trustgraph/docs/tech-specs/pubsub.zh-cn.md

layout	title	parent
default	Pub/Sub 基础设施	Chinese (Beta)

Pub/Sub 基础设施

Beta Translation: This document was translated via Machine Learning and as such may not be 100% accurate. All non-English languages are currently classified as Beta.

概述

本文档记录了 TrustGraph 代码库与 pub/sub 基础设施之间的所有连接。目前，系统是硬编码为使用 Apache Pulsar。此分析识别了所有集成点，以促进未来向可配置的 pub/sub 抽象的重构。

当前状态：Pulsar 集成点

1. 直接 Pulsar 客户端使用

位置： trustgraph-flow/trustgraph/gateway/service.py

API 网关直接导入和实例化 Pulsar 客户端：

第 20 行： import pulsar 第 54-61 行： 直接实例化 pulsar.Client()，带可选 pulsar.AuthenticationToken() 第 33-35 行： 从环境变量获取默认 Pulsar 主机配置 第 178-192 行： CLI 参数，用于 --pulsar-host、--pulsar-api-key 和 --pulsar-listener 第 78、124 行： 将 pulsar_client 传递给 ConfigReceiver 和 DispatcherManager

这是唯一直接在抽象层之外实例化 Pulsar 客户端的位置。

2. 基础处理器框架

位置： trustgraph-base/trustgraph/base/async_processor.py

所有处理器的基本类提供 Pulsar 连接：

第 9 行： import _pulsar (用于异常处理) 第 18 行： from . pubsub import PulsarClient 第 38 行： 创建 pulsar_client_object = PulsarClient(**params) 第 104-108 行： 暴露 pulsar_host 和 pulsar_client 的属性 第 250 行： 静态方法 add_args() 调用 PulsarClient.add_args(parser) 以获取 CLI 参数 第 223-225 行： _pulsar.Interrupted 的异常处理

所有处理器都继承自 AsyncProcessor，使其成为主要的集成点。

3. 消费者抽象

位置： trustgraph-base/trustgraph/base/consumer.py

从队列中消耗消息并调用处理函数：

Pulsar 导入： 第 12 行： from pulsar.schema import JsonSchema 第 13 行： import pulsar 第 14 行： import _pulsar

Pulsar 特定的用法： 第 100、102 行： pulsar.InitialPosition.Earliest / pulsar.InitialPosition.Latest 第 108 行： JsonSchema(self.schema) 包装器 第 110 行： pulsar.ConsumerType.Shared 第 104-111 行： self.client.subscribe()，带有 Pulsar 特定的参数 第 143、150、65 行： consumer.unsubscribe() 和 consumer.close() 方法 第 162 行： _pulsar.Timeout 异常 第 182、205、232 行： consumer.acknowledge() / consumer.negative_acknowledge()

Spec 文件： trustgraph-base/trustgraph/base/consumer_spec.py 第 22 行： 引用 processor.pulsar_client

4. 生产者抽象

位置： trustgraph-base/trustgraph/base/producer.py

向队列发送消息：

Pulsar 导入： 第 2 行： from pulsar.schema import JsonSchema

Pulsar 特定的用法： 第 49 行： JsonSchema(self.schema) 包装器 第 47-51 行： self.client.create_producer()，带有 Pulsar 特定的参数 (topic, schema, chunking_enabled) 第 31、76 行： producer.close() 方法 第 64-65 行： producer.send()，带有消息和属性

Spec 文件： trustgraph-base/trustgraph/base/producer_spec.py 第 18 行： 引用 processor.pulsar_client

5. 发布者抽象

位置： trustgraph-base/trustgraph/base/publisher.py

具有队列缓冲的异步消息发布：

Pulsar 导入： 第 2 行： from pulsar.schema import JsonSchema 第 6 行： import pulsar

Pulsar 特定的用法： 第 52 行： JsonSchema(self.schema) 包装器 第 50-54 行： self.client.create_producer()，带有 Pulsar 特定的参数 第 101、103 行： producer.send()，带有消息和可选属性 第 106-107 行： producer.flush() 和 producer.close() 方法

