Kafka 实战指南—— Kafka 工作原理分析

文章目录

Kafka 核心组成：

在这里插入图片描述

图 Kafka 核心组成

1. Kafka 生产过程分析

1.1 Kafka 的消息写入方式（顺序写磁盘）

producer 采用推（push）模式将消息发送到 broker，每条消息都被追加（append）到分区（patition）中，属于顺序写磁盘（顺序写磁盘效率比随机写内存要高，保障 kafka 吞吐率）。

1.2 分区（Partition）

消息发送时都被发送到一个 topic，其本质就是一个目录，而 topic 是由一些 Partition Logs(分区日志)组成，其组织结构如下图所示：

在这里插入图片描述

图生产者写入数据

在这里插入图片描述

图消费者消费数据

我们可以看到，每个 Partition 中的消息都是有序的，生产的消息被不断追加到 Partition log上，其中的每一个消息都被赋予了一个唯一的offset值。

1.2.1 为什么要分区

方便在集群中扩展，每个 Partition 可以通过调整以适应它所在的机器，而一个 topic 又可以有多个 Partition 组成，因此整个集群就可以适应任意大小的数据了；
可以提高并发，因为可以以 Partition 为单位读写了。

1.2.2 分区的原则

指定了 patition，则直接使用；
未指定 patition 但指定 key，通过对 key 的值进行 hash 取模得出一个 patition；
patition 和 key 都未指定，使用轮询选出一个 patition。

DefaultPartitioner分区源码：

public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
    
    
    List<PartitionInfo> partitions = cluster.partitionsForTopic(topic);
    int numPartitions = partitions.size();
    if (keyBytes == null) {
    
    
        int nextValue = this.nextValue(topic);
        List<PartitionInfo> availablePartitions = cluster.availablePartitionsForTopic(topic);
        if (availablePartitions.size() > 0) {
    
    
            int part = Utils.toPositive(nextValue) % availablePartitions.size();
            return ((PartitionInfo)availablePartitions.get(part)).partition();
        } else {
    
    
            return Utils.toPositive(nextValue) % numPartitions;
        }
    } else {
    
    
        // 有 key，通过key hash 后取模
        return Utils.toPositive(Utils.murmur2(keyBytes)) % numPartitions;
    }
}

// 轮询
private int nextValue(String topic) {
    
    
    AtomicInteger counter = (AtomicInteger)this.topicCounterMap.get(topic);
    if (null == counter) {
    
    
        counter = new AtomicInteger(ThreadLocalRandom.current().nextInt());
        AtomicInteger currentCounter = (AtomicInteger)this.topicCounterMap.putIfAbsent(topic, counter);
        if (currentCounter != null) {
    
    
            counter = currentCounter;
        }
    }
    
    return counter.getAndIncrement();
}

1.3 副本（Replication）

同一个 partition 可能会有多个 replication（对应 server.properties配置中的 default.replication.factor=N）。没有 replication 的情况下，一旦 broker 宕机，其上所有 patition 的数据都不可被消费，同时 producer 也不能再将数据存于其上的 patition。引入 replication 之后，同一个 partition 可能会有多个 replication，而这时需要在这些 replication 之间选出一个 leader，producer 和 consumer 只与这个leader交互，其它 replication 作为 follower 从 leader 中复制数据。

1.4 写入流程

producer 写入消息流程如下：

在这里插入图片描述

producer 先从 zookeeper 的 /brokers/.../state节点找到该 partition 的 leader。（注意：这里不是直接连接Zookeeper，而是通过 Kafka 集群的到 broker state）
producer将消息发送给该 leader。
leader 将消息写入本地 log。
followers 从 leader pull 消息，写入本地 log 后向 leader 发送 ACK。
leader 收到所有 ISR 中的 replication 的 ACK 后，增加 HW（high watermark，最后 commit 的offset，消费者最大能消费的 offset）并向producer发送 ACK。

2. Broker 保存消息

2.1 存储方式

物理上把 topic 分成一个或多个 patition（对应 server.properties 中的 num.partitions=3配置），每个patition 物理上对应一个文件夹（该文件夹存储 patition 的所有消息和索引文件），如下：

[dwjf321@hadoop102 logs]$ ll
drwxrwxr-x. 2 dwjf321 dwjf321  4096 8月   6 14:37 first-0
drwxrwxr-x. 2 dwjf321 dwjf321  4096 8月   6 14:35 first-1
drwxrwxr-x. 2 dwjf321 dwjf321  4096 8月   6 14:37 first-2
[atguigu@hadoop102 logs]$ cd first-0
[atguigu@hadoop102 first-0]$ ll
总用量 356
-rw-rw-r--. 1 dwjf321 dwjf321 10485760 12月 25 22:32 00000000000000018519.index
-rw-rw-r--. 1 dwjf321 dwjf321   348075 12月 24 23:41 00000000000000018519.log
-rw-rw-r--. 1 dwjf321 dwjf321 10485756 12月 25 22:32 00000000000000018519.timeindex
-rw-rw-r--. 1 dwjf321 dwjf321       10 12月 24 23:58 00000000000000019534.snapshot
-rw-rw-r--. 1 dwjf321 dwjf321       22 12月 25 22:32 leader-epoch-checkpoint

2.2 存储策略

无论消息是否被消费，kafka 都会保留所有消息。有两种策略可以删除旧数据：

基于时间：log.retention.hours=168，默认 7 天
基于大小：log.retention.bytes=1073741824，默认 1 G。

需要注意的是，因为 Kafka 读取特定消息的时间复杂度为 O(1)，即与文件大小无关，所以这里删除过期文件与提高 Kafka 性能无关。

2.3 Zookeeper 存储结构

在这里插入图片描述

注意：producer不在zk中注册，消费者在zk中注册。

3. Kafka 消费过程分析

3.3 消费者组

在这里插入图片描述

图消费组

消费者是以 consumer group 消费组的方式工作，由一个或者多个消费者组成一个组，共同消费一个 topic。每个分区在同一时间只能由 group 中的一个消费者读取，但是多个 group 可以同时消费这个 partition。在图中，有一个由三个消费者组成的 group，有一个消费者读取主题中的两个分区，另外两个分别读取一个分区。某个消费者读取某个分区，也可以叫做某个消费者是某个分区的拥有者。

在这种情况下，消费者可以通过水平扩展的方式同时读取大量的消息。另外，如果一个消费者宕机了，那么其他的group 成员会自动负载均衡读取之前失败的消费者读取的分区。

3.4 消费方式

consumer 采用 pull（拉）模式从 broker 中读取数据。

因为 push（推）模式很难适应消费速率不同的消费者，因为消息发送速率是由broker决定的。它的目标是尽可能以最快速度传递消息，但是这样很容易造成consumer来不及处理消息，典型的表现就是拒绝服务以及网络拥塞。而pull模式则可以根据consumer的消费能力以适当的速率消费消息。

对于Kafka而言，pull模式更合适，它可简化broker的设计，consumer可自主控制消费消息的速率，同时consumer 可以自己控制消费方式——即可批量消费也可逐条消费，同时还能选择 offset 的不同的提交方式从而控制消息不丢失。

pull 模式不足之处是，如果 kafka 没有数据，消费者可能会陷入循环中，一直等待数据到达。为了避免这种情况，我们在我们的拉请求中有参数，允许消费者请求在等待数据到达的“长轮询”中进行阻塞（并且可选地等待到给定的字节数，以确保大的传输大小）。