您好,登錄后才能下訂單哦!
Kafka如何實現(xiàn)每秒上百萬的超高并發(fā)寫入,相信很多沒有經(jīng)驗的人對此束手無策,為此本文總結(jié)了問題出現(xiàn)的原因和解決方法,通過這篇文章希望你能解決這個問題。
來聊一下 Kafka 的一些架構(gòu)設計原理,這也是互聯(lián)網(wǎng)公司面試時非常高頻的技術(shù)考點。
Kafka 是高吞吐低延遲的高并發(fā)、高性能的消息中間件,在大數(shù)據(jù)領(lǐng)域有極為廣泛的運用。配置良好的 Kafka 集群甚至可以做到每秒幾十萬、上百萬的超高并發(fā)寫入。
那么 Kafka 到底是如何做到這么高的吞吐量和性能的呢?這篇文章我們來詳細說一下。
頁緩存技術(shù) + 磁盤順序?qū)?/strong>
首先 Kafka 每次接收到數(shù)據(jù)都會往磁盤上去寫,如下圖所示:
那么在這里我們不禁有一個疑問了,如果把數(shù)據(jù)基于磁盤來存儲,頻繁的往磁盤文件里寫數(shù)據(jù),這個性能會不會很差?大家肯定都覺得磁盤寫性能是極差的。
沒錯,要是真的跟上面那個圖那么簡單的話,那確實這個性能是比較差的。
但是實際上 Kafka 在這里有極為優(yōu)秀和出色的設計,就是為了保證數(shù)據(jù)寫入性能,首先 Kafka 是基于操作系統(tǒng)的頁緩存來實現(xiàn)文件寫入的。
操作系統(tǒng)本身有一層緩存,叫做 Page Cache,是在內(nèi)存里的緩存,我們也可以稱之為 OS Cache,意思就是操作系統(tǒng)自己管理的緩存。
你在寫入磁盤文件的時候,可以直接寫入這個 OS Cache 里,也就是僅僅寫入內(nèi)存中,接下來由操作系統(tǒng)自己決定什么時候把 OS Cache 里的數(shù)據(jù)真的刷入磁盤文件中。
僅僅這一個步驟,就可以將磁盤文件寫性能提升很多了,因為其實這里相當于是在寫內(nèi)存,不是在寫磁盤,大家看下圖:
接著另外一個就是 kafka 寫數(shù)據(jù)的時候,非常關(guān)鍵的一點,它是以磁盤順序?qū)懙姆绞絹韺懙摹?/p>
也就是說,僅僅將數(shù)據(jù)追加到文件的末尾,不是在文件的隨機位置來修改數(shù)據(jù)。
普通的機械磁盤如果你要是隨機寫的話,確實性能極差,也就是隨便找到文件的某個位置來寫數(shù)據(jù)。
但是如果你是追加文件末尾按照順序的方式來寫數(shù)據(jù)的話,那么這種磁盤順序?qū)懙男阅芑旧峡梢愿鷮憙?nèi)存的性能本身也是差不多的。
所以大家就知道了,上面那個圖里,Kafka 在寫數(shù)據(jù)的時候,一方面基于 OS 層面的 Page Cache 來寫數(shù)據(jù),所以性能很高,本質(zhì)就是在寫內(nèi)存罷了。
另外一個,它是采用磁盤順序?qū)懙姆绞?,所以即使?shù)據(jù)刷入磁盤的時候,性能也是極高的,也跟寫內(nèi)存是差不多的。
基于上面兩點,Kafka 就實現(xiàn)了寫入數(shù)據(jù)的超高性能。那么大家想想,假如說 Kafka 寫入一條數(shù)據(jù)要耗費 1 毫秒的時間,那么是不是每秒就是可以寫入 1000 條數(shù)據(jù)?
但是假如 Kafka 的性能極高,寫入一條數(shù)據(jù)僅僅耗費 0.01 毫秒呢?那么每秒是不是就可以寫入 10 萬條數(shù)據(jù)?
