升级后所遇到的问题

先来个欲扬先抑，聊聊升级后所碰到的问题吧。

其中有两个问题我们感知比较明显，特别是第一个。

topic被删除

我们在上个月某天凌晨从 2.11.2 升级到 3.0.1 之后，进行了上一篇文章中所提到的功能性测试，发现没什么问题，觉得一切都还挺顺利的，半个小时搞定后就下班了。

结果哪知道第二天是被电话叫醒的，有部分业务反馈业务重启之后就无法连接到 Pulsar 了。

图片

最终定位是 topic 被删除了。

其中的细节还蛮多的，修复过程也是一波三折，后面我会单独写一篇文章来详细梳理这个过程。

在这个 issue 和 PR 中有详细的描述：https://github.com/apache/pulsar/issues/21653 https://github.com/apache/pulsar/pull/21704

感兴趣的朋友也可以先看看。

监控指标丢失

第二个问题不是那么严重，是升级后发现  bookkeeper 的一些监控指标丢失了，比如这里的写入延迟：

图片

我也定位了蛮久，但不管是官方的 docker 镜像还是源码编译都无法复现这个问题。

最终丢失的指标有这些：

• bookkeeper_server_ADD_ENTRY_REQUEST
• bookkeeper_server_ADD_ENTRY_BLOCKED
• bookkeeper_server_READ_ENTRY_BLOCKED
• bookie_journal_JOURNAL_CB_QUEUE_SIZE
• bookie_read_cache_hits_count
• bookie_read_cache_misses_count
• bookie_DELETED_LEDGER_COUNT
• bookie_MAJOR_COMPACTION_COUNT

详细内容可以参考这个 issue：https://github.com/apache/pulsar/issues/21766

新特性

讲完了遇到的 bug，再来看看带来的新特性，重点介绍我们用得上的特性。

支持低负载均衡

图片

当我们升级或者是重启 broker 的时候，全部重启成功后其实会发现最后重启的那个 broker 是没有流量的。

这个原理和优化在之前写过的 Pulsar负载均衡原理及优化 其实有详细介绍。

本次 3.0 终于将那个优化发版了，之后只要我们配置 lowerBoundarySheddingEnabled: true 就能开启这个低负载均衡的一个特性，使得低负载的 broker 依然有流量进入。

跳过空洞消息

图片

Pulsar 可能会因为消息消费异常导致游标出现空洞，从而导致磁盘得不到释放；

所以我们有一个定时任务，会定期扫描积压消息的 topic 判断是否存在空洞消息，如果存在便可以在管理台使用 skipMessage API 跳过空洞消息，从而释放磁盘。

但在 3.0 之前这个跳过 API 存在 bug，只要跳过的数量超过 8 时，实际跳过的数量就会小于 8.

具体 issue 和修复过程在这里：https://github.com/apache/pulsar/issues/20262 https://github.com/apache/pulsar/pull/20326

总之这个问题在 3.0 之后也是修复了，有类似需求的朋友也可以使用。

新的负载均衡器

同时也支持了一个新的负载均衡器，解决了以下问题：

• 以前的负载均衡大量依赖 zk，当 topic 数量增多时对扩展性带来问题。

• 新的负载均衡器使用 non-persistent 来存储负载信息，就不再依赖 zk 。

• 以前的负载均衡器需要依赖 leader broker 进行重定向到具体的 broker，其实这些重定向并无意义，徒增了系统开销。

• 新的负载均衡器使用了 SystemTopic 来存放 topic 的所有权信息，这样每个 broker 都可以拿到数据，从而不再需要从 leader broker 重定向了。

更多完整信息可以参考这个 PIP: PIP-192: New Pulsar Broker Load Balancer

支持大规模延迟消息

第二个重大特性是支持大规模延迟消息，相信是有不少企业选择 Pulsar 也是因为他原生就支持延迟消息。

我们也是大量在业务中使用延迟消息，以往的延迟消息有着以下一些问题：

• 内存开销过大，延迟消息的索引都是保存在内存中，即便是可以分布在多个 broker 中分散存储，但消耗依然较大

• 重点优化了索引的内存占有量。

• 重启 broker 时会消耗大量时候重建索引

• 支持了索引快照，最大限度的降低了构建索引的资源消耗。

待优化功能

监控面板优化

最后即便是升级到了 3.0 依然还有一些待优化的功能，在之前的 从 Pulsar Client 的原理到它的监控面板中有提到给客户端加了一些监控埋点信息。

最终使用下来发现还缺一个 ack 耗时的一个面板，其实日常碰到最多的问题就是突然不能消费了（或者消费过慢）。

这时如果有这样的耗时面板，首先就可以定位出是否是消费者本身的问题。

图片

目前还在开发中，大概类似于这样的数据。

总结

Pulsar3.0 是 Pulsar 的第一个 LTS 版本，推荐尽快升级可以获得长期支持。但只要是软件就会有 bug，即便是 LTS 版本，所以大家日常使用碰到 Bug 建议多向社区反馈，一起推动 Pulsar 的进步。