6. 订阅者抽象

位置： trustgraph-base/trustgraph/base/subscriber.py

提供从队列分发给多个接收者的消息功能：

Pulsar 导入： 第 6 行： from pulsar.schema import JsonSchema 第 8 行： import _pulsar

Pulsar 特定的用法： 第 55 行： JsonSchema(self.schema) 包装器 第 57 行： self.client.subscribe(**subscribe_args) 第 101、136、160、167-172 行： Pulsar 异常：_pulsar.Timeout, _pulsar.InvalidConfiguration, _pulsar.AlreadyClosed 第 159、166、170 行： 消费者方法：negative_acknowledge(), unsubscribe(), close() 第 247、251 行： 消息确认：acknowledge(), negative_acknowledge()

Spec 文件： trustgraph-base/trustgraph/base/subscriber_spec.py 第 19 行： 引用 processor.pulsar_client

7. Schema 系统 (黑暗之心)

位置： trustgraph-base/trustgraph/schema/

系统中的每个消息模式都使用 Pulsar 的模式框架定义。

核心原语： schema/core/primitives.py 第 2 行： from pulsar.schema import Record, String, Boolean, Array, Integer 所有模式都继承自 Pulsar 的 Record 基类 所有字段类型都是 Pulsar 类型：String(), Integer(), Boolean(), Array(), Map(), Double()

示例模式： schema/services/llm.py (第 2 行)：from pulsar.schema import Record, String, Array, Double, Integer, Boolean schema/services/config.py (第 2 行)：from pulsar.schema import Record, Bytes, String, Boolean, Array, Map, Integer

主题命名： schema/core/topic.py 第 2-3 行： 主题格式：{kind}://{tenant}/{namespace}/{topic} 此 URI 结构是 Pulsar 特定的（例如，persistent://tg/flow/config）

影响： 代码库中所有请求/响应消息定义都使用 Pulsar 模式 这包括用于：config、flow、llm、prompt、query、storage、agent、collection、diagnosis、library、lookup、nlp_query、objects_query、retrieval、structured_query 的服务 模式定义被导入并广泛地用于所有处理器和服务中

总结

Pulsar 依赖项按类别划分

1. 客户端实例化： 直接：gateway/service.py 抽象：async_processor.py → pubsub.py (PulsarClient)

2. 消息传输： 消费者：consumer.py, consumer_spec.py 生产者：producer.py, producer_spec.py 发布者：publisher.py 订阅者：subscriber.py, subscriber_spec.py

3. 模式系统： 基本类型：schema/core/primitives.py 所有服务模式：schema/services/*.py 主题命名：schema/core/topic.py

4. 需要 Pulsar 特定的概念： 基于主题的消息 模式系统 (Record, 字段类型) 共享订阅 消息确认 (肯定/否定) 消费者定位 (最早/最新) 消息属性 初始位置和消费者类型 分块支持 持久化与非持久化主题

重构挑战

好的消息：抽象层 (Consumer, Producer, Publisher, Subscriber) 提供了一个干净的 Pulsar 交互的封装。

挑战：

1. 模式系统的普遍性： 每个消息定义都使用 pulsar.schema.Record 和 Pulsar 字段类型
2. Pulsar 特定的枚举： InitialPosition, ConsumerType
3. Pulsar 异常： _pulsar.Timeout, _pulsar.Interrupted, _pulsar.InvalidConfiguration, _pulsar.AlreadyClosed
4. 方法签名： acknowledge(), negative_acknowledge(), subscribe(), create_producer(), 等等。
5. 主题 URI 格式： Pulsar 的 kind://tenant/namespace/topic 结构