所以要保證每秒寫入幾萬甚至幾十萬條數(shù)據(jù)的核心點,就是盡***可能提升每條數(shù)據(jù)寫入的性能,這樣就可以在單位時間內(nèi)寫入更多的數(shù)據(jù)量,提升吞吐量。
零拷貝技術(shù)
說完了寫入這塊,再來談談消費這塊。
大家應該都知道,從 Kafka 里我們經(jīng)常要消費數(shù)據(jù),那么消費的時候?qū)嶋H上就是要從 Kafka 的磁盤文件里讀取某條數(shù)據(jù)然后發(fā)送給下游的消費者,如下圖所示:
那么這里如果頻繁的從磁盤讀數(shù)據(jù)然后發(fā)給消費者,性能瓶頸在哪里呢?
假設要是 Kafka 什么優(yōu)化都不做,就是很簡單的從磁盤讀數(shù)據(jù)發(fā)送給下游的消費者,那么大概過程如下所示:
先看看要讀的數(shù)據(jù)在不在 OS Cache 里,如果不在的話就從磁盤文件里讀取數(shù)據(jù)后放入 OS Cache。
接著從操作系統(tǒng)的 OS Cache 里拷貝數(shù)據(jù)到應用程序進程的緩存里,再從應用程序進程的緩存里拷貝數(shù)據(jù)到操作系統(tǒng)層面的 Socket 緩存里。
***從 Socket 緩存里提取數(shù)據(jù)后發(fā)送到網(wǎng)卡,***發(fā)送出去給下游消費。
整個過程,如下圖所示:
大家看上圖,很明顯可以看到有兩次沒必要的拷貝吧!一次是從操作系統(tǒng)的 Cache 里拷貝到應用進程的緩存里,接著又從應用程序緩存里拷貝回操作系統(tǒng)的 Socket 緩存里。
而且為了進行這兩次拷貝,中間還發(fā)生了好幾次上下文切換,一會兒是應用程序在執(zhí)行,一會兒上下文切換到操作系統(tǒng)來執(zhí)行。
所以這種方式來讀取數(shù)據(jù)是比較消耗性能的。Kafka 為了解決這個問題,在讀數(shù)據(jù)的時候是引入零拷貝技術(shù)。
也就是說,直接讓操作系統(tǒng)的 Cache 中的數(shù)據(jù)發(fā)送到網(wǎng)卡后傳輸給下游的消費者,中間跳過了兩次拷貝數(shù)據(jù)的步驟,Socket 緩存中僅僅會拷貝一個描述符過去,不會拷貝數(shù)據(jù)到 Socket 緩存。
大家看下圖,體會一下這個精妙的過程:
通過零拷貝技術(shù),就不需要把 OS Cache 里的數(shù)據(jù)拷貝到應用緩存,再從應用緩存拷貝到 Socket 緩存了,兩次拷貝都省略了,所以叫做零拷貝。
對 Socket 緩存僅僅就是拷貝數(shù)據(jù)的描述符過去,然后數(shù)據(jù)就直接從 OS Cache 中發(fā)送到網(wǎng)卡上去了,這個過程大大的提升了數(shù)據(jù)消費時讀取文件數(shù)據(jù)的性能。
而且大家會注意到,在從磁盤讀數(shù)據(jù)的時候,會先看看 OS Cache 內(nèi)存中是否有,如果有的話,其實讀數(shù)據(jù)都是直接讀內(nèi)存的。
如果 Kafka 集群經(jīng)過良好的調(diào)優(yōu),大家會發(fā)現(xiàn)大量的數(shù)據(jù)都是直接寫入 OS Cache 中,然后讀數(shù)據(jù)的時候也是從 OS Cache 中讀。
相當于是 Kafka 完全基于內(nèi)存提供數(shù)據(jù)的寫和讀了,所以這個整體性能會極其的高。其實 ES 底層也是大量基于 OS Cache 實現(xiàn)了海量數(shù)據(jù)的高性能檢索的,跟 Kafka 原理類似。
看完上述內(nèi)容,你們掌握Kafka如何實現(xiàn)每秒上百萬的超高并發(fā)寫入的方法了嗎?如果還想學到更多技能或想了解更多相關(guān)內(nèi)容,歡迎關(guān)注億速云行業(yè)資訊頻道,感謝各位的閱讀!
免責聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。