深入解析Apache Pulsar系列 —— Broker消息确认的管理
The following article is from 腾讯云中间件 Author 林琳
导语
我们在之前的《深入解析Apache Pulsar系列之一 —— 客户端消息确认》中介绍过Apache Pulsar客户端的多种消息确认模式。这篇文章中，我们将介绍Broker侧对于消息确认的管理。
作者简介
林琳
腾讯云中间件专家工程师
Apache Pulsar PMC，《深入解析Apache Pulsar》作者。目前专注于中间件领域，在消息队列和微服务方向具有丰富的经验。负责TDMQ的设计与开发工作，目前致力于打造稳定、高效和可扩展的基础组件与服务。
客户端通过消息确认机制通知Broker某些消息已经被消费，后续不要再重复推送。Broker侧则使用游标来存储当前订阅的消费位置信息，包含了消费位置中的所有元数据，避免Broker重启后，消费者要从头消费的问题。Pulsar中的订阅分为持久订阅和非持久订阅，他们之间的区别是：持久订阅的游标（Cursor）是持久化的，元数据会保存在ZooKeeper，而非持久化游标只保存在Broker的内存中。
游标的简介
Pulsar中每个订阅都会包含一个游标，如果多个消费者拥有相同的订阅名（消费组），那这些消费者们会共享一个游标。游标的共享又和消费者的消费模式有关，如果是Exclusive或者FailOver模式的订阅，那同一时间只有一个消费者使用这个游标。如果是Shared或者Key_Shared模式的订阅，那多个消费者会同时使用这个游标。
每当消费者Ack一条消息，游标中指针的位置都有可能会变化，为什么说是有可能呢？这涉及到我们在客户端章节介绍的Acknowledge的方式：单条消息确认（Acknowledge）、批消息中的单个消息确认（Acknowledge）、累积消息确认（AcknowledgeCumulative）。否定应答（NegativeAcknowledge）不涉及游标的变化，因此不在讨论范围之内。
我们先看单条消息的确认，如果是独占式的消费，每确认一条消息，游标位置都会往后移动一个Entry，如下图所示：
累积消息确认，只需要确认一条消息，游标可以往后移动多个Entry，如：Consumer-1累积确认了Entry-4，则从0开始的Entry都会被确认，如下图所示：
对于共享式的消费，因为有多个消费者同时消费消息，因此消息的确认可能会出现空洞，空洞如下图所示：
这里也解释了为什么MarkeDeletePosition指针的位置可能发生变化，我们可以从共享式的消费中看到，消息确认是可能出现空洞的，只有当前面所有的Entry都被消费并确认，MarkeDeletePosition指针才会移动。如果存在空洞，MarkeDeletePosition指针是不会往后移动的。那这个MarkeDeletePosition指针和游标是什么关系呢？游标是一个对象，里面包含了多个属性，MarkeDeletePosition指针只是游标的其中一个属性。正如上面所说的Ack空洞，在游标中有另外专门的方式进行存储。如果我们不单独存储空洞，那Broker重启后，消费者只能从MarkDeletePosition开始消费，会存在重复消费的问题。如果以上图为例，Broker重启后Entry-4就会被重复消费。当然，Pulsar中对空洞信息是有单独存储的。
然后，我们看看游标里到底记录了什么元数据，此处只列出一些关键的属性：
属性名 | 描述 |
Bookkeeper | Bookkeeper Client的引用，主要用来打开Ledger，例如：读取历史数据，可以打开已经关闭的Ledger；当前Ledger已经写满，打开一个新的Ledger。 |
MarkDeletePosition | 标记可删除的位置，在这个位置之前的所有Entry都已经被确认了，因此这个位置之前的消息都是可删除状态。 |
PersistentMark DeletePosition | MarkDeletePosition是异步持久化的，这个属性记录了当前已经持久化的MarkDeletePosition。当MarkDeletePosition不可用时，会以这个位置为准。这个位置会在游标Recovery时初始化，后续在持久化成功后不断更新。 |
ReadPosition | 订阅当前读的位置，即使有多个消费者，读的位置肯定是严格有序的，只不过消息会分给不同的消费者而已。读取的位置会在游标恢复（Recovery）时初始化，消费时会不断更新 |
LastMarkDeleteEntry | 最后被标记为删除的Entry，即MarkDeletePosition指向的Entry。 |
CursorLedger | Cursor在Zookeeper中只会保存索引信息，具体的Ack数据会比较大，因此会保存到Bookkeeper中，这个属性持有了对应Ledger的引。 |
