共计 3512 个字符，预计需要花费 9 分钟才能阅读完成。
🎙️浏览本文需 7 分钟
本系列文章将重点探讨 Pulsar 与 Kafka 的提早性，之前的两篇文章曾经介绍了测试方法（下图绿色局部）与测试细节（下图蓝色内容），能够点击下列题目间接查看：
- Apache Pulsar 与 Kafka 性能比拟：提早性（测试方法）
- Apache Pulsar 与 Kafka 性能比拟：提早性（测试过程）
本文将具体介绍 Pulsar 与 Kafka 的测试后果（下图红色内容）。Fsync 状态是试验中的一个变量，此外，为了更好地比照二者，测试者还调整了分区的数量。
Apache Pulsar 的测试后果
本文将具体介绍 Apache Pulsar 提早性的测试后果。咱们会先介绍开启 fsync 的测试后果（Pulsar 默认的工作形式），再介绍敞开音讯 flush 的测试后果。
对于每个工作负载，有两张图可供参考：一张图是测试期间公布提早的 p99，另一张图是均匀端到端提早。另外，这两张图后附有在测试期间汇总提早测量值并整顿成的表格，提供提早散布数据。
公布提早的百分比计算比端到端提早更精确，因为端到端提早应用的是主动设置在音讯头中的工夫戳，并且该工夫戳的精度为毫秒，而公布提早的精度为纳秒。
所有测试均应用 100 字节的音讯。在 15 分钟测试期间，仅应用两个客户端（生产与生产）服务器，且生产速率和生产速率恒定为每秒 5 万条音讯。测试应用的 Apache Pulsar 版本为 2.4.0。
开启 fsync 时的提早测试
测试 1：1 个 topic，1 个分区
测试 2：1 个 topic，6 个分区
测试 3：1 个 topic，16 个分区
探讨
因为在 Pulsar 和 Kafka 中，分区都是并行单位，咱们期待在分区数量减少时，提早减小，理论测试后果也的确如此。总体而言，分区数量减少，公布提早和端到端提早都减小了。
每次测试中都有异样值，然而提早最大值始终不超过 267 毫秒。公布提早比端到端提早数值稳定更小。在所有测试中，公布提早的 p9999 始终没有超过 11.6 毫秒。在 16 个分区的端到端提早测试中，分区对提早的影响最为显著。16 个分区测试的均匀提早（3 毫秒）是 1 个分区测试（9 毫秒）的三分之一。
Pulsar 的公布提早不随工夫而变动。所有测试运行工夫均为 15 分钟。如图所示，测试期间均匀公布提早稳定很小。端到端提早随工夫发生变化，在 90 秒内，均匀提早稳定为 2 毫秒，并且提早稳定值简直恒定。例如，端到端提早的平均值为 1 个分区 9 毫秒，16 个分区 3 毫秒，然而变动值始终不超过 2 毫秒（9 毫秒增至 11 毫秒，3 毫秒变为 5 毫秒）。
敞开 fsync 时的提早测试
除了通过在 bookkeeper.conf 文件中设置 journalSyncData=false，以禁用刷新每条音讯到磁盘，并重启 Pulsar broker 和 BookKeeper 外，其余测试条件均雷同。
测试 4：1 个 topic，1 个分区
测试 5：1 个 topic，6 个分区
测试 6：1 个 topic，16 个分区
探讨
和料想的一样，不启用 Flush 时，提早减小，但不会减小太多。例如，1 个分区开启 Flush 时，p99 的公布提早为 4.129 毫秒，而在不开启 Flush 时，公布提早为 3.928 毫秒。在 16 个分区测试中，是否开启 Flush 对提早简直没有影响。在雷同工夫距离内，端到端提早周期性 2 毫秒的变动值和之前测试中一样（图中的波峰处）。
禁用 Flush 会损失一些持久性，因而在应用 Apache Pulsar 时，从提早角度来看，禁用 Flush 并有益处。
Apache Kafka 的测试后果
因为 Kafka 默认敞开 Flush，所以咱们先进行此项测试。与 Pulsar 测试一样，所有测试都应用 100 字节的音讯，音讯速率为每秒 5 万条，仅应用两个客户端。在测试期间记录提早，并整顿成表格。测试应用的 Apache Kafka 版本为 2.11-2.3.0。
敞开 fsync 时的提早测试
测试 7：1 个 topic，1 个分区
测试 8：1 个 topic，6 个分区
测试 9：1 个 topic，16 个分区
探讨
首先看一下 1 个分区状况下的公布提早，Kafka 对音讯敞开 Flush 时，提早小于 Pulsar（刷新时提早为 2.969 毫秒，不刷新时提早为 2.72 毫秒）。然而，在提早散布中，能够看到 Pulsar 和 Kafka 的次要区别。
