Kafka的基本原理是什么

這篇文章主要講解了“Kafka的基本原理是什么”，文中的講解內(nèi)容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“Kafka的基本原理是什么”吧！

1、什么是Kafka？

       Kafka是一個使用Scala編寫的消息系統(tǒng)，原本開發(fā)自LinkedIn，用作LinkedIn的活動流（Activity Stream）和運營數(shù)據(jù)處理管道（Pipeline）的基礎(chǔ)。現(xiàn)在它已被多家不同類型的公司作為多種類型的數(shù)據(jù)管道和消息系統(tǒng)使用。

Kafka是一種分布式的，基于發(fā)布/訂閱的消息系統(tǒng)。

      Kafka使用zookeeper作為其分布式協(xié)調(diào)框架，很好的將消息生產(chǎn)、消息存儲、消息消費的過程結(jié)合在一起。同時借助zookeeper，kafka能夠生產(chǎn)者、消費者和broker在內(nèi)的所以組件在無狀態(tài)的情況下，建立起生產(chǎn)者和消費者的訂閱關(guān)系，并實現(xiàn)生產(chǎn)者與消費者的負載均衡。

2、kafka的特性

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

（2）高吞吐率。即使在非常廉價的商用機器上也能做到單機支持每秒100K條以上消息的傳輸。

（3）支持Kafka Server間的消息分區(qū)，及分布式消費，同時保證每個Partition內(nèi)的消息順序存儲和傳輸。

（4）同時支持離線數(shù)據(jù)處理（Offline）和實時數(shù)據(jù)處理（Online）。

（5）Scale out：支持在線水平擴展。無需停機即可擴展機器。

（6）支持定期刪除數(shù)據(jù)機制?？梢园凑諘r間段來刪除，也可以按照文檔大小來刪除。

（7）Consumer采用pull的方式消費數(shù)據(jù)，消費狀態(tài)由Consumer控制，減輕Broker負擔。

3、Kafka架構(gòu)

（1）Broker：和RabbitMQ中的Broker概念類似。一個kafka服務(wù)器就是一個Broker，而一個kafka集群包含一個或多個Broker。Broker會持久化數(shù)據(jù)到相應(yīng)的Partition中，不會有cache壓力。

（2）Topic：主題。每條消息都有一個類別，這個類別就叫做Topic。Kafka的Topic可以理解為RabbitMQ的Queue消息隊列，相同類別的消息被發(fā)送到同一個Topic中，然后再被此Topic的Consumer消費。Topic是邏輯上的概念，而物理上的實現(xiàn)就是Partition。

（3）Partition：分區(qū)。分區(qū)是物理上的概念，每個Topic包含一個或者多個Partition，每個Partition都是一個有序隊列。發(fā)送給Topic的消息經(jīng)過分區(qū)算法（可以自定義），決定消息存儲在哪一個Partition當中。每一條數(shù)據(jù)都會被分配一個有序id：Offset。注意：kafka只保證按一個partition中的順序?qū)⑾l(fā)給Consumer，不保證一個Topic的整體（多個partition間）的順序。

（4）Replication：備份。Replication是基于Partition而不是Topic的。每個Partition都有自己的備份，且分布在不同的Broker上。

（5）Offset：偏移量。kafka的存儲文件都是用offset來命名，用offset做名字的好處是方便查找。例如你想找位于2049的位置，只要找到2048.log的文件即可。當然the first offset就是00000000000.log。注意：每個Partition中的Offset都是各不影響的從0開始的有序數(shù)列。

（6）Producer：消息生產(chǎn)者。

（7）Consumer：消息消費者。Consumer采用pull的方式從Broker獲取消息，并且Consumer要維護消費狀態(tài)，因此Kafaka系統(tǒng)中，業(yè)務(wù)重心一般都在Consumer身上，而不像RabbitMQ那樣Broker做了大部分的事情。

