Kafka Topic Partition Replica Assignment实现原理及资源隔离方案

本文共分为三个部分：

 

• Kafka Topic创建方式
• Kafka Topic Partitions Assignment实现原理
• Kafka资源隔离方案

 

1. Kafka Topic创建方式

 

Kafka Topic创建方式有以下两种表现形式：

 

（1）创建Topic时直接指定Topic Partition Replica与Kafka Broker之间的存储映射关系

 

/usr/lib/kafka_2.10-0.8.2.1/bin/kafka-topics.sh --zookeeper ZooKeeperHost:ZooKeeperPort --create --topic TopicName --replica-assignment id0:id1:id2,id3:id4:id5,id6:id7:id8

 

其中，“id0:id1:id2,id3:id4:id5,id6:id7:id8”表示Topic TopicName一共有3个Partition（以“,”分隔），每个Partition均有3个Replica（以“:”分隔），Topic Partition Replica与Kafka Broker之间的对应关系如下：

 

Partition0 Replica：Broker id0、Broker id1、Broker id2；

Partition1 Replica：Broker id3、Broker id4、Broker id5；

Partition2 Replica：Broker id6、Broker id7、Broker id8；

 

（2）创建Topic时由Kafka自动分配Topic Partition Replica与Kafka Broker之间的存储映射关系

 

/usr/lib/kafka_2.10-0.8.2.1/bin/kafka-topics.sh --zookeeper ZooKeeperHost:ZooKeeperPort --create --topic TopicName

 

第（1）种方式完全依靠人为手工指定，这里仅仅探讨使用第（2）种方式创建Topic时，“自动分配”是如何实现的。

 

2. Kafka Topic Partition Replica Assignment实现原理

 

Replica Assignment的目标有两个：

 

（1）使Partition Replica能够均匀地分配至各个Kafka Broker（负载均衡）；

（2）如果Partition的第一个Replica分配至某一个Kafka Broker，那么这个Partition的其它Replica则需要分配至其它的Kafka Brokers，即Partition Replica分配至不同的Broker；

 

注意，这里有一个约束条件：Topic Partition Replicas Size <= Kafka Brokers Size。

 

“自动分配”的核心工作过程如下：

 

随机选取一个StartingBroker（Broker id0、Broker id1、Broker id2、...），随机选取IncreasingShift初始值（[0，nBrokers - 1]）

 

（1）从StartingBroker开始，使用轮询的方式依次将各个Partition的Replicas分配至各个Broker；

 

对于每一个Partition，Replicas的分配过程如下：

 

（2）Partition的第一个Replica分配至StartingBroker；

 

（3）根据IncreasingShift计算第n（n>=2）个Replica的Shift（即与第1个Replica的间隔量），依据Shift将其分配至相应的Broker；

 

（4）StartingBroker移至下一个Broker；

 

（5）如果Brokers已经被轮询完一次，则IncreasingShift递增一；否则，继续（2）。

 

假设有5个Brokers（broker-0、broker-1、broker-2、broker-3、broker-4），Topic有10个Partition（p0、p1、p2、p3、p4、p5、p6、p7、p8、p9），每一个Partition有3个Replica，依据上述工作过程，分配结果如下：

 

broker-0  broker-1  broker-2  broker-3  broker-4

p0           p1            p2           p3            p4       (1st replica)

p5           p6            p7           p8            p9       (1st replica)

p4           p0            p1           p2            p3       (2nd replica)

p8           p9            p5           p6            p7       (2nd replica)

p3           p4            p0           p1            p2       (3nd replica)

p7           p8            p9           p5            p6       (3nd replica)

 

详细步骤如下：

 

选取broker-0作为StartingBroker，IncreasingShift初始值为1，

 

对于p0，replica1分配至broker-0，IncreasingShift为1，所以replica2分配至broker-1，replica3分配至broker-2；

对于p1，replica1分配至broker-1，IncreasingShift为1，所以replica2分配至broker-2，replica3分配至broker-3；

对于p2，replica1分配至broker-2，IncreasingShift为1，所以replica2分配至broker-3，replica3分配至broker-4；

对于p3，replica1分配至broker-3，IncreasingShift为1，所以replica2分配至broker-4，replica3分配至broker-1；

对于p4，replica1分配至broker-4，IncreasingShift为1，所以replica2分配至broker-0，replica3分配至broker-1；

 

注：IncreasingShift用于计算Shift，Shift表示Partition的第n（n>=2）个Replica与第1个Replica之间的间隔量。如果IncreasingShift值为m，那么Partition的第2个Replica与第1个Replica的间隔量为m + 1，第3个Replica与第1个Replica的间隔量为m + 2，...，依次类推。Shift的取值范围：[1，brokerSize - 1]。

 

此时，broker-0、broker-1、broker-2、broker-3、broker-4分别作为StartingBroker被轮询分配一次，继续轮询；但IncreasingShift递增为2。

 

对于p5，replica1分配至broker-0，IncreasingShift为2，所以replica2分配至broker-2，replica3分配至broker-3；

对于p6，replica1分配至broker-1，IncreasingShift为2，所以replica2分配至broker-3，replica3分配至broker-4；

