深入理解kafka设计原理.docx

深入理解kafka设计原理.docx

《深入理解kafka设计原理.docx》由会员分享，可在线阅读，更多相关《深入理解kafka设计原理.docx（8页珍藏版）》请在冰豆网上搜索。

深入理解kafka设计原理

深入理解kafka设计原理

最近开研究kafka，下面分享一下kafka的设计原理。

kafka的设计初衷是希望作为一个统一的信息收集平台,能够实时的收集反馈信息,并需要能够支撑较大的数据量,且具备良好的容错能力.

   1、持久性

   kafka使用文件存储消息,这就直接决定kafka在性能上严重依赖文件系统的本身特性.且无论任何OS下,对文件系统本身的优化几乎没有可能.文件缓存/直接内存映射等是常用的手段.因为kafka是对日志文件进行append操作,因此磁盘检索的开支是较小的;同时为了减少磁盘写入的次数,broker会将消息暂时buffer起来,当消息的个数（或尺寸）达到一定阀值时,再flush到磁盘,这样减少了磁盘IO调用的次数.

   2、性能

   需要考虑的影响性能点很多,除磁盘IO之外,我们还需要考虑网络IO,这直接关系到kafka的吞吐量问题.kafka并没有提供太多高超的技巧;对于producer端,可以将消息buffer起来,当消息的条数达到一定阀值时,批量发送给broker;对于consumer端也是一样,批量fetch多条消息.不过消息量的大小可以通过配置文件来指定.对于kafkabroker端,似乎有个sendfile系统调用可以潜在的提升网络IO的性能:

将文件的数据映射到系统内存中,socket直接读取相应的内存区域即可,而无需进程再次copy和交换.其实对于producer/consumer/broker三者而言,CPU的开支应该都不大,因此启用消息压缩机制是一个良好的策略;压缩需要消耗少量的CPU资源,不过对于kafka而言,网络IO更应该需要考虑.可以将任何在网络上传输的消息都经过压缩.kafka支持gzip/snappy等多种压缩方式.

   3、生产者

   负载均衡:

producer将会和Topic下所有partitionleader保持socket连接;消息由producer直接通过socket发送到broker,中间不会经过任何"路由层".事实上,消息被路由到哪个partition上,有producer客户端决定.比如可以采用"random""key-hash""轮询"等,如果一个topic中有多个partitions,那么在producer端实现"消息均衡分发"是必要的.

   其中partitionleader的位置（host:

port）注册在zookeeper中,producer作为zookeeperclient,已经注册了watch用来监听partitionleader的变更事件.

   异步发送：

将多条消息暂且在客户端buffer起来，并将他们批量的发送到broker，小数据IO太多，会拖慢整体的网络延迟，批量延迟发送事实上提升了网络效率。

不过这也有一定的隐患，比如说当producer失效时，那些尚未发送的消息将会丢失。

   4、消费者

   consumer端向broker发送"fetch"请求,并告知其获取消息的offset;此后consumer将会获得一定条数的消息;consumer端也可以重置offset来重新消费消息.

   在JMS实现中,Topic模型基于push方式,即broker将消息推送给consumer端.不过在kafka中,采用了pull方式,即consumer在和broker建立连接之后,主动去pull（或者说fetch）消息;这中模式有些优点,首先consumer端可以根据自己的消费能力适时的去fetch消息并处理,且可以控制消息消费的进度（offset）;此外,消费者可以良好的控制消息消费的数量,batchfetch.

   其他JMS实现,消息消费的位置是有prodiver保留,以便避免重复发送消息或者将没有消费成功的消息重发等,同时还要控制消息的状态.这就要求JMSbroker需要太多额外的工作.在kafka中,partition中的消息只有一个consumer在消费,且不存在消息状态的控制,也没有复杂的消息确认机制,可见kafkabroker端是相当轻量级的.当消息被consumer接收之后,consumer可以在本地保存最后消息的offset,并间歇性的向zookeeper注册offset.由此可见,consumer客户端也很轻量级.

   5、消息传送机制

   对于JMS实现,消息传输担保非常直接:

有且只有一次（exactlyonce）.在kafka中稍有不同:

   1）atmostonce:

最多一次,这个和JMS中"非持久化"消息类似.发送一次,无论成败,将不会重发.

   2）atleastonce:

消息至少发送一次,如果消息未能接受成功,可能会重发,直到接收成功.

   3）exactlyonce:

消息只会发送一次.

   atmostonce:

消费者fetch消息,然后保存offset,然后处理消息;当client保存offset之后,但是在消息处理过程中出现了异常,导致部分消息未能继续处理.那么此后"未处理"的消息将不能被fetch到,这就是"atmostonce".

   atleastonce:

消费者fetch消息,然后处理消息,然后保存offset.如果消息处理成功之后,但是在保存offset阶段zookeeper异常导致保存操作未能执行成功,这就导致接下来再次fetch时可能获得上次已经处理过的消息,这就是"atleastonce"，原因offset没有及时的提交给zookeeper，zookeeper恢复正常还是之前offset状态.

   exactlyonce:

kafka中并没有严格的去实现（基于2阶段提交,事务）,我们认为这种策略在kafka中是没有必要的.

   通常情况下"at-least-once"是我们搜选.（相比atmostonce而言,重复接收数据总比丢失数据要好）.