（8）Consumer Group：消費組。每個Consumer屬于一個特定的Consumer Group（可為每個Consumer指定group name，若不指定group name則屬于默認的group）。每個Topic可以被多個Group訂閱，每個Group中可以有多個Consumer。發(fā)送到Topic的一條消息會被每個Group中的一個Consumer消費，多個Consumer之間將交錯消費整個Topic的消息，實現(xiàn)負載均衡。

（9）Record：消息。每一個消息由一個Key、一個Value和一個時間戳構(gòu)成。

Kafka內(nèi)部結(jié)構(gòu)圖（圖片源于網(wǎng)絡(luò)）

Kafka拓撲結(jié)構(gòu)圖（圖片源于網(wǎng)絡(luò)）

4、Topic、Partition文件存儲

4.1、Topic與Partition的關(guān)系

Topic在邏輯上可以被認為是一個queue，每條消費都必須指定它的Topic，可以簡單理解為必須指明把這條消息放進哪個queue里。為了使得Kafka的吞吐率可以線性提高，物理上把Topic分成一個或多個Partition，每個Partition在物理上對應(yīng)一個文件夾，該文件夾下存儲這個Partition的所有消息和索引文件。若創(chuàng)建topic1和topic2兩個topic，且分別有13個和19個分區(qū)，則整個集群上會相應(yīng)會生成共32個文件夾。partiton命名規(guī)則為topic名稱+有序序號，第一個partiton序號從0開始，序號最大值為partitions數(shù)量減1。

4.2、Partition文件存儲的特點

（1）每個partition目錄相當于一個巨型文件被平均分配到多個大小相等segment數(shù)據(jù)文件中。但每個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。

（2）每個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。

（3）segment file組成：由2大部分組成，分別為index file（后綴“.index”）和data file（后綴“.log”），此2個文件一一對應(yīng)，成對出現(xiàn)。

（4）segment文件命名規(guī)則：partition全局的第一個segment從0開始，后續(xù)每個segment文件名為上一個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)字字符長度，沒有數(shù)字用0填充。

Segment file結(jié)構(gòu)圖（圖片來源于網(wǎng)絡(luò)）

以上述圖2中一對segment file文件為例，說明segment中index和log文件對應(yīng)關(guān)系物理結(jié)構(gòu)如下：

Kafka集群Partition分布圖1（圖片來源于網(wǎng)絡(luò)）

當集群中新增2節(jié)點，Partition增加到6個時分布情況如下：

Kafka集群Partition分布圖2（圖片來源于網(wǎng)絡(luò)）

在Kafka集群中，每個Broker都有均等分配Leader Partition機會。

上述圖Broker Partition中，箭頭指向為副本，以Partition-0為例：broker1中parition-0為Leader，Broker2中Partition-0為副本。每個Broker（按照BrokerId有序）依次分配主Partition，下一個Broker為副本，如此循環(huán)迭代分配，多副本都遵循此規(guī)則。

副本分配算法：

（1）將所有n個Broker和待分配的i個Partition排序。

（2）將第i個Partition分配到第(i mod n)個Broker上。

（3）將第i個Partition的第j個副本分配到第((i + j) mod n)個Broker上

例如圖2中的第三個Partition：partition-2，將被分配到Broker3（(3 mod 6)=3）上，partition-2的副本將被分配到Broker4上（(3+1) mod 6=4）。

4.5、kafka文件存儲特點

（1）Kafka把topic中一個parition大文件分成多個小文件段，通過多個小文件段，就容易定期清除或刪除已經(jīng)消費完文件，減少磁盤占用?？梢栽O(shè)置segment文件大小定期刪除和消息過期時間定期刪除

（2）通過索引信息可以快速定位message。

（3）通過index元數(shù)據(jù)全部映射到memory，可以避免segment file的IO磁盤操作。

（4）通過索引文件稀疏存儲，可以大幅降低index文件元數(shù)據(jù)占用空間大小。

4.6、Consumer和Partition的關(guān)系

對于多個Partition，多個Consumer

（1）如果consumer比partition多，是浪費，因為kafka的設(shè)計是在一個partition上是不允許并發(fā)的，所以consumer數(shù)不要大于partition數(shù)。

