Kafka的基本介紹

Kafka是最初由Linkedin公司開發(fā)，是一個(gè)分布式、分區(qū)的、多副本的、多訂閱者，基于zookeeper協(xié)調(diào)的分布式日志系統(tǒng)（也可以當(dāng)做MQ系統(tǒng)），常見可以用于web/nginx日志、訪問日志，消息服務(wù)等等，Linkedin于2010年貢獻(xiàn)給了Apache基金會(huì)并成為頂級(jí)開源項(xiàng)目。

主要應(yīng)用場(chǎng)景是：日志收集系統(tǒng)和消息系統(tǒng)。

Kafka主要設(shè)計(jì)目標(biāo)如下：

以時(shí)間復(fù)雜度為O(1)的方式提供消息持久化能力，即使對(duì)TB級(jí)以上數(shù)據(jù)也能保證常數(shù)時(shí)間的訪問性能。

高吞吐率。即使在非常廉價(jià)的商用機(jī)器上也能做到單機(jī)支持每秒100K條消息的傳輸。

支持Kafka Server間的消息分區(qū)，及分布式消費(fèi)，同時(shí)保證每個(gè)partition內(nèi)的消息順序傳輸。

同時(shí)支持離線數(shù)據(jù)處理和實(shí)時(shí)數(shù)據(jù)處理。

Kafka的設(shè)計(jì)原理分析

一個(gè)典型的kafka集群中包含若干producer，若干broker，若干consumer，以及一個(gè)Zookeeper集群。Kafka通過Zookeeper管理集群配置，選舉leader，以及在consumer group發(fā)生變化時(shí)進(jìn)行rebalance。producer使用push模式將消息發(fā)布到broker，consumer使用pull模式從broker訂閱并消費(fèi)消息。

Kafka專用術(shù)語：

Broker：消息中間件處理結(jié)點(diǎn)，一個(gè)Kafka節(jié)點(diǎn)就是一個(gè)broker，多個(gè)broker可以組成一個(gè)Kafka集群。

Topic：一類消息，Kafka集群能夠同時(shí)負(fù)責(zé)多個(gè)topic的分發(fā)。

Partition：topic物理上的分組，一個(gè)topic可以分為多個(gè)partition，每個(gè)partition是一個(gè)有序的隊(duì)列。

Segment：partition物理上由多個(gè)segment組成。

offset：每個(gè)partition都由一系列有序的、不可變的消息組成，這些消息被連續(xù)的追加到partition中。partition中的每個(gè)消息都有一個(gè)連續(xù)的序列號(hào)叫做offset，用于partition唯一標(biāo)識(shí)一條消息。

Producer：負(fù)責(zé)發(fā)布消息到Kafka broker。

Consumer：消息消費(fèi)者，向Kafka broker讀取消息的客戶端。

Consumer Group：每個(gè)Consumer屬于一個(gè)特定的Consumer Group。

Kafka數(shù)據(jù)傳輸?shù)氖聞?wù)特點(diǎn)

at most once：最多一次，這個(gè)和JMS中”非持久化”消息類似，發(fā)送一次，無論成敗，將不會(huì)重發(fā)。消費(fèi)者fetch消息，然后保存offset，然后處理消息；當(dāng)client保存offset之后，但是在消息處理過程中出現(xiàn)了異常，導(dǎo)致部分消息未能繼續(xù)處理。那么此后”未處理”的消息將不能被fetch到，這就是”at most once”。

at least once：消息至少發(fā)送一次，如果消息未能接受成功，可能會(huì)重發(fā)，直到接收成功。消費(fèi)者fetch消息，然后處理消息，然后保存offset。如果消息處理成功之后，但是在保存offset階段zookeeper異常導(dǎo)致保存操作未能執(zhí)行成功，這就導(dǎo)致接下來再次fetch時(shí)可能獲得上次已經(jīng)處理過的消息，這就是”at least once”，原因offset沒有及時(shí)的提交給zookeeper，zookeeper恢復(fù)正常還是之前offset狀態(tài)。

exactly once：消息只會(huì)發(fā)送一次。kafka中并沒有嚴(yán)格的去實(shí)現(xiàn)（基于2階段提交），我們認(rèn)為這種策略在kafka中是沒有必要的。