   6、复制备份

   kafka将每个partition数据复制到多个server上,任何一个partition有一个leader和多个follower（可以没有）;备份的个数可以通过broker配置文件来设定.leader处理所有的read-write请求,follower需要和leader保持同步.Follower和consumer一样,消费消息并保存在本地日志中;leader负责跟踪所有的follower状态,如果follower"落后"太多或者失效,leader将会把它从replicas同步列表中删除.当所有的follower都将一条消息保存成功,此消息才被认为是"committed",那么此时consumer才能消费它.即使只有一个replicas实例存活,仍然可以保证消息的正常发送和接收,只要zookeeper集群存活即可.（不同于其他分布式存储,比如hbase需要"多数派"存活才行）

   当leader失效时,需在followers中选取出新的leader,可能此时follower落后于leader,因此需要选择一个"up-to-date"的follower.选择follower时需要兼顾一个问题,就是新leaderserver上所已经承载的partitionleader的个数,如果一个server上有过多的partitionleader,意味着此server将承受着更多的IO压力.在选举新leader,需要考虑到"负载均衡".

   7.日志

   如果一个topic的名称为"my_topic",它有2个partitions,那么日志将会保存在my_topic_0和my_topic_1两个目录中;日志文件中保存了一序列"logentries"（日志条目）,每个logentry格式为"4个字节的数字N表示消息的长度"+"N个字节的消息内容";每个日志都有一个offset来唯一的标记一条消息,offset的值为8个字节的数字,表示此消息在此partition中所处的起始位置..每个partition在物理存储层面,有多个logfile组成（称为segment）.segmentfile的命名为"最小offset".kafka.例如"00000000000.kafka";其中"最小offset"表示此segment中起始消息的offset.

   其中每个partiton中所持有的segments列表信息会存储在zookeeper中.

   当segment文件尺寸达到一定阀值时（可以通过配置文件设定,默认1G）,将会创建一个新的文件;当buffer中消息的条数达到阀值时将会触发日志信息flush到日志文件中,同时如果"距离最近一次flush的时间差"达到阀值时,也会触发flush到日志文件.如果broker失效,极有可能会丢失那些尚未flush到文件的消息.因为server意外实现,仍然会导致log文件格式的破坏（文件尾部）,那么就要求当server启东是需要检测最后一个segment的文件结构是否合法并进行必要的修复.

   获取消息时,需要指定offset和最大chunk尺寸,offset用来表示消息的起始位置,chunksize用来表示最大获取消息的总长度（间接的表示消息的条数）.根据offset,可以找到此消息所在segment文件,然后根据segment的最小offset取差值,得到它在file中的相对位置,直接读取输出即可.

   日志文件的删除策略非常简单:

启动一个后台线程定期扫描logfile列表,把保存时间超过阀值的文件直接删除（根据文件的创建时间）.为了避免删除文件时仍然有read操作（consumer消费）,采取copy-on-write方式.

   8、分配

   kafka使用zookeeper来存储一些meta信息,并使用了zookeeperwatch机制来发现meta信息的变更并作出相应的动作（比如consumer失效,触发负载均衡等）

   1）Brokernoderegistry:

当一个kafkabroker启动后,首先会向zookeeper注册自己的节点信息（临时znode）,同时当broker和zookeeper断开连接时,此znode也会被删除.

   格式:

/broker/ids/[0...N]  -->host:

port;其中[0..N]表示brokerid,每个broker的配置文件中都需要指定一个数字类型的id（全局不可重复）,znode的值为此broker的host:

port信息.

   2）BrokerTopicRegistry:

当一个broker启动时,会向zookeeper注册自己持有的topic和partitions信息,仍然是一个临时znode.

   格式:

/broker/topics/[topic]/[0...N] 其中[0..N]表示partition索引号.

   3）ConsumerandConsumergroup:

每个consumer客户端被创建时,会向zookeeper注册自己的信息;此作用主要是为了"负载均衡".

   一个group中的多个consumer可以交错的消费一个topic的所有partitions;简而言之,保证此topic的所有partitions都能被此group所消费,且消费时为了性能考虑,让partition相对均衡的分散到每个consumer上.

   4）ConsumeridRegistry:

每个consumer都有一个唯一的ID（host:

uuid,可以通过配置文件指定,也可以由系统生成）,此id用来标记消费者信息.

   格式:

/consumers/[group_id]/ids/[consumer_id]

   仍然是一个临时的znode,此节点的值为{"topic_name":

#streams...},即表示此consumer目前所消费的topic+partitions列表.

   5）ConsumeroffsetTracking:

用来跟踪每个consumer目前所消费的partition中最大的offset.

   格式:

/consumers/[group_id]/offsets/[topic]/[broker_id-partition_id]-->offset_value

   此znode为持久节点,可以看出offset跟group_id有关,以表明当group中一个消费者失效,其他consumer可以继续消费.

   6）PartitionOwnerregistry:

用来标记partition被哪个consumer消费.临时znode

   格式:

/consumers/[group_id]/owners/[topic]/[broker_id-partition_id]-->consumer_node_id当consumer启动时,所触发的操作:

   A）首先进行"ConsumeridRegistry";

   B）然后在"ConsumeridRegistry"节点下注册一个watch用来监听当前group中其他consumer的"leave"和"join";只要此znodepath下节点列表变更,都会触发此group下consumer的负载均衡.（比如一个consumer失效,那么其他consumer接管partitions）.

   C）在"Brokeridregistry"节点下,注册一个watch用来监听broker的存活情况;如果broker列表变更,将会触发所有的groups下的consumer重新balance.

   1）Producer端使用zookeeper用来"发现"broker列表,以及和Topic下每个partitionleader建立socket连接并发送消息.

   2）Broker端使用zookeeper用来注册broker信息,已经监测partitionleader存活性.

3）Consumer端使用zookeeper用来注册consumer信息,其中包括consumer消费的partition列表等,同时也用来发现broker列表,并和partitionleader建立socket连接,并获取消息.文章来源于：