最新开源项目 Confluo，吞吐量是 Kafka 的 4 到 10 倍！

近日伯克利 RISE Lab 开源了一个多数据流实时分布式分析系统 Confluo，它即是一个网络监控和诊断框架，也可以作为时序数据库和发布订阅消息系统。

当下，类似基于终端主机的网络监控系统、IoT 设备传感器程序等应用，其后端的服务器每秒都可以捕获数千万个数据点。这些数据被用于在线查询，实现可视化与监控，或者用于离线查询，进行故障分析和系统优化。

这样的使用场景下，就需要实时监控和分析工具支持，这些工具通常支持高吞吐量数据提取、低延迟在线查询和低开销的离线查询。

虽然目前已经存在一些用于高吞吐量数据提取的数据结构，它们可以支持丰富的在线和离线查询，但是高吞吐量与查询能力目前来看还是互斥的。在从多个数据流提取数据时，查询需要更新多个数据结构，包括原始数据、聚合统计信息和物化视图。

但是用于支持这些查询的数据结构往往具有较高的更新开销，而且无法维持大多数应用程序所需的数据提取速率。而另一方面，可以维持高数据提取速率的数据结构往往只支持非常简单的查询。

Confluo 正是为了应对这种情况而产生的，它是一个致力于同时实现高吞吐量数据提取和富有表现力的离线/在线查询的系统。

作为一个网络监控和诊断框架，Confluo 能够在单核上以线路速率（10Gbps 链路）执行数千个触发器和数十个过滤器。
作为一个时序数据库，与其它诸如 CorfuDB、TimescaleDB 和 BTrDB 等先进的时序数据库相比，Confluo 的吞吐量提高了 2 到 20 倍，写入延迟降低了 2 至 10 倍，时间区间查询延迟降低了 5 至 20 倍。
作为一个发布订阅消息系统，Confluo 的吐量是 Kafka 的 4 到 10 倍。

更详细的分析：

https://rise.cs.berkeley.edu/blog/confluo-millisecond-level-queries-on-large-scale-streaming-data