Pulsar 的提早散布更集中，从 p50 到 p999，提早从 2.916 毫秒增至 4.095 毫秒），而 Kafka 的提早在 p999 达到 149.616 毫秒，后果相差很多。在 1 个分区的 p99，Pulsar 的提早为 52.958 毫秒，而 Kafka 的提早简直是 Pulsar 提早的 4 倍，为 201.701 毫秒。咱们在比拟默认模式下的不同，因而对 Pulsar 启用 Flush，Kafka 不启用 Flush。如果禁用 Pulsar 的磁盘 Flush，则 p999 的提早降为仅 4.508 毫秒。
察看 p99 的公布提早就会发现，Kafka 测试中呈现大量异样值的起因很显著。当公布提早从个位数跃升至 100 毫秒以上时，Kafka 呈现了周期性峰值。分区数量减少，公布提早的变动减小，但依然存在。将其与 Pulsar 进行比拟就会发现，整个测试期间，p99 的公布提早基本上是一条直线。
Pulsar 与 Kafka 之间的另一个不同点在于，分区数量减少，Pulsar 的公布提早减小，而 Kafka 的公布提早增大。尽管在 1 个分区测试中，Kafka 的均匀公布提早比 Pulsar 低，但在 6 个分区和 16 个分区测试中，Pulsar 的公布提早更低。在 16 个分区测试中，Pulsar 的均匀公布提早小于 3 毫秒，而 Kafka 的均匀公布提早则约为 8.5 毫秒。
再看均匀端到端提早，1 个分区测试中，Kafka 的测试后果更好，但在分区数量减少时，端到端提早与公布提早类似，都随之增大。在 16 个分区测试中，Kafka 的均匀端到端提早为 11 毫秒，而 Pulsar 的平均值则靠近 3 毫秒。在 Pulsar 测试中，能够察看到周期性 2 毫秒的峰值。在 Kafka 测试中，能够看到峰值更为频繁，且数值更高，通常在 5 毫秒以上
开启 fsync 时的提早测试
除了启用每条音讯刷新（fsync），对测试中的每个 topic 进行配置（flush.messages=1, flush.ms=0），测试条件与之前完全相同。
测试 10：1 个 topic，1 个分区
测试 11：1 个 topic，6 个分区
测试 12：1 个 topic，16 个分区
探讨
Pulsar 的默认模式为启用 Flush，这组比照测试结果显示 Pulsar 体现更好。在 1 个分区测试中，不启用 Flush 时，Kafka 体现更好，当都设置为启用 Flush 时，Pulsar 的均匀提早为 2.969 毫秒，而 Kafka 的均匀提早则超出 Pulsar 的两倍，为 6.652 毫秒。
分区数量减少，Kafka 的提早增大，在 16 个分区测试中，Pulsar 的提早为 2.72 毫秒，而 Kafka 的提早为 18.454 毫秒，超出 Pulsar 测试后果的 6 倍。
当配置 Kafka 为启用 Flush 时，依然会呈现较大的公布提早峰值，不过产生频率不高。
在 Kafka 中，启用 Flush 会减少端到端提早。Kafka 在 1 个分区中体现更好（7.129 毫秒 vs 9.052 毫秒），而 Pulsar 在 6 个分区和 16 个分区中体现更好。随着工夫的推移，Kafka 的端到端提早会呈现高达 5 毫秒的峰值。
总结
基于以上测试后果，总结如下：
- 随着工夫的推移，Pulsar 提早的可预测性更高。与 Kafka 相比，Pulsar 提早随工夫变动的曲线更平滑。比照图表（6 个分区，均匀端到端提早，不刷新）显示，Kafka 的提早低于 Pulsar，然而 Pulsar 的提早值更为稳固。
- Pulsar 的提早变动不大。Kafka 测试显示，大多数状况下，p999 提早减少。而在 Pulsar 测试中，只有极少数状况下，提早的 p999 会减少。比照图表（6 个分区，p99 的公布提早，开启 fsync）显示，与 Kafka 相比，Pulsar 的提早值更稳固：
- 在应用繁多 producer 和繁多 consumer 时，Pulsar topic 分区数量减少，提早减小；Kafka topic 分区数量减少，提早增大。
- 在最高的要求音讯要长久化的前提下（保障不丢音讯），Pulsar 的提早低于 Kafka。
- 敞开 fsync，Pulsar 会有更小的提早，不能保障音讯的持久性
对于提早敏感工作负载而言，Pulsar 整体体现更好。Pulsar 能够保障统一的低提早与强持久性。当然，并不是所有的工作负载都对提早敏感。为进步吞吐量，可能须要承当提早性更高的代价。
想要随时把握 Pulsar 的研发停顿、用户案例和热点话题吗？快来关注 Apache Pulsar 和 StreamNative 微信公众号，咱们第一工夫在这里分享与 Pulsar 无关的所有。
点击 链接，查看英文原稿