下一步

为了使 pub/sub 基础设施可配置，我们需要：

1. 为客户端/模式系统创建抽象接口
2. 抽象 Pulsar 特定的枚举和异常
3. 创建模式包装器或替代模式定义
4. 为 Pulsar 和其他系统（Kafka、RabbitMQ、Redis Streams 等）实现该接口
5. 更新 pubsub.py 以使其可配置并支持多个后端
6. 提供现有部署的迁移路径

方法草案 1：带模式转换层的适配器模式

关键洞察

模式系统 是最深入的集成点 - 其他一切都由此而产生。 我们需要首先解决这个问题，否则我们将重写整个代码库。

策略：通过适配器实现最小的干扰

1. 保持 Pulsar 模式作为内部表示 不要重写所有的模式定义 模式在内部仍然是 pulsar.schema.Record 使用适配器在我们的代码和发布/订阅后端之间的边界进行转换

2. 创建一个发布/订阅抽象层：

┌─────────────────────────────────────┐
│   Existing Code (unchanged)         │
│   - Uses Pulsar schemas internally  │
│   - Consumer/Producer/Publisher     │
└──────────────┬──────────────────────┘
               │
┌──────────────┴──────────────────────┐
│   PubSubFactory (configurable)      │
│   - Creates backend-specific client │
└──────────────┬──────────────────────┘
               │
        ┌──────┴──────┐
        │             │
┌───────▼─────┐  ┌────▼─────────┐
│ PulsarAdapter│  │ KafkaAdapter │  etc...
│ (passthrough)│  │ (translates) │
└──────────────┘  └──────────────┘

3. 定义抽象接口: PubSubClient - 客户端连接 PubSubProducer - 发送消息 PubSubConsumer - 接收消息 SchemaAdapter - 将 Pulsar 模式转换为 JSON 或后端特定的格式，反之亦然

4. 实现细节:

对于 Pulsar 适配器: 几乎是直通模式，最小化转换

对于 其他后端 (Kafka, RabbitMQ 等): 将 Pulsar Record 对象序列化为 JSON/字节 映射概念，例如： InitialPosition.Earliest/Latest → Kafka 的 auto.offset.reset acknowledge() → Kafka 的 commit negative_acknowledge() → 重试或 DLQ 模式 Topic URI → 后端特定的主题名称

分析

优点: ✅ 对现有服务的代码更改最小 ✅ 模式保持不变 (无需大规模重写) ✅ 逐步迁移路径 ✅ Pulsar 用户不会看到任何差异 ✅ 通过适配器添加新的后端

缺点: ⚠️ 仍然依赖 Pulsar (用于模式定义) ⚠️ 在转换概念时存在一些阻抗不匹配

替代方案

创建一个 TrustGraph 模式系统，该系统与 pub/sub 无关 (使用 dataclasses 或 Pydantic)，然后从该系统生成 Pulsar/Kafka/等的模式。 这需要重写每个模式文件，并且可能导致不兼容的更改。

草案 1 的建议

从 适配器方法 开始，因为：

1. 它实用 - 与现有代码兼容
2. 以最小的风险验证概念
3. 如果需要，可以演变为原生模式系统
4. 基于配置：一个环境变量切换后端

草案 2 方法：具有 Dataclasses 的后端无关模式系统

核心概念

使用 Python dataclasses 作为中立的模式定义格式。 每个 pub/sub 后端都提供自己的序列化/反序列化，以处理 dataclasses，从而无需在代码库中保留 Pulsar 模式。

工厂级别的模式多态

而是翻译 Pulsar 模式，每个后端都提供自己的模式处理，该处理方式适用于标准的 Python dataclasses。

发布者流程

# 1. Get the configured backend from factory
pubsub = get_pubsub()  # Returns PulsarBackend, MQTTBackend, etc.

# 2. Get schema class from the backend
# (Can be imported directly - backend-agnostic)
from trustgraph.schema.services.llm import TextCompletionRequest

# 3. Create a producer/publisher for a specific topic
producer = pubsub.create_producer(
    topic="text-completion-requests",
    schema=TextCompletionRequest  # Tells backend what schema to use
)

