初始kafka

kafka

简介

• Kafka是Linkedin于2010年12月份开源的消息系统

• 一种分布式的、基于发布/订阅的消息系统 ，另外提供数据分布式缓存功能

特点

• 消息持久化：通过O(1)的磁盘数据结构提供数据的持久化

• 高吞吐量：每秒百万级的消息读写

• 分布式：扩展能力强

• 多客户端支持：java、php、python、c++ ……

• 实时性：生产者生产的message立即被消费者可见

基本组件

• Broker：每一台机器叫一个Broker

• Producer：日志消息生产者，用来写数据

• Consumer：消息的消费者，用来读数据

• Topic：是一个虚拟概念，不同消费者去指定的Topic中读，不同的生产者往不同的Topic中写

• Partition：是一个实际的概念，以文件夹的形式存在，在Topic基础上做了进一步区分分层

• Kafka内部是分布式的、一个Kafka集群通常包括多个Broker

• 负载均衡：将Topic分成多个分区（Partition），每个Broker存储一个或多个Partition

• 多个Producer和Consumer同时生产和消费消息

Topic

• 一个Topic是一个用于发布消息的分类或feed名，kafka集群使用分区的日志， 每个分区都是有顺序且不变的消息序列

• commit的log可以不断追加。消息在每个分区中都分配了一个叫offset的id序列 来唯一识别分区中的消息

• 一个Topic是一个用于发布消息的分类或feed名，kafka集群使用分区的日志， 每个分区都是有顺序且不变的消息序列

• commit的log可以不断追加。消息在每个分区中都分配了一个叫offset的id序列 来唯一识别分区中的消息。

• 举例：若创建topic1和topic2两个topic，且分别有13个和19个分区，则整个集 群上会相应会生成共32个文件夹

• 无论发布的消息是否被消费，kafka都会持久化一定时间（可配置）

• 在每个消费者都持久化这个offset在日志中。通常消费者读消息时会使offset值线性的增长，但实际上其位置是由消费者控制，它可以按任意顺序来消费消息。 比如复位到老的offset来重新处理

• 每个分区代表一个并行单元

Partition

• partition由两部分组成：

  • index log：定位存储索引信息

  • message log：真实数据

Message

• message（消息）是通信的基本单位，每个producer可以向一个topic（主题） 发布一些消息。如果consumer订阅了这个主题，那么新发布的消息就会广播给 这些consumer

• message format：

  • message length : 4 bytes (value: 1+4+n)

  • "magic" value : 1 byte

  • crc : 4 bytes

  • payload : n bytes

Producer

• 生产者可以发布数据到它指定的topic中，并可以指定在topic里哪些消息分配到 哪些分区（比如简单的轮流分发各个分区或通过指定分区语义分配key到对应分区）

• 生产者直接把消息发送给对应分区的broker，而不需要任何路由层

• 批处理发送，当message积累到一定数量或等待一定时间后进行发送

• Producer分为同步模式和异步模式

  • producer.type指定

    • sync：同步模式（实时）

    • async：异步模式（达到设定发送条件：时间、数据量）

Consumer

• 一种更抽象的消费方式：消费组（consumer group）

• 该方式包含了传统的queue和发布订阅方式

  • 首先消费者标记自己一个消费组名。消息将投递到每个消费组中的某一个消费者实例上。

  • 如果所有的消费者实例都有相同的消费组，这样就像传统的queue方式

  • 如果所有的消费者实例都有不同的消费组，这样就像传统的发布订阅方式

  • 消费组就好比是个逻辑的订阅者，每个订阅者由许多消费者实例构成(用于扩展或容错)

• 相对于传统的消息系统，kafka拥有更强壮的顺序保证

• 由于topic采用了分区，可在多Consumer进程操作时保证顺序性和负载均衡

kafka core

持久性

• Kafka存储布局简单：Topic的每个Partition对应一个逻辑日志

• 每次生产者发布消息到一个分区，代理就将消息追加到最后一个段文件中

• 与传统的消息系统不同，Kafka系统中存储的消息没有明确的消息Id

• 消息通过日志中的逻辑偏移量来公开

传输效率

• 生产者提交一批消息作为一个请求。消费者虽然利用api遍历消息是一个一个的 ，但背后也是一次请求获取一批数据，从而减少网络请求数量

• Kafka层采用无缓存设计，而是依赖于底层的文件系统页缓存。这有助于避免双 重缓存，及即消息只缓存了一份在页缓存中。同时这在kafka重启后保持缓存 warm也有额外的优势。因kafka根本不缓存消息在进程中，故gc开销也就很小

• zero-copy：kafka为了减少字节拷贝（减少kernel和user模式上下文的切换，直接把disk上data传输给socket，而不是通过应用程序传输），采用了大多数系统都会提供的sendfile系统调用

