【Kafka源码】ReplicaManager启动过程

在KafkaServer启动过程的入口中，会启动Replica Manager，众所周知，这是一个副本管理器。replica在Kafka中扮演的角色很重要，是保证消息不丢失的一个重要概念。

replica的个人理解概念如下：producer发送的消息给broker，broker是分为多个partition的，对于同一个partition中的broker，这些机器是有主从的概念的。producer只会向leader写入消息，consumer只会从leader读取消息，（leader负责读写，replica保证消息不丢）。为了保证消息不丢失，follower会定时从leader拉取消息，保持与leader的消息同步。当然，producer可以配置是否需要有follower同步成功，以及需要多少个replica，（即需要多少个ack）才算是消息发送成功。这块看个人的需求。

下面我们看下Replica Manager的启动过程。

一、入口

入口在KafkaServer的start方法中，比较简洁：

replicaManager = new ReplicaManager(config, metrics, time, kafkaMetricsTime, zkUtils, kafkaScheduler, logManager,isShuttingDown)
replicaManager.startup()

我们主要看下ReplicaManager里面都有什么内容。

二、ReplicaManager实例化

我们看看实例化的过程：

/* epoch of the controller that last changed the leader */
@volatile var controllerEpoch: Int = KafkaController.InitialControllerEpoch - 1
private val localBrokerId = config.brokerId
private val allPartitions = new Pool[(String, Int), Partition](valueFactory = Some { case (t, p) =>
  new Partition(t, p, time, this)
})
private val replicaStateChangeLock = new Object
val replicaFetcherManager = new ReplicaFetcherManager(config, this, metrics, jTime, threadNamePrefix)
private val highWatermarkCheckPointThreadStarted = new AtomicBoolean(false)
val highWatermarkCheckpoints = config.logDirs.map(dir => (new File(dir).getAbsolutePath, new OffsetCheckpoint(new File(dir, ReplicaManager.HighWatermarkFilename)))).toMap
private var hwThreadInitialized = false
this.logIdent = "[Replica Manager on Broker " + localBrokerId + "]: "
val stateChangeLogger = KafkaController.stateChangeLogger
private val isrChangeSet: mutable.Set[TopicAndPartition] = new mutable.HashSet[TopicAndPartition]()
private val lastIsrChangeMs = new AtomicLong(System.currentTimeMillis())
private val lastIsrPropagationMs = new AtomicLong(System.currentTimeMillis())

val delayedProducePurgatory = DelayedOperationPurgatory[DelayedProduce](
    purgatoryName = "Produce", config.brokerId, config.producerPurgatoryPurgeIntervalRequests)
val delayedFetchPurgatory = DelayedOperationPurgatory[DelayedFetch](
    purgatoryName = "Fetch", config.brokerId, config.fetchPurgatoryPurgeIntervalRequests)

• 首先是这个controllerEpoch，这个值表示的是leader发生变化时controller的epoch。epoch存储在zk中的/Controller_epoch中。
• 第二步是从配置broker.id中获取当前机器的brokerId。
• 实例化ReplicaFetcherManager，是一个follower从leader拉取消息的管理器，这里面有文章。
• 设置highWatermarkCheckPointThreadStarted为false，为了后续启动相关的线程用。
• 从文件（replication-offset-checkpoint）中获取所有topic和partition的HW，这个文件中存储了每个topic和partition对应的最新的checkPoint对应的offset值。HW表示的是topic的partition对应的最后一次commit的消息的offset值，也是用于消息完整性的保证。
• 定义了isrChangerSet，表示了isr改变顺序的集合。至于isr是干啥的，网上的内容比较多，搜索即可。
• 最后涉及到两个配置，分别是：
  • producer.purgatory.purge.interval.requests：默认值1000,用于在procucer的ack设置是-1或者1时,跟踪消息是否添加成功,使用DelayedProduce实现。成功后清除。
  • fetch.purgatory.purge.interval.requests：默认值1000，fetch 请求清除时的清除间隔