通常情況下”at-least-once”是我們首選。

Kafka消息存儲(chǔ)格式

Topic & Partition

一個(gè)topic可以認(rèn)為一個(gè)一類消息，每個(gè)topic將被分成多個(gè)partition，每個(gè)partition在存儲(chǔ)層面是append log文件。

在Kafka文件存儲(chǔ)中，同一個(gè)topic下有多個(gè)不同partition，每個(gè)partition為一個(gè)目錄，partiton命名規(guī)則為topic名稱+有序序號(hào)，第一個(gè)partiton序號(hào)從0開始，序號(hào)最大值為partitions數(shù)量減1。

每個(gè)partion（目錄）相當(dāng)于一個(gè)巨型文件被平均分配到多個(gè)大小相等segment（段）數(shù)據(jù)文件中。但每個(gè)段segment file消息數(shù)量不一定相等，這種特性方便old segment file快速被刪除。

每個(gè)partiton只需要支持順序讀寫就行了，segment文件生命周期由服務(wù)端配置參數(shù)決定。

這樣做的好處就是能快速刪除無用文件，有效提高磁盤利用率。

segment file組成：由2大部分組成，分別為index file和data file，此2個(gè)文件一一對(duì)應(yīng)，成對(duì)出現(xiàn)，后綴”.index”和“.log”分別表示為segment索引文件、數(shù)據(jù)文件。

segment文件命名規(guī)則：partion全局的第一個(gè)segment從0開始，后續(xù)每個(gè)segment文件名為上一個(gè)segment文件最后一條消息的offset值。數(shù)值最大為64位long大小，19位數(shù)字字符長(zhǎng)度，沒有數(shù)字用0填充。

segment中index與data file對(duì)應(yīng)關(guān)系物理結(jié)構(gòu)如下：

上圖中索引文件存儲(chǔ)大量元數(shù)據(jù)，數(shù)據(jù)文件存儲(chǔ)大量消息，索引文件中元數(shù)據(jù)指向?qū)?yīng)數(shù)據(jù)文件中message的物理偏移地址。

其中以索引文件中元數(shù)據(jù)3,497為例，依次在數(shù)據(jù)文件中表示第3個(gè)message（在全局partiton表示第368772個(gè)message），以及該消息的物理偏移地址為497。

了解到segment data file由許多message組成，下面詳細(xì)說明message物理結(jié)構(gòu)如下：

副本（replication）策略

Kafka的高可靠性的保障來源于其健壯的副本（replication）策略。

1) 數(shù)據(jù)同步

kafka在0.8版本前沒有提供Partition的Replication機(jī)制，一旦Broker宕機(jī)，其上的所有Partition就都無法提供服務(wù)，而Partition又沒有備份數(shù)據(jù)，數(shù)據(jù)的可用性就大大降低了。所以0.8后提供了Replication機(jī)制來保證Broker的failover。

引入Replication之后，同一個(gè)Partition可能會(huì)有多個(gè)Replica，而這時(shí)需要在這些Replication之間選出一個(gè)Leader，Producer和Consumer只與這個(gè)Leader交互，其它Replica作為Follower從Leader中復(fù)制數(shù)據(jù)。

2) 副本放置策略

為了更好的做負(fù)載均衡，Kafka盡量將所有的Partition均勻分配到整個(gè)集群上。Kafka分配Replica的算法如下：

將所有存活的N個(gè)Brokers和待分配的Partition排序

將第i個(gè)Partition分配到第(i mod n)個(gè)Broker上，這個(gè)Partition的第一個(gè)Replica存在于這個(gè)分配的Broker上，并且會(huì)作為partition的優(yōu)先副本