ndividualDeleted Messages | 用于保存Ack的空洞信息。 |
BatchDeletedIndexes | 用于保存批量消息中单条消息Ack信息。 |
看到CursorLedger，说明数据被保存到了Bookkeeper中。有的读者可能会有疑问，既然数据都保存到Bookkeeper中了，那ZooKeeper中保存的Cursor信息有什么用呢？我们可以认为ZooKeeper中保存的游标信息只是索引，包含了以下几个属性：
当前的cursorLedger名以及ID，用于打开Bookkeeper中的Ledger；
LastMarkDeleteEntry，最后被标记为删除的Entry信息，里面包含了LedgerId和EntryId；
游标最后的活动时间戳。
游标保存到ZooKeeper的时机有几个：
当cursor被关闭时；
当发生Ledger切换导致cursorLedger变化时；
当持久化空洞数据到Bookkeeper失败并尝试持久化空洞数据到ZooKeeper时。
我们可以把ZooKeeper中的游标信息看作Check Point，当恢复数据时，会先从ZooKeeper中恢复元数据，获取到Bookkeeper Ledger信息，然后再通过Ledger恢复最新的LastMarkDeleteEntry位置和空洞信息。
既然游标不会实时往ZooKeeper中写入数据，那是如何保证消费位置不丢失的呢？
Bookkeeper中的一个Ledger能写很多的Entry，因此高频的保存操作都由Bookkeeper来承担了，ZooKeeper只负责存储低频的索引更新。
消息空洞的管理
在游标对象中，使用了一个IndividualDeletedMessages容器来存储所有的空洞信息。得益于Java中丰富的轮子生态，Broker中直接使用了Guava Range这个库来实现空洞的存储。举个例子，假设在Ledger-1中我们的空洞如下：
则我们存储的空洞信息如下，即会用区间来表示已经连续Ack的范围：
[ (1:-1, 1:2] , (1:3, 1:6] ]
使用区间的好处是，可以用很少的区间数来表示整个Ledger的空洞情况，而不需要每个Entry都记录。当某个范围都已经被消费且确认了，会出现两个区间合并为一个区间，这都是Guava Range自动支持的能力。如果从当前MarkDeletePosition指针的位置到后面某个Entry为止，都连成了一个区间，则MarkDeletePosition指针就可以往后移动了。
记录了这些消息空洞之后，是如何用来避免消息重复消费的呢？
当Broker从Ledger中读取到消息后，会进入一个清洗阶段，如：过滤掉延迟消息等等。在这个阶段，Broker会遍历所有消息，看消息是否存在于Range里，如果存在，则说明已经被确认过了，这条消息会被过滤掉，不再推送给客户端。Guava Range提供了Contains接口，可以快速查看某个位置是否落在区间里。这种Entry需要被过滤的场景，基本上只会出现在Broker重启后，此时游标信息刚恢复。当ReadPosition超过了这段空洞的位置时，就不会出现读到重复消息要被过滤的情况了。
然后，我们来看看IndividualDeletedMessages这个容器的实现。
IndividualDeletedMessages 的类型是LongPairRangeSet，默认实现是DefaultRangeSet，是一个基于Google Guava Range包装的实现类。另外一个Pulsar自己实现的优化版：ConcurrentOpenLongPairRangeSet。优化版的RangeSet和Guava Range的存储方式有些不一样，Guava Range使用区间来记录数据，优化版RangeSet对外提供的接口也是Range，但是内部使用了BitSet来记录每个Entry是否被确认。
优化版RangeSet在空洞较多的情况下对内存更加友好。我们可以假设一个场景，有100W的消息被拉取，但是只有50W的消息已经被Ack，并且每隔一条消息Ack一条，这样就会出现50W个空洞。此时的Range就无法发挥区间的优势了，会出现50W个Range对象，如下图所示。而优化版的RangeSet使用了BitSet，每个ack只占一位。
我们可以在broker.conf中，通过配置项managedLedgerUnackedRangesOpenCacheSetEnabled=true来开启使用优化版的RangeSet。
也正因如此，如果整个集群的订阅数比较多，游标对象的数据量其实并不小。所以在Pulsar中，MetaDataStore中只保存了游标的索引信息，即保存了游标存储在哪个Ledger中。真正的游标数据会通过上面介绍的cursorLedger写入到Bookkeeper中持久化。整个游标对象会被写入到一个Entry中，其Protobuf的定义如下：
