript05
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0316
OpenDeepWikiOpenDeepWiki 是 DeepWiki 项目的开源版本,旨在提供一个强大的知识管理和协作平台。该项目主要使用 C# 和 TypeScript 开发,支持模块化设计,易于扩展和定制。C#01
项目优选
收起
暂无描述
Markdown
832
5.52 K
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
497
522
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
808
1.17 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
802
1.6 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
982
2.32 K
deepin linux kernel
C
33
16
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.05 K
786
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
486
315
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++
1.21 K
1.27 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
668
316