对于p7，replica1分配至broker-2，IncreasingShift为2，所以replica2分配至broker-4，replica3分配至broker-0；

对于p8，replica1分配至broker-3，IncreasingShift为2，所以replica2分配至broker-0，replica3分配至broker-1；

对于p9，replica1分配至broker-4，IncreasingShift为2，所以replica2分配至broker-1，replica3分配至broker-2；

 

此时，broker-0、broker-1、broker-2、broker-3、broker-4分别作为StartingBroker再次被轮询一次，如果还有其它Partition，则继续轮询，IncreasingShift递增为3，依次类推。

 

这里有几点需要注意：

 

（1）为什么要随机选取StartingBroker，而不是每次都选取broker-0作为StartingBroker？

 

以broker-0、broker-1、broker-2、broker-3、broker-4为例，因为分配过程是以轮询方式进行的，如果每次都选取broker-0作为StartingBroker，那么Brokers列表中的前面部分将有可能被分配相对比较多的Partition Replicas，从而导致这部分Brokers负载较高，随机选取可以保证相对比较好的均匀效果。

 

（2）为什么Brokers列表每次轮询一次，IncreasingShift值都需要递增1？

 

Kafka Topic Partition数目较多的情况下，Partition的第1个Replica与第n（n>=2）个Replica之间的间隔量随着IncreasingShift的变化面变化，能够更好的均匀分配Replica。

 

scala.kafka.admin.AdminUtils.assignReplicasToBrokers()实现上述Topic Partition Replica与Broker之间的分配过程，源码如下：

 

 

brokerList：Kafka Brokers列表；

nPartitions：Topic待分配的Partition数目；

replicationFactor：Topic Partition Replica数目；

fixedStartIndex：如果显示指定，默认值为0；它的值与两个变量值相关：startIndex和nextReplicaShift，详情见后；

startPartitionId：从Topic的哪一个Partition开始分配，通常情况下是0，Topic增加Partition时该值不为0。

 

val ret = new mutable.HashMap[Int, List[Int]]()

 

分配结果保存至一个Map变量ret，key为Partition Id，value为分配的Brokers列表。

 

 val startIndex = if (fixedStartIndex >= 0) fixedStartIndex else rand.nextInt(brokerList.size)

 var currentPartitionId = if (startPartitionId >= 0) startPartitionId else 0

 

 var nextReplicaShift = if (fixedStartIndex >= 0) fixedStartIndex else rand.nextInt(brokerList.size)

 

startIndex表示StartingBroker，currentPartitionId表示当前为哪个Partition分配Brokers，nextReplicaShift表示当前的IncreasingShit值。

 

 

接下来就是一个循环，用于为每一个Partition的Replicas分配Brokers，其中Partition的第1个Replica由“(currentPartitionId + startIndex) % brokerList.size”决定，其余的Replica由“replicaIndex（）”决定。

 

 

shift表示着第n（n >= 2）个Replica与第一个Replica之间的间隔量，“1 + (secondReplicaShift + replicaIndex) % (nBrokers - 1)”的计算方式非常巧妙，它保证了shift的取值范围：[1，nBrokers]（大家可以自己体会一下）。

 

3. Kafka资源隔离方案

 

实时数据处理场景中，如果数据量比较大，为了保证写入/消费的吞吐量，我们创建Topic时通常会指定比较大的Partition数目，从而使得数据尽可能地被分散至更多的Partition，Partition被尽可能均匀的分配至Kafka集群中的各个Broker，从负载均衡的角度看，一切都很美好。从业务的角度看，会有资源竞争的问题，毕竟Kafka Broker机器的带宽资源是有限的，在带宽比较紧张的情形下，任何一个业务方的数据量波动（这里仅指数据量增加），所有的业务方都会受到影响；从运维的角度看，会有可用性的问题，任何一台Kafka Broker机器都负载着所有Topic的数据传输、存储，如果出现宕机的情况，将会波及到所有的Topic。针对这种情况，我们提出了划分资源池的资源隔离方案：

 

 

Kafka集群有9台Brokers组成：broker-1、broker-2、...、broker-9，创建9个Topic：t1、t2、...、t9，每个Topic有9个Partition（假设Replica为1），如上图所示，我们将9台Brokers切分成3个资源池：Pool1（broker-1、broker-2、broker-3）、Pool2（broker-4、broker-5、broker-6）、Pool3（broker-7、broker-8、broker-9），Topic的分配情况如下：

 

Pool1：t1、t2、t3

Pool2：t4、t5、t6

Pool3：t7、t8、t9

 

可以看出，这三个资源池的物理资源是完全独立的，三个资源池实际上相当于三个小集群。

 

这种资源池的划分方式不但可以做到物理资源的隔离，还可以一定程度上解决异构机型（MEM、DISK）带来的问题，可以把机型相似的机器组成一个资源池。实际实施时需要综合考虑业务情况、机器情况，合理划分资源池，并根据具体的Topic情况将其分配至合适的资源池内。

 

Kafka Topic的创建也变为两步：

 

（1）使用kafka-topics.sh创建Topic；

（2）使用kafka-reassign-partitions.sh移动Topic Partition Replicas至指定的资源池（具体的Brokers列表）。