Apache Kafka与Pulsar消息队列选型对比
Apache Kafka和Apache Pulsar都是高性能分布式消息队列。请从架构模型（分区 vs 分段架构）、存储（磁盘 vs 分层存储）、消费模型、延迟/吞吐、Geo-Replication、生态兼容性等方面对比。Pulsar的存算分离架构有什么优势？在什么场景下应该选择Pulsar而非Kafka？
回答
小字辈
Kafka vs Pulsar 对比
| 维度 | Apache Kafka | Apache Pulsar |
|---|---|---|
| 架构 | 存算一体（Broker=存储+计算） | 存算分离（BookKeeper存 + Broker算） |
| 存储 | 本地磁盘分段日志 | Apache BookKeeper + 分层存储（S3） |
| 扩展 | 扩容需迁移分区数据 | 存储和计算独立扩容，无数据迁移 |
| 延迟 | 毫秒级 | 毫秒级 |
| 消费模型 | 消费者组 + offset | 订阅模式（Exclusive/Shared/Failover） |
| Geo-Replication | MirrorMaker（双倍费用） | 原生跨机房复制 |
| 生态 | 极其完善（连接器/KSQL/Schema Registry） | 兼容Kafka API，生态快速成长 |
| 运维 | 较成熟 | 较复杂（组件多） |
Pulsar优势：
- 存算分离 → 弹性好：计算层快速扩缩，存储层独立持久化
- 分层存储：热数据在BookKeeper，冷数据自动转存S3，极低成本
- 单一Topic可支持百万级Consumer（Kafka有分区数限制）
选Pulsar的场景：
- 超大Topic（无分区数限制需求）
- 需要无限消息保留
- 多机房复制需求
- 存算分离优先的云原生架构
选Kafka的场景：生态成熟、社区庞大、连接器丰富、团队经验充足