Kafka不是数据库
理解流式基础设施的使用和滥用，这一点很重要。
Kafka 是一种消息代理，在过去几年中迅速流行起来。消息代理已经存在很长时间了，它们是一种专门用于在生产者和消费者系统之间“缓冲”消息的数据存储。Kafka 已经相当流行，因为它是开源的，并且能够支持海量的消息。
消息代理通常用于解耦数据的生产者和消费者。例如，我们使用一个类似 Kafka 的消息代理来缓冲客户生成的 Webhook，然后将它们批量加载到数据仓库中。
在这个场景中，消息代理提供了从客户发送事件到 Fivetran 将它们加载到数据仓库之间的事件持久存储。
但是，Kafka 有时候也被描述为是一种比消息代理更大的东西。这个观点的支持者将 Kafka 定位为一种全新的数据管理方式，Kafka 取代了关系数据库，用于保存事件的最终记录。与读写传统数据库不同，在 Kafka 中，先是追加事件，然后从表示当前状态的下游视图中读取数据。这种架构被看成是对“数据库的颠覆”。
原则上，以一种同时支持读和写的方式实现这个架构是有可能的。但是，在这个过程中，最终会遇到数据库管理系统几十年来遇到的所有难题。你或多或少需要在应用程序层开发一个功能齐全的 DBMS，而你可能不会做得太好，毕竟一个数据库需要很多年才能做好。你需要处理脏读、幻读、写偏移等问题，还要应付匆忙实现的数据库存在的所有其他问题。
将 Kafka 作为数据存储的一个最基本的问题是它没有提供隔离机制。隔离意味着在全局内，所有事务 (读和写) 都是沿着某些一致的历史记录发生的。Jepsen 提供了一个隔离级别指南 (https://jepsen.io/consistency)。
我们举一个简单的例子来说明为什么隔离很重要：假设我们正在运营一个在线商店。当用户结账时，我们要确保他们下的订单都有足够的库存。我们是这样做的：
检查用户购物车中每个物品的库存水平。
如果某个物品没有库存，则中止结账。
如果所有物品都有库存，从库存中减去它们，并确认。
假设我们使用 Kafka 来实现这个流程。我们的架构可能看起来像这样：
Web 服务器从 Kafka 下游的库存视图读取库存，但它只能在 Checkouts 主题的上游提交事务。问题在于并发控制：如果有两个用户争着购买最后一件商品，那么只有一个用户可以购买成功。我们需要读取库存视图，并在一个单独的时间点确认结帐。但是，在这个架构中没有办法做到这一点。
我们现在遇到的问题叫做写偏移。当结账事件被处理时，从库存视图中读取的数据可能已经过时。如果两个用户同时尝试购买相同的物品，他们都将购买成功，那么我们便没有足够的库存供应给他们。
这种基于事件溯源的架构存在很多类似这样的隔离异常，让用户感到很困惑。更糟糕的是，研究表明，允许异常存在的架构也存在安全漏洞，给了黑客窃取数据的机会，正如这篇文章（https://www.cockroachlabs.com/blog/acid-rain）所写的那样。
如果你只是将 Kafka 作为传统数据库的补充，这些问题就可以避免：
OLTP 数据库负责执行消息代理不太擅长的关键任务：事件的准入控制。与将消息代理作为“触发并遗忘”事件的容器不同，OLTP 数据库可以拒绝冲突性事件，确保只接收一个具有一致性的事件流。OLTP 数据库在这一核心并发控制任务上做得非常出色——可扩展到每秒处理数百万个事务。
当使用数据库作为数据入口，从数据库读取事件的最佳方法是通过 CDC（变更数据捕获）。市场上有几个很棒的 CDC 框架，例如 Debezium（http://debezium.io/）和 Maxwell（http://maxwells-daemon.io/），以及来自现代 SQL 数据库的原生 CDC。CDC 还提供了优雅的运维解决方案。在进行数据恢复时，可以清除下游的所有内容，并从 (持久化的)OLTP 数据库重新构建。
几十年来，数据库社区已经总结了一些重要的经验教训。这些教训都是在造成数据损坏、数据丢失和让用户遭受损失的情况下获得的，并为此付出了惨重的代价。如果你不小心构建了一个错误的数据库，那么你会发现自己只不过是在重新经历这些经验教训。
实时流式消息代理是管理快速变化的数据的一个很好的工具，但你仍然需要一个传统的 DBMS 来实现事务隔离。要实现一个“颠覆性的数据库”，可以使用 OLTP 数据库进行准入控制，使用 CDC 进行事件生成，并将数据的下游副本变成物化视图。
InfoQ 写作平台欢迎所有热爱技术、热爱创作、热爱分享的内容创作者入驻！
还有更多超值活动等你来！
扫描下方二维码
填写申请，成为作者
点个在看少个 bug 👇
相关内容
微信扫码咨询专知VIP会员