將第i個(gè)Partition的第j個(gè)Replica分配到第((i + j) mod n)個(gè)Broker上

假設(shè)集群一共有4個(gè)brokers，一個(gè)topic有4個(gè)partition，每個(gè)Partition有3個(gè)副本。下圖是每個(gè)Broker上的副本分配情況。

3) 同步策略

Producer在發(fā)布消息到某個(gè)Partition時(shí)，先通過ZooKeeper找到該P(yáng)artition的Leader，然后無論該Topic的Replication Factor為多少，Producer只將該消息發(fā)送到該P(yáng)artition的Leader。Leader會(huì)將該消息寫入其本地Log。每個(gè)Follower都從Leader pull數(shù)據(jù)。這種方式上，F(xiàn)ollower存儲(chǔ)的數(shù)據(jù)順序與Leader保持一致。Follower在收到該消息并寫入其Log后，向Leader發(fā)送ACK。一旦Leader收到了ISR中的所有Replica的ACK，該消息就被認(rèn)為已經(jīng)commit了，Leader將增加HW并且向Producer發(fā)送ACK。

為了提高性能，每個(gè)Follower在接收到數(shù)據(jù)后就立馬向Leader發(fā)送ACK，而非等到數(shù)據(jù)寫入Log中。因此，對(duì)于已經(jīng)commit的消息，Kafka只能保證它被存于多個(gè)Replica的內(nèi)存中，而不能保證它們被持久化到磁盤中，也就不能完全保證異常發(fā)生后該條消息一定能被Consumer消費(fèi)。

Consumer讀消息也是從Leader讀取，只有被commit過的消息才會(huì)暴露給Consumer。

Kafka Replication的數(shù)據(jù)流如下圖所示：

對(duì)于Kafka而言，定義一個(gè)Broker是否“活著”包含兩個(gè)條件：

一是它必須維護(hù)與ZooKeeper的session（這個(gè)通過ZooKeeper的Heartbeat機(jī)制來實(shí)現(xiàn)）。

二是Follower必須能夠及時(shí)將Leader的消息復(fù)制過來，不能“落后太多”。

Leader會(huì)跟蹤與其保持同步的Replica列表，該列表稱為ISR（即in-sync Replica）。如果一個(gè)Follower宕機(jī)，或者落后太多，Leader將把它從ISR中移除。這里所描述的“落后太多”指Follower復(fù)制的消息落后于Leader后的條數(shù)超過預(yù)定值或者Follower超過一定時(shí)間未向Leader發(fā)送fetch請(qǐng)求。

Kafka只解決fail/recover，一條消息只有被ISR里的所有Follower都從Leader復(fù)制過去才會(huì)被認(rèn)為已提交。這樣就避免了部分?jǐn)?shù)據(jù)被寫進(jìn)了Leader，還沒來得及被任何Follower復(fù)制就宕機(jī)了，而造成數(shù)據(jù)丟失（Consumer無法消費(fèi)這些數(shù)據(jù)）。而對(duì)于Producer而言，它可以選擇是否等待消息commit。這種機(jī)制確保了只要ISR有一個(gè)或以上的Follower，一條被commit的消息就不會(huì)丟失。

4) leader選舉

Leader選舉本質(zhì)上是一個(gè)分布式鎖，有兩種方式實(shí)現(xiàn)基于ZooKeeper的分布式鎖：

節(jié)點(diǎn)名稱唯一性：多個(gè)客戶端創(chuàng)建一個(gè)節(jié)點(diǎn)，只有成功創(chuàng)建節(jié)點(diǎn)的客戶端才能獲得鎖

臨時(shí)順序節(jié)點(diǎn)：所有客戶端在某個(gè)目錄下創(chuàng)建自己的臨時(shí)順序節(jié)點(diǎn)，只有序號(hào)最小的才獲得鎖