三、启动ReplicaManager

我们主要看下ReplicaManager的start方法：

def startup() {
// start ISR expiration thread
scheduler.schedule("isr-expiration", maybeShrinkIsr, period = config.replicaLagTimeMaxMs, unit = TimeUnit.MILLISECONDS)
scheduler.schedule("isr-change-propagation", maybePropagateIsrChanges, period = 2500L, unit = TimeUnit.MILLISECONDS)
}

这块主要启动了两个定时任务，分别是maybeShrinkIsr和maybePropagateIsrChanges。下面我们着重分析下。

3.1 maybeShrinkIsr

这个方法的调用时间间隔由配置replica.lag.time.max.ms控制，主要用于检查partition对应的isr列表中是否有心跳过期的isr。

  private def maybeShrinkIsr(): Unit = {
    trace("Evaluating ISR list of partitions to see which replicas can be removed from the ISR")
    allPartitions.values.foreach(partition => partition.maybeShrinkIsr(config.replicaLagTimeMaxMs))
  }

这块主要是遍历了所有的partition，每个partition都执行maybeShrinkIsr方法，下面我们进入maybeShrinkIsr，分析下主要做了哪些事情。

  def maybeShrinkIsr(replicaMaxLagTimeMs: Long) {
    val leaderHWIncremented = inWriteLock(leaderIsrUpdateLock) {
      leaderReplicaIfLocal() match {
        case Some(leaderReplica) =>
          val outOfSyncReplicas = getOutOfSyncReplicas(leaderReplica, replicaMaxLagTimeMs)
          if(outOfSyncReplicas.size > 0) {
            val newInSyncReplicas = inSyncReplicas -- outOfSyncReplicas
            assert(newInSyncReplicas.size > 0)
            info("Shrinking ISR for partition [%s,%d] from %s to %s".format(topic, partitionId,
              inSyncReplicas.map(_.brokerId).mkString(","), newInSyncReplicas.map(_.brokerId).mkString(",")))
            // update ISR in zk and in cache
            updateIsr(newInSyncReplicas)
            // we may need to increment high watermark since ISR could be down to 1

            replicaManager.isrShrinkRate.mark()
            maybeIncrementLeaderHW(leaderReplica)
          } else {
            false
          }

        case None => false // do nothing if no longer leader
      }
    }

整个步骤如下：

• leaderReplicaIfLocal：先检查当前的partition的leader是否为当前的broker，如果为是，就不进入下面的方法，否则进入下面的方法。
• getOutOfSyncReplicas：获取不同步的replica列表，获取的方法是首先从isr中去除掉leader，然后把当前时间-lastCaughtUpTimeMs大于replicaMaxLagTimeMs的replica筛选出来，即为outOfSyncReplicas。这里面的lastCaughtUpTimeMs是指上次同步的时间，不一定是心跳时间。
• 如果outOfSyncReplicas中存在replica，则继续。两个列表进行差值运算后得到新的isr列表，之后更新isr列表（即zk中的数据）。
• 最后可能需要更新下HW

3.2 maybePropagateIsrChanges

这个方法的调用时间是固定的，不由配置决定，代码中写死，为2500ms。这个方法会把isr的变化内容更新到zk中去，执行这个方法的条件是：

• ISR变化没有被广播出去
• 最近5s内没有ISR变化或者上次广播的时间距离当前时间超过了60s,其实这里的广播就是指写入到zk中

  def maybePropagateIsrChanges() {
    val now = System.currentTimeMillis()
    isrChangeSet synchronized {
      if (isrChangeSet.nonEmpty &&
        (lastIsrChangeMs.get() + ReplicaManager.IsrChangePropagationBlackOut < now ||
          lastIsrPropagationMs.get() + ReplicaManager.IsrChangePropagationInterval < now)) {
        ReplicationUtils.propagateIsrChanges(zkUtils, isrChangeSet)
        isrChangeSet.clear()
        lastIsrPropagationMs.set(now)
      }
    }
  }