无状态的Broker

• Kafka代理是无状态的：意味着消费者必须维护已消费的状态信息。这些信息由消费者自己维护，代理完全不管。这种设计非常微妙，它本身包含了创新

  • 从代理删除消息变得很棘手，因为代理并不知道消费者是否已经使用了该消息。Kafka创新 性地解决了这个问题，它将一个简单的基于时间的SLA应用于保留策略。当消息在代理中超 过一定时间后，将会被自动删除

  • 这种创新设计有很大的好处，消费者可以故意倒回到老的偏移量再次消费数据。这违反了队 列的常见约定，但被证明是许多消费者的基本特征

交付保证

• Kafka默认采用at least once的消息投递策略。即在消费者端的处理顺序是获得 消息->处理消息->保存位置。这可能导致一旦客户端挂掉，新的客户端接管时处理前面客户端已处理过的消息

• Kafka使用基于时间的SLA的保留策略，消息超过一定时间后，会被自动删除

• 三种保证策略：

  • At most once 消息可能会丢，但绝不会重复传输

  • At least one 消息绝不会丢，但可能会重复传输

  • Exactly once 每条消息肯定会被传输一次且仅传输一次（最理想），但kafka不支持，目前只能靠客户端维护

• Offset是由谁来维护的？（zookeeper维护，变由topic维护，建议客户端来维护）

副本管理

• kafka将日志复制到指定多个服务器上

• 复本的单元是partition 。在正常情况下，每个分区有一个leader和0到多个follower

• leader处理对应分区上所有的读写请求。分区可以多于broker数，leader也是分 布式的

• follower的日志和leader的日志是相同的， follower被动的复制leader。如果 leader挂了，其中一个follower会自动变成新的leader

• 和其他分布式系统一样，节点“活着” 定义在于我们能否处理一些失败情况。 kafka需要两个条件保证是“活着”

  • 节点在zookeeper注册的session还在且可维护（基于zookeeper心跳机制）

  • 如果是slave则能够紧随leader的更新不至于落得太远

• kafka采用in sync来代替“活着”

  • 如果follower挂掉或卡住或落得很远，则leader会移除同步列表中的in sync。至于落了多远 才叫远由replica.lag.max.messages配置，而表示复本“卡住”由replica.lag.time.max.ms 配置

• 所谓一条消息是“提交”的，意味着所有in sync的复本也持久化到了他们的log 中。这意味着消费者无需担心leader挂掉导致数据丢失。另一方面，生产者可以选择是否等待消息“提交”

• kafka动态的维护了一组in-sync(ISR)的复本，表示已追上了leader,只有处于该状态的成员组才是能被选择为leader。这些ISR组会在发生变化时被持久化到 zookeeper中。通过ISR模型和f+1复本，可以让kafka的topic支持最多f个节点 挂掉而不会导致提交的数据丢失。

分布式协调

• 由于kafka中一个topic中的不同分区只能被消费组中的一个消费者消费，就避免 了多个消费者消费相同的分区时会导致额外的开销（如要协调哪个消费者消费哪 个消息，还有锁及状态的开销）。kafka中消费进程只需要在代理和同组消费者 有变化时时进行一次协调（这种协调不是经常性的，故可以忽略开销）

• kafka使用zookeeper做以下事情：

  • 探测broker和consumer的添加或移除

  • 当1发生时触发每个消费者进程的重新负载

  • 维护消费关系和追踪消费者在分区消费的消息的offset

Zookeeper的使用

• Broker Node Registry

• /brokers/ids/[0...N] --> host:port (ephemeral node)

  • broker启动时在/brokers/ids下创建一个znode，把broker id写进去

  • 因为broker把自己注册到zookeeper中实用的是瞬时节点，所以这个注册是动态的，如果 broker宕机或者没有响应该节点就会被删除

• Broker Topic Registry

• /brokers/topics/[topic]/[0...N] --> nPartions (ephemeral node)

  • 每个broker把自己存储和维护的partion信息注册到该路径下

• Consumers and Consumer Groups

  • consumers也把它们自己注册到zookeeper上，用以保持消费负载平衡和offset记录。

  • group id相同的多个consumer构成一个消费租，共同消费一个topic，同一个组的 consumer会尽量均匀的消费，其中的一个consumer只会消费一个partion的数据。

• Consumer Id Registry

• /consumers/[group_id]/ids/[consumer_id] --> {"topic1": #streams, ..., "topicN": #streams} (ephemeral node)

  • 每个consumer在/consumers/[group_id]/ids下创建一个瞬时的唯一的consumer_id，用来 描述当前该group下有哪些consumer是alive的，如果消费进程挂掉对应的consumer_id就 会从该节点删除

• Consumer Offset Tracking

• /consumers/[group_id]/offsets/[topic]/[partition_id] --> offset_counter_value ((persistent node)

  • consumer把每个partition的消费offset记录保存在该节点下

• Partition Owner registry

• /consumers/[group_id]/owners/[topic]/[broker_id-partition_id] --> consumer_node_id (ephemeral node)

  • 该节点维护着partion与consumer之间的对应关系。