怎樣解析Kafka基本原理

這篇文章給大家介紹怎樣解析Kafka基本原理，內(nèi)容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

簡介

Apache Kafka是分布式發(fā)布-訂閱消息系統(tǒng)。它最初由LinkedIn公司開發(fā)，之后成為Apache項目的一部分。Kafka是一種快速、可擴展的、設(shè)計內(nèi)在就是分布式的，分區(qū)的和可復(fù)制的提交日志服務(wù)。

Kafka架構(gòu)

它的架構(gòu)包括以下組件：

• 話題（Topic）：是特定類型的消息流。消息是字節(jié)的有效負(fù)載（Payload），話題是消息的分類名或種子（Feed）名。

• 生產(chǎn)者（Producer）：是能夠發(fā)布消息到話題的任何對象。

• 服務(wù)代理（Broker）：已發(fā)布的消息保存在一組服務(wù)器中，它們被稱為代理（Broker）或Kafka集群。

• 消費者（Consumer）：可以訂閱一個或多個話題，并從Broker拉數(shù)據(jù)，從而消費這些已發(fā)布的消息。

Kafka存儲策略

1）kafka以topic來進行消息管理，每個topic包含多個partition，每個partition對應(yīng)一個邏輯log，有多個segment組成。

2）每個segment中存儲多條消息（見下圖），消息id由其邏輯位置決定，即從消息id可直接定位到消息的存儲位置，避免id到位置的額外映射。

3）每個part在內(nèi)存中對應(yīng)一個index，記錄每個segment中的第一條消息偏移。

4）發(fā)布者發(fā)到某個topic的消息會被均勻的分布到多個partition上（或根據(jù)用戶指定的路由規(guī)則進行分布），broker收到發(fā)布消息往對應(yīng)partition的最后一個segment上添加該消息，當(dāng)某個segment上的消息條數(shù)達到配置值或消息發(fā)布時間超過閾值時，segment上的消息會被flush到磁盤，只有flush到磁盤上的消息訂閱者才能訂閱到，segment達到一定的大小后將不會再往該segment寫數(shù)據(jù)，broker會創(chuàng)建新的segment。

Kafka刪除策略

1）N天前的刪除。

2）保留最近的MGB數(shù)據(jù)。

Kafka broker

與其它消息系統(tǒng)不同，Kafka broker是無狀態(tài)的。這意味著消費者必須維護已消費的狀態(tài)信息。這些信息由消費者自己維護，broker完全不管（有offset managerbroker管理）。

• 從代理刪除消息變得很棘手，因為代理并不知道消費者是否已經(jīng)使用了該消息。Kafka創(chuàng)新性地解決了這個問題，它將一個簡單的基于時間的SLA應(yīng)用于保留策略。當(dāng)消息在代理中超過一定時間后，將會被自動刪除。

• 這種創(chuàng)新設(shè)計有很大的好處，消費者可以故意倒回到老的偏移量再次消費數(shù)據(jù)。這違反了隊列的常見約定，但被證明是許多消費者的基本特征。

以下摘抄自kafka官方文檔：

Kafka Design

目標(biāo)

1) 高吞吐量來支持高容量的事件流處理

2) 支持從離線系統(tǒng)加載數(shù)據(jù)

3) 低延遲的消息系統(tǒng)

持久化

1) 依賴文件系統(tǒng)，持久化到本地

2) 數(shù)據(jù)持久化到log

效率

1) 解決”small IO problem“：

使用”message set“組合消息。

server使用”chunks of messages“寫到log。

consumer一次獲取大的消息塊。

2）解決”byte copying“：

在producer、broker和consumer之間使用統(tǒng)一的binary message format。

使用系統(tǒng)的pagecache。

使用sendfile傳輸log，避免拷貝。

端到端的批量壓縮（End-to-end Batch Compression）

Kafka支持GZIP和Snappy壓縮協(xié)議。

The Producer

負(fù)載均衡

1）producer可以自定義發(fā)送到哪個partition的路由規(guī)則。默認(rèn)路由規(guī)則：hash(key)%numPartitions，如果key為null則隨機選擇一個partition。