# 4. Create message instances (same API regardless of backend)
request = TextCompletionRequest(
    system="You are helpful",
    prompt="Hello world",
    streaming=False
)

# 5. Send the message
producer.send(request)  # Backend serializes appropriately

消费者流程

# 1. Get the configured backend
pubsub = get_pubsub()

# 2. Create a consumer
consumer = pubsub.subscribe(
    topic="text-completion-requests",
    schema=TextCompletionRequest  # Tells backend how to deserialize
)

# 3. Receive and deserialize
msg = consumer.receive()
request = msg.value()  # Returns TextCompletionRequest dataclass instance

# 4. Use the data (type-safe access)
print(request.system)   # "You are helpful"
print(request.prompt)   # "Hello world"
print(request.streaming)  # False

幕后发生了什么

对于 Pulsar 后端： create_producer() → 创建具有 JSON 模式或动态生成的记录的 Pulsar 生产者。 send(request) → 将数据类序列化为 JSON/Pulsar 格式，并发送到 Pulsar。 receive() → 获取 Pulsar 消息，将其反序列化回数据类。

对于 MQTT 后端： create_producer() → 连接到 MQTT 代理，无需注册模式。 send(request) → 将数据类转换为 JSON，并发布到 MQTT 主题。 receive() → 订阅 MQTT 主题，并将 JSON 反序列化为数据类。

对于 Kafka 后端： create_producer() → 创建 Kafka 生产者，如果需要，注册 Avro 模式。 send(request) → 将数据类序列化为 Avro 格式，并发送到 Kafka。 receive() → 获取 Kafka 消息，并将 Avro 反序列化回数据类。

关键设计点

1. 模式对象创建： 数据类实例 (TextCompletionRequest(...)) 无论后端如何都是相同的。
2. 后端处理编码： 每个后端都知道如何将数据类序列化为线格式。
3. 在创建时定义模式： 在创建生产者/消费者时，您指定模式类型。
4. 保留类型安全： 您会得到一个正确的 TextCompletionRequest 对象，而不是一个字典。
5. 没有后端泄漏： 应用程序代码永远不会导入特定于后端的库。

示例转换

当前（特定于 Pulsar）：

# schema/services/llm.py
from pulsar.schema import Record, String, Boolean, Integer

class TextCompletionRequest(Record):
    system = String()
    prompt = String()
    streaming = Boolean()

新功能（与后端无关）：

# schema/services/llm.py
from dataclasses import dataclass

@dataclass
class TextCompletionRequest:
    system: str
    prompt: str
    streaming: bool = False

后端集成

每个后端负责数据类的序列化/反序列化：

Pulsar 后端： 从数据类动态生成 pulsar.schema.Record 类 或者将数据类序列化为 JSON，并使用 Pulsar 的 JSON 模式 保持与现有 Pulsar 部署的兼容性

MQTT/Redis 后端： 直接对数据类实例进行 JSON 序列化 使用 dataclasses.asdict() / from_dict() 轻量级，无需模式注册表

Kafka 后端： 从数据类定义生成 Avro 模式 使用 Confluent 的模式注册表 具有模式演进支持的类型安全序列化

架构

┌─────────────────────────────────────┐
│   Application Code                  │
│   - Uses dataclass schemas          │
│   - Backend-agnostic                │
└──────────────┬──────────────────────┘
               │
┌──────────────┴──────────────────────┐
│   PubSubFactory (configurable)      │
│   - get_pubsub() returns backend    │
└──────────────┬──────────────────────┘
               │
        ┌──────┴──────┐
        │             │
┌───────▼─────────┐  ┌────▼──────────────┐
│ PulsarBackend   │  │ MQTTBackend       │
│ - JSON schema   │  │ - JSON serialize  │
│ - or dynamic    │  │ - Simple queues   │
│   Record gen    │  │                   │
└─────────────────┘  └───────────────────┘