Majority Vote的選舉策略和ZooKeeper中的Zab選舉是類似的，實(shí)際上ZooKeeper內(nèi)部本身就實(shí)現(xiàn)了少數(shù)服從多數(shù)的選舉策略。kafka中對(duì)于Partition的leader副本的選舉采用了第一種方法：為Partition分配副本，指定一個(gè)ZNode臨時(shí)節(jié)點(diǎn)，第一個(gè)成功創(chuàng)建節(jié)點(diǎn)的副本就是Leader節(jié)點(diǎn)，其他副本會(huì)在這個(gè)ZNode節(jié)點(diǎn)上注冊(cè)Watcher監(jiān)聽器，一旦Leader宕機(jī)，對(duì)應(yīng)的臨時(shí)節(jié)點(diǎn)就會(huì)被自動(dòng)刪除，這時(shí)注冊(cè)在該節(jié)點(diǎn)上的所有Follower都會(huì)收到監(jiān)聽器事件，它們都會(huì)嘗試創(chuàng)建該節(jié)點(diǎn)，只有創(chuàng)建成功的那個(gè)follower才會(huì)成為L(zhǎng)eader（ZooKeeper保證對(duì)于一個(gè)節(jié)點(diǎn)只有一個(gè)客戶端能創(chuàng)建成功），其他follower繼續(xù)重新注冊(cè)監(jiān)聽事件。

Kafka消息分組，消息消費(fèi)原理

同一Topic的一條消息只能被同一個(gè)Consumer Group內(nèi)的一個(gè)Consumer消費(fèi)，但多個(gè)Consumer Group可同時(shí)消費(fèi)這一消息。

這是Kafka用來實(shí)現(xiàn)一個(gè)Topic消息的廣播（發(fā)給所有的Consumer）和單播（發(fā)給某一個(gè)Consumer）的手段。一個(gè)Topic可以對(duì)應(yīng)多個(gè)Consumer Group。如果需要實(shí)現(xiàn)廣播，只要每個(gè)Consumer有一個(gè)獨(dú)立的Group就可以了。要實(shí)現(xiàn)單播只要所有的Consumer在同一個(gè)Group里。用Consumer Group還可以將Consumer進(jìn)行自由的分組而不需要多次發(fā)送消息到不同的Topic。

Push vs. Pull

作為一個(gè)消息系統(tǒng)，Kafka遵循了傳統(tǒng)的方式，選擇由Producer向broker push消息并由Consumer從broker pull消息。

push模式很難適應(yīng)消費(fèi)速率不同的消費(fèi)者，因?yàn)橄l(fā)送速率是由broker決定的。push模式的目標(biāo)是盡可能以最快速度傳遞消息，但是這樣很容易造成Consumer來不及處理消息，典型的表現(xiàn)就是拒絕服務(wù)以及網(wǎng)絡(luò)擁塞。而pull模式則可以根據(jù)Consumer的消費(fèi)能力以適當(dāng)?shù)乃俾氏M(fèi)消息。

對(duì)于Kafka而言，pull模式更合適。pull模式可簡(jiǎn)化broker的設(shè)計(jì)，Consumer可自主控制消費(fèi)消息的速率，同時(shí)Consumer可以自己控制消費(fèi)方式——即可批量消費(fèi)也可逐條消費(fèi)，同時(shí)還能選擇不同的提交方式從而實(shí)現(xiàn)不同的傳輸語義。

Kafak順序?qū)懭肱c數(shù)據(jù)讀取

生產(chǎn)者（producer）是負(fù)責(zé)向Kafka提交數(shù)據(jù)的，Kafka會(huì)把收到的消息都寫入到硬盤中，它絕對(duì)不會(huì)丟失數(shù)據(jù)。為了優(yōu)化寫入速度Kafak采用了兩個(gè)技術(shù)，順序?qū)懭牒蚆MFile。