2）自定義路由：如果key是一個user id，可以把同一個user的消息發(fā)送到同一個partition，這時consumer就可以從同一個partition讀取同一個user的消息。

異步批量發(fā)送

批量發(fā)送：配置不多于固定消息數(shù)目一起發(fā)送并且等待時間小于一個固定延遲的數(shù)據(jù)。

The Consumer

consumer控制消息的讀取。

Push vs Pull

1)producer push data to broker，consumer pull data from broker

2)consumer pull的優(yōu)點：consumer自己控制消息的讀取速度和數(shù)量。

3)consumer pull的缺點：如果broker沒有數(shù)據(jù)，則可能要pull多次忙等待，Kafka可以配置consumer long pull一直等到有數(shù)據(jù)。

Consumer Position

1)大部分消息系統(tǒng)由broker記錄哪些消息被消費了，但Kafka不是。

2)Kafka由consumer控制消息的消費，consumer甚至可以回到一個old offset的位置再次消費消息。

Message Delivery Semantics

三種：

At most once—Messages may be lost but are never redelivered.

At least once—Messages are never lost but may be redelivered.

Exactly once—this is what people actually want, each message is delivered once and only once.

Producer：有個”acks“配置可以控制接收的leader的在什么情況下就回應(yīng)producer消息寫入成功。

Consumer：

* 讀取消息，寫log，處理消息。如果處理消息失敗，log已經(jīng)寫入，則無法再次處理失敗的消息，對應(yīng)”At most once“。

* 讀取消息，處理消息，寫log。如果消息處理成功，寫log失敗，則消息會被處理兩次，對應(yīng)”At least once“。

* 讀取消息，同時處理消息并把result和log同時寫入。這樣保證result和log同時更新或同時失敗，對應(yīng)”Exactly once“。

Kafka默認(rèn)保證at-least-once delivery，容許用戶實現(xiàn)at-most-once語義，exactly-once的實現(xiàn)取決于目的存儲系統(tǒng)，kafka提供了讀取offset，實現(xiàn)也沒有問題。

復(fù)制（Replication）

1）一個partition的復(fù)制個數(shù)（replication factor）包括這個partition的leader本身。

2）所有對partition的讀和寫都通過leader。

3）Followers通過pull獲取leader上log（message和offset）

4）如果一個follower掛掉、卡住或者同步太慢，leader會把這個follower從”in sync replicas“（ISR）列表中刪除。

5）當(dāng)所有的”in sync replicas“的follower把一個消息寫入到自己的log中時，這個消息才被認(rèn)為是”committed“的。

6）如果針對某個partition的所有復(fù)制節(jié)點都掛了，Kafka選擇最先復(fù)活的那個節(jié)點作為leader（這個節(jié)點不一定在ISR里）。

日志壓縮（Log Compaction）

1）針對一個topic的partition，壓縮使得Kafka至少知道每個key對應(yīng)的最后一個值。

2）壓縮不會重排序消息。

3）消息的offset是不會變的。

4）消息的offset是順序的。

Distribution

Consumer Offset Tracking

1）High-level consumer記錄每個partition所消費的maximum offset，并定期commit到offset manager（broker）。

2）Simple consumer需要手動管理offset。現(xiàn)在的Simple consumer Java API只支持commit offset到zookeeper。

Consumers and Consumer Groups

1）consumer注冊到zookeeper

2）屬于同一個group的consumer（group id一樣）平均分配partition，每個partition只會被一個consumer消費。

3）當(dāng)broker或同一個group的其他consumer的狀態(tài)發(fā)生變化的時候，consumer rebalance就會發(fā)生。

Zookeeper協(xié)調(diào)控制

1）管理broker與consumer的動態(tài)加入與離開。

2）觸發(fā)負(fù)載均衡，當(dāng)broker或consumer加入或離開時會觸發(fā)負(fù)載均衡算法，使得一個consumer group內(nèi)的多個consumer的訂閱負(fù)載平衡。

3）維護消費關(guān)系及每個partition的消費信息。

關(guān)于怎樣解析Kafka基本原理就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。