4. 总结

在优化之前，1000w条消息需要耗费240MB内存大小，每条消息平均占用内存大小AES为240*1024*1024/10000000byte = 25.16byte，而使用新算法之后，我们可以轻松将AES降低到1byte以下，要实现0.163byte（即1.304bit）也不是一件难事，实现了巨大的优化，并且已经逼近了理论下限1bit。

使用这个优化，Pulsar可以轻松承载千亿级延迟消息规模，如保守估计AES为0.5byte，那么1千亿消息配合100的batch大小，仅需消耗内存

0.5*100000000000/1024/1024/1024/100GB=0.46GB

当然万亿级别的延迟消息也能承受，内存压力分摊到集群里的不同broker上面，压力也不大。

希望用户看完这篇文章之后，能根据自己的实际应用场景，让TimeBucket算法充分发挥其性能，降低内存资源的占用，助力业务的成功。