順序?qū)懭?/p>

因?yàn)橛脖P是機(jī)械結(jié)構(gòu)，每次讀寫都會(huì)尋址，寫入，其中尋址是一個(gè)“機(jī)械動(dòng)作”，它是最耗時(shí)的。所以硬盤最“討厭”隨機(jī)I/O，最喜歡順序I/O。為了提高讀寫硬盤的速度，Kafka就是使用順序I/O。

每條消息都被append到該P(yáng)artition中，屬于順序?qū)懘疟P，因此效率非常高。

對(duì)于傳統(tǒng)的message queue而言，一般會(huì)刪除已經(jīng)被消費(fèi)的消息，而Kafka是不會(huì)刪除數(shù)據(jù)的，它會(huì)把所有的數(shù)據(jù)都保留下來，每個(gè)消費(fèi)者（Consumer）對(duì)每個(gè)Topic都有一個(gè)offset用來表示讀取到了第幾條數(shù)據(jù)。

即便是順序?qū)懭胗脖P，硬盤的訪問速度還是不可能追上內(nèi)存。所以Kafka的數(shù)據(jù)并不是實(shí)時(shí)的寫入硬盤，它充分利用了現(xiàn)代操作系統(tǒng)分頁存儲(chǔ)來利用內(nèi)存提高I/O效率。

在Linux Kernal 2.2之后出現(xiàn)了一種叫做“零拷貝(zero-copy)”系統(tǒng)調(diào)用機(jī)制，就是跳過“用戶緩沖區(qū)”的拷貝，建立一個(gè)磁盤空間和內(nèi)存空間的直接映射，數(shù)據(jù)不再?gòu)?fù)制到“用戶態(tài)緩沖區(qū)”系統(tǒng)上下文切換減少2次，可以提升一倍性能。

通過mmap，進(jìn)程像讀寫硬盤一樣讀寫內(nèi)存（當(dāng)然是虛擬機(jī)內(nèi)存）。使用這種方式可以獲取很大的I/O提升，省去了用戶空間到內(nèi)核空間復(fù)制的開銷（調(diào)用文件的read會(huì)把數(shù)據(jù)先放到內(nèi)核空間的內(nèi)存中，然后再?gòu)?fù)制到用戶空間的內(nèi)存中。）

消費(fèi)者（讀取數(shù)據(jù)）

試想一下，一個(gè)Web Server傳送一個(gè)靜態(tài)文件，如何優(yōu)化？答案是zero copy。傳統(tǒng)模式下我們從硬盤讀取一個(gè)文件是這樣的。

先復(fù)制到內(nèi)核空間（read是系統(tǒng)調(diào)用，放到了DMA，所以用內(nèi)核空間），然后復(fù)制到用戶空間（1、2）；從用戶空間重新復(fù)制到內(nèi)核空間（你用的socket是系統(tǒng)調(diào)用，所以它也有自己的內(nèi)核空間），最后發(fā)送給網(wǎng)卡（3、4）。

Zero Copy中直接從內(nèi)核空間（DMA的）到內(nèi)核空間（Socket的），然后發(fā)送網(wǎng)卡。這個(gè)技術(shù)非常普遍，Nginx也是用的這種技術(shù)。

實(shí)際上，Kafka把所有的消息都存放在一個(gè)一個(gè)的文件中，當(dāng)消費(fèi)者需要數(shù)據(jù)的時(shí)候Kafka直接把“文件”發(fā)送給消費(fèi)者。當(dāng)不需要把整個(gè)文件發(fā)出去的時(shí)候，Kafka通過調(diào)用Zero Copy的sendfile這個(gè)函數(shù)，這個(gè)函數(shù)包括：

out_fd作為輸出（一般及時(shí)socket的句柄）

in_fd作為輸入文件句柄

off_t表示in_fd的偏移（從哪里開始讀?。?/p>

size_t表示讀取多少個(gè)