实现细节

1. 模式定义： 使用带有类型提示的简单数据类 str, int, bool, float 用于基本类型 list[T] 用于数组 dict[str, T] 用于映射 用于复杂类型的嵌套数据类

2. 每个后端提供： 序列化器：dataclass → bytes/wire format 反序列化器：bytes/wire format → dataclass 模式注册（如果需要，例如 Pulsar/Kafka）

3. 消费者/生产者抽象： 已经存在 (consumer.py, producer.py) 更新以使用后端的序列化 移除直接的 Pulsar 导入

4. 类型映射： Pulsar String() → Python str Pulsar Integer() → Python int Pulsar Boolean() → Python bool Pulsar Array(T) → Python list[T] Pulsar Map(K, V) → Python dict[K, V] Pulsar Double() → Python float Pulsar Bytes() → Python bytes

迁移路径

1. 创建所有模式的数据类版本，位于 trustgraph/schema/
2. 更新后端类（Consumer, Producer, Publisher, Subscriber），以使用后端提供的序列化
3. 实现 PulsarBackend，使用 JSON 模式或动态 Record 生成
4. 使用 Pulsar 进行测试，以确保与现有部署的向后兼容性
5. 添加新的后端（MQTT, Kafka, Redis 等），如果需要
6. 从模式文件中移除 Pulsar 导入

优点

✅ 模式定义中没有 pub/sub 依赖 ✅ 标准 Python - 易于理解、类型检查和记录 ✅ 现代工具 - 与 mypy、IDE 自动完成、linter 兼容 ✅ 后端优化 - 每个后端使用本机序列化 ✅ 没有翻译开销 - 直接序列化，没有适配器 ✅ 类型安全 - 具有正确类型的真实对象 ✅ 易于验证 - 如果需要，可以使用 Pydantic

挑战与解决方案

挑战： Pulsar 的 Record 具有运行时字段验证 解决方案： 如果需要，可以使用 Pydantic 数据类进行验证，或者使用 Python 3.10+ 数据类功能，并结合 __post_init__

挑战： 一些 Pulsar 特定的功能（例如 Bytes 类型） 解决方案： 将其映射到数据类中的 bytes 类型，后端负责适当的编码

挑战： 主题命名（persistent://tenant/namespace/topic） 解决方案： 在模式定义中抽象主题名称，后端将其转换为正确的格式

挑战： 模式演化和版本控制 解决方案： 每个后端根据其功能处理此问题（Pulsar 模式版本、Kafka 模式注册等）

挑战： 嵌套的复杂类型 解决方案： 使用嵌套的数据类，后端递归地序列化/反序列化

设计决策

1. 使用纯数据类还是 Pydantic？ ✅ 决策：使用纯 Python 数据类 更简单，没有额外的依赖 实际上不需要验证 更容易理解和维护

2. 模式演化： ✅ 决策：不需要版本机制 模式是稳定且持久的 更新通常会添加新字段（向后兼容） 后端根据其功能处理模式演化

3. 向后兼容性： ✅ 决策：进行主要版本更改，不需要向后兼容 这将是一个破坏性更改，并提供迁移说明 清理的断开允许更好的设计 将为现有部署提供迁移指南

4. 嵌套类型和复杂结构： ✅ 决策：自然地使用嵌套的数据类 Python 数据类完美地处理嵌套 list[T] 用于数组，dict[K, V] 用于映射 后端递归地序列化/反序列化 示例：

   @dataclass
   class Value:
       value: str
       is_uri: bool
   
   @dataclass
   class Triple:
       s: Value              # Nested dataclass
       p: Value
       o: Value
   
   @dataclass
   class GraphQuery:
       triples: list[Triple]  # Array of nested dataclasses
       metadata: dict[str, str]
   

5. 默认值和可选字段： ✅ 决策：强制、默认和可选字段的组合 强制字段：没有默认值 具有默认值的字段：始终存在，具有合理的默认值 真正可选的字段：T | None = None，当None时，从序列化中省略 示例：