message PositionInfo { required int64 ledgerId = 1; required int64 entryId = 2; repeated MessageRange individualDeletedMessages = 3; repeated LongProperty properties = 4; repeated BatchedEntryDeletionIndexInfo batchedEntryDeletionIndexInfo = 5;}看到这里，其实Batch消息中单条消息确认的实现也清晰了，BatchDeletedIndexes是一个ConcurrentSkipListMap，Key为一个Position对象，对象里面包含了LedgerId和EntryId。Value是一个BitSet，记录了这个Batch里面哪些消息已经被确认。BatchDeletedIndexes会和单条消息的空洞一起放在同一个对象（PositionInfo）中，最后持久化到Bookkeeper。
空洞数据如果写入Bookkeeper失败了，现在Pulsar还会尝试往ZooKeeper中保存，和索引信息一起保存。但是ZooKeeper不会保存所有的数据，只会保存一小部分，尽可能的让客户端不出现重复消费。我们可以通过broker.conf中的配置项来决定最多持久化多少数据到ZooKeeper，配置项名为：managedLedgerMaxUnackedRangesToPersistInZooKeeper，默认值是1000。
消息空洞管理的优化
空洞存储的方案看起来已经很完美，但是在海量未确认消息的场景下还是会出现一些问题。首先是大量的订阅会让游标数量暴增，导致Broker内存的占用过大。其次，有很多空洞其实是根本没有变化的，现在每次都要保存全量的空洞数据。最后，虽然优化版RangeSet在内存中使用了BitSet来存储，但是实际存储在Bookkeeper中的数据MessageRange，还是一个个由LedgerId和EntryId组成的对象，每个MessageRange占用16字节。当空洞数量比较多时，总体体积会超过5MB，而现在Bookkeeper能写入的单个Entry大小上限是5MB，如果超过这个阈值就会出现空洞信息持久化失败的情况。
对于这种情况，已经有专门的PIP在解决这个问题，笔者在写这篇文章的时候，这个PIP代码已经提交，正在Review阶段，因此下面的内容可能会和最终代码有一定差距。
新的方案中主要使用LRU+分段存储的方式来解决上述问题。由于游标中空洞信息数据量可能会很大，因此内存中只保存少量热点区间，通过LRU算法来切换冷热数据，从而进一步压缩内存的使用率。分段存储主要是把空洞信息存储到不同的Entry中去，这样能避免超过一个Entry最大消息5MB的限制。
如果我们把空洞信息拆分为多个Entry来存储，首先面临的问题是索引。因为使用单个Entry记录时，只需要读取Ledger中最后一个Entry即可，而拆分为多个Entry后，我们不知道要读取多少个Entry。因此，新方案中引入了Marker，如下图所示：
当所有的Entry保存完成后，插入一个Marker，Marker是一个特殊的Entry，记录了当前所有拆分存储的Entry。当数据恢复时，从后往前读，先读出索引，然后再根据索引读取所有的Entry。
由于存储涉及到多个Entry，因此需要保证原子性，只要最后一个Entry读出来不是Marker，则说明上次的保存没有完成就中断了，会继续往前读，直到找到一个完整的Marker。
空洞信息的存储，也不需要每次全量了。以Ledger为单位，记录每个Ledger下的数据是否有修改过，如果空洞数据被修改过会被标识为脏数据，存储时只会保存有脏数据的部分，然后修改Marker中的索引。
假设Entry-2中存储的空洞信息有修改，则Entry-2会被标记为脏数据，下次存储时，只需要存储一个Entry-2，再存储一个Marker即可。只有当整个Ledger写满的情况下，才会触发Marker中所有Entry复制到新Ledger的情况。如下图所示：
ManagedLedger在内存中通过LinkedHashMap实现了一个LRU链表，会有线程定时检查空洞信息的内存占用是否已经达到阈值，如果达到了阈值则需要进行LRU换出，切换以Ledger为单位，把最少使用的数据从Map中移除。LRU数据的换入是同步的，当添加或者调用Contains时，发现Marker中存在这个Ledger的索引，但是内存中没有对应的数据，则会触发同步数据的加载。异步换出和同步换入，主要是为了让数据尽量在内存中多待一会，避免出现频繁的换入换出。
后记
Pulsar中的设计细节非常多，由于篇幅有限，作者会整理一系列的文章进行技术分享，敬请期待。如果各位希望系统性地学习Pulsar，可以购买作者出版的新书《深入解析Apache Pulsar》。
参考阅读：
技术原创及架构实践文章，欢迎通过公众号菜单「联系我们」进行投稿。