   @dataclass
   class TextCompletionRequest:
       system: str              # Required, no default
       prompt: str              # Required, no default
       streaming: bool = False  # Optional with default value
       metadata: dict | None = None  # Truly optional, can be absent
   

   重要的序列化语义：

   当 metadata = None:

   {
       "system": "...",
       "prompt": "...",
       "streaming": false
       // metadata field NOT PRESENT
   }
   

   当 metadata = {} (显式为空):

   {
       "system": "...",
       "prompt": "...",
       "streaming": false,
       "metadata": {}  // Field PRESENT but empty
   }
   

   关键区别： None → JSON 中不存在的字段（未序列化） 空值（{}, [], ""）→ 字段存在，但值为空 这在语义上很重要：“未提供”与“显式为空” 序列化后端必须跳过 None 字段，而不是将其编码为 null

方案草案 3：实现细节

通用队列命名格式

将后端特定的队列名称替换为一种通用格式，以便后端可以进行适当的映射。

格式： {qos}/{tenant}/{namespace}/{queue-name}

其中： qos：服务质量级别 q0 = 尽力而为（发送并忘记，无需确认） q1 = 至少一次（需要确认） q2 = 恰好一次（两阶段确认） tenant：多租户逻辑分组 namespace：租户内的子分组 queue-name：实际的队列/主题名称

示例：

q1/tg/flow/text-completion-requests
q2/tg/config/config-push
q0/tg/metrics/stats

后端主题映射

每个后端将通用格式映射到其原生格式：

Pulsar 后端：

def map_topic(self, generic_topic: str) -> str:
    # Parse: q1/tg/flow/text-completion-requests
    qos, tenant, namespace, queue = generic_topic.split('/', 3)

    # Map QoS to persistence
    persistence = 'persistent' if qos in ['q1', 'q2'] else 'non-persistent'

    # Return Pulsar URI: persistent://tg/flow/text-completion-requests
    return f"{persistence}://{tenant}/{namespace}/{queue}"

MQTT 后端：

def map_topic(self, generic_topic: str) -> tuple[str, int]:
    # Parse: q1/tg/flow/text-completion-requests
    qos, tenant, namespace, queue = generic_topic.split('/', 3)

    # Map QoS level
    qos_level = {'q0': 0, 'q1': 1, 'q2': 2}[qos]

    # Build MQTT topic including tenant/namespace for proper namespacing
    mqtt_topic = f"{tenant}/{namespace}/{queue}"

    return mqtt_topic, qos_level

更新后的主题辅助函数

# schema/core/topic.py
def topic(queue_name, qos='q1', tenant='tg', namespace='flow'):
    """
    Create a generic topic identifier that can be mapped by backends.

    Args:
        queue_name: The queue/topic name
        qos: Quality of service
             - 'q0' = best-effort (no ack)
             - 'q1' = at-least-once (ack required)
             - 'q2' = exactly-once (two-phase ack)
        tenant: Tenant identifier for multi-tenancy
        namespace: Namespace within tenant

    Returns:
        Generic topic string: qos/tenant/namespace/queue_name

    Examples:
        topic('my-queue')  # q1/tg/flow/my-queue
        topic('config', qos='q2', namespace='config')  # q2/tg/config/config
    """
    return f"{qos}/{tenant}/{namespace}/{queue_name}"

配置和初始化

命令行参数 + 环境变量：

# In base/async_processor.py - add_args() method
@staticmethod
def add_args(parser):
    # Pub/sub backend selection
    parser.add_argument(
        '--pubsub-backend',
        default=os.getenv('PUBSUB_BACKEND', 'pulsar'),
        choices=['pulsar', 'mqtt'],
        help='Pub/sub backend (default: pulsar, env: PUBSUB_BACKEND)'
    )

    # Pulsar-specific configuration
    parser.add_argument(
        '--pulsar-host',
        default=os.getenv('PULSAR_HOST', 'pulsar://localhost:6650'),
        help='Pulsar host (default: pulsar://localhost:6650, env: PULSAR_HOST)'
    )

    parser.add_argument(
        '--pulsar-api-key',
        default=os.getenv('PULSAR_API_KEY', None),
        help='Pulsar API key (env: PULSAR_API_KEY)'
    )

    parser.add_argument(
        '--pulsar-listener',
        default=os.getenv('PULSAR_LISTENER', None),
        help='Pulsar listener name (env: PULSAR_LISTENER)'
    )

    # MQTT-specific configuration
    parser.add_argument(
        '--mqtt-host',
        default=os.getenv('MQTT_HOST', 'localhost'),
        help='MQTT broker host (default: localhost, env: MQTT_HOST)'
    )

    parser.add_argument(
        '--mqtt-port',
        type=int,
        default=int(os.getenv('MQTT_PORT', '1883')),
        help='MQTT broker port (default: 1883, env: MQTT_PORT)'
    )

    parser.add_argument(
        '--mqtt-username',
        default=os.getenv('MQTT_USERNAME', None),
        help='MQTT username (env: MQTT_USERNAME)'
    )

    parser.add_argument(
        '--mqtt-password',
        default=os.getenv('MQTT_PASSWORD', None),
        help='MQTT password (env: MQTT_PASSWORD)'
    )

工厂函数：

# In base/pubsub.py or base/pubsub_factory.py
def get_pubsub(**config) -> PubSubBackend:
    """
    Create and return a pub/sub backend based on configuration.

    Args:
        config: Configuration dict from command-line args
                Must include 'pubsub_backend' key

    Returns:
        Backend instance (PulsarBackend, MQTTBackend, etc.)
    """
    backend_type = config.get('pubsub_backend', 'pulsar')

    if backend_type == 'pulsar':
        return PulsarBackend(
            host=config.get('pulsar_host'),
            api_key=config.get('pulsar_api_key'),
            listener=config.get('pulsar_listener'),
        )
    elif backend_type == 'mqtt':
        return MQTTBackend(
            host=config.get('mqtt_host'),
            port=config.get('mqtt_port'),
            username=config.get('mqtt_username'),
            password=config.get('mqtt_password'),
        )
    else:
        raise ValueError(f"Unknown pub/sub backend: {backend_type}")

在 AsyncProcessor 中的用法：

# In async_processor.py
class AsyncProcessor:
    def __init__(self, **params):
        self.id = params.get("id")

        # Create backend from config (replaces PulsarClient)
        self.pubsub = get_pubsub(**params)

        # Rest of initialization...

后端接口

class PubSubBackend(Protocol):
    """Protocol defining the interface all pub/sub backends must implement."""

    def create_producer(self, topic: str, schema: type, **options) -> BackendProducer:
        """
        Create a producer for a topic.

        Args:
            topic: Generic topic format (qos/tenant/namespace/queue)
            schema: Dataclass type for messages
            options: Backend-specific options (e.g., chunking_enabled)

        Returns:
            Backend-specific producer instance
        """
        ...

    def create_consumer(
        self,
        topic: str,
        subscription: str,
        schema: type,
        initial_position: str = 'latest',
        consumer_type: str = 'shared',
        **options
    ) -> BackendConsumer:
        """
        Create a consumer for a topic.

        Args:
            topic: Generic topic format (qos/tenant/namespace/queue)
            subscription: Subscription/consumer group name
            schema: Dataclass type for messages
            initial_position: 'earliest' or 'latest' (MQTT may ignore)
            consumer_type: 'shared', 'exclusive', 'failover' (MQTT may ignore)
            options: Backend-specific options

        Returns:
            Backend-specific consumer instance
        """
        ...

    def close(self) -> None:
        """Close the backend connection."""
        ...

class BackendProducer(Protocol):
    """Protocol for backend-specific producer."""

    def send(self, message: Any, properties: dict = {}) -> None:
        """Send a message (dataclass instance) with optional properties."""
        ...

    def flush(self) -> None:
        """Flush any buffered messages."""
        ...

    def close(self) -> None:
        """Close the producer."""
        ...

class BackendConsumer(Protocol):
    """Protocol for backend-specific consumer."""

    def receive(self, timeout_millis: int = 2000) -> Message:
        """
        Receive a message from the topic.

        Raises:
            TimeoutError: If no message received within timeout
        """
        ...

    def acknowledge(self, message: Message) -> None:
        """Acknowledge successful processing of a message."""
        ...

    def negative_acknowledge(self, message: Message) -> None:
        """Negative acknowledge - triggers redelivery."""
        ...

    def unsubscribe(self) -> None:
        """Unsubscribe from the topic."""
        ...

    def close(self) -> None:
        """Close the consumer."""
        ...

class Message(Protocol):
    """Protocol for a received message."""

    def value(self) -> Any:
        """Get the deserialized message (dataclass instance)."""
        ...

    def properties(self) -> dict:
        """Get message properties/metadata."""
        ...

现有类的重构

现有的 Consumer、Producer、Publisher、Subscriber 类在很大程度上保持不变：

当前职责（保留）： 异步线程模型和任务组 重连逻辑和重试处理 指标收集 速率限制 并发管理

需要更改的内容： 移除直接的 Pulsar 导入（pulsar.schema、pulsar.InitialPosition 等） 接受 BackendProducer/BackendConsumer 而不是 Pulsar 客户端 将实际的发布/订阅操作委托给后端实例 将通用概念映射到后端调用

重构示例：

# OLD - consumer.py
class Consumer:
    def __init__(self, client, topic, subscriber, schema, ...):
        self.client = client  # Direct Pulsar client
        # ...

    async def consumer_run(self):
        # Uses pulsar.InitialPosition, pulsar.ConsumerType
        self.consumer = self.client.subscribe(
            topic=self.topic,
            schema=JsonSchema(self.schema),
            initial_position=pulsar.InitialPosition.Earliest,
            consumer_type=pulsar.ConsumerType.Shared,
        )

# NEW - consumer.py
class Consumer:
    def __init__(self, backend_consumer, schema, ...):
        self.backend_consumer = backend_consumer  # Backend-specific consumer
        self.schema = schema
        # ...

    async def consumer_run(self):
        # Backend consumer already created with right settings
        # Just use it directly
        while self.running:
            msg = await asyncio.to_thread(
                self.backend_consumer.receive,
                timeout_millis=2000
            )
            await self.handle_message(msg)

后端特定行为

Pulsar 后端： 将 q0 映射到 non-persistent://，将 q1/q2 映射到 persistent:// 支持所有类型的消费者（共享、独占、故障转移） 支持初始位置（最早/最新） 原生消息确认 模式注册支持

MQTT 后端： 将 q0/q1/q2 映射到 MQTT QoS 等级 0/1/2 在主题路径中包含租户/命名空间，以进行命名空间划分 根据订阅名称自动生成客户端 ID 忽略初始位置（基本的 MQTT 中没有消息历史） 忽略消费者类型（MQTT 使用客户端 ID，而不是消费者组） 简单的发布/订阅模型

设计决策摘要

1. ✅ 通用队列命名： qos/tenant/namespace/queue-name 格式
2. ✅ 队列 ID 中的 QoS： 由队列定义确定，而不是配置
3. ✅ 重连： 由 Consumer/Producer 类处理，而不是后端
4. ✅ MQTT 主题： 包含租户/命名空间以进行正确的命名空间划分
5. ✅ 消息历史： MQTT 忽略 initial_position 参数（未来增强）
6. ✅ 客户端 ID： MQTT 后端根据订阅名称自动生成

未来增强

MQTT 消息历史： 可以添加可选的持久层（例如，保留的消息、外部存储） 将允许支持 initial_position='earliest' 不适用于初始实现