（2）如果consumer比partition少，一個consumer會對應(yīng)于多個partition，這里要合理分配consumer數(shù)和partition數(shù)，否則會導(dǎo)致partition里面的數(shù)據(jù)被取的不均勻。最好partiton數(shù)目是consumer數(shù)目的整數(shù)倍，所以partition數(shù)目很重要，比如取24，就很容易設(shè)定consumer數(shù)目。

（3）如果consumer從多個partition讀到數(shù)據(jù)，不保證數(shù)據(jù)間的順序性，kafka只保證在一個partition上數(shù)據(jù)是有序的，但多個partition，根據(jù)你讀的順序會有不同

（4）增減consumer，broker，partition會導(dǎo)致rebalance，所以rebalance后consumer對應(yīng)的partition會發(fā)生變化

（5）High-level接口中獲取不到數(shù)據(jù)的時候是會block的。

關(guān)于zookeeper中Offset初始值的問題：

Zookeeper中Offset的初始值默認是非法的，因此通過設(shè)置Consumer的參數(shù)auto.offset.reset來告訴Consumer讀取到Offset非法時該怎么做。

auto.offset.reset有三個值：

（1）smallest : 自動把zookeeper中的offset設(shè)為Partition中最小的offset；

（2）largest : 自動把zookeeper中offset設(shè)為Partition中最大的offset；

（3）anything else: 拋出異常；

auto.offset.reset默認值是largest，此種情況下如果producer先發(fā)送了10條數(shù)據(jù)到某個Partition，然后Consumer啟功后修改zookeeper中非法Offset值為Partition中的最大值9（Offset從0開始），這樣Consumer就忽略了這10條消息。就算現(xiàn)在再次設(shè)置成smallest也讀取不到之前的10條數(shù)據(jù)了，因為此時Offset是合法的了。

所以，想要讀取之前的數(shù)據(jù)，就需要在一開始指定auto.offset.reset=smallest。

5、Replication副本同步機制

Replication是基于Partition而不是Topic的。每個Partition都有自己的備份，且分布在不同的Broker上。這些Partition當中有一個是Leader，其他都是Follower。Leader Partition負責讀寫操作，F(xiàn)ollower Partition只負責從Leader處復(fù)制數(shù)據(jù)，使自己與Leader保持一致。Zookeeper負責兩者間的故障切換（fail over，可以理解為Leader選舉）。

消息復(fù)制延遲受最慢的Follower限制，Leader負責跟蹤所有Follower的狀態(tài)，如果Follower“落后”太多或者失效，Leader就將此Follower從Replication同步列表中移除，但此時Follower是活著的，并且一直從Leader拉取數(shù)據(jù)，直到差距小于replica.lag.max.messages值，然后重新加入同步列表。當一條消息被所有的Follower保存成功，此消息才被認為是“committed”，Consumer才能消費這條消息。這種同步方式就要求Leader和Follower之間要有良好的網(wǎng)絡(luò)環(huán)境。

一個partition的follower落后于leader足夠多時，會被認為不在同步副本列表或處于滯后狀態(tài)。在Kafka-0.8.2.x中，副本滯后判斷依據(jù)是副本落后于leader最大消息數(shù)量(replica.lag.max.messages)或replication響應(yīng)Leader partition的最長等待時間(replica.lag.time.max.ms)。前者是用來檢測緩慢的副本，而后者是用來檢測失效或死亡的副本。假設(shè)replica.lag.max.messages設(shè)置為4，表明只要follower落后leader的消息數(shù)小于4，就不會從同步副本列表中移除。replica.lag.time.max設(shè)置為500 ms，表明只要follower向leader發(fā)送拉取數(shù)據(jù)請求時間間隔超過500 ms，就會被標記為死亡，并且會從同步副本列表中移除。

當Leader處于流量高峰時，比如一瞬間就收到了4條數(shù)據(jù)，此時所有Follower將被認為是“out-of-sync”并且從同步副本列表中移除，然后Follower拉取數(shù)據(jù)趕上Leader過后又重新加入同步列表，就這樣Follower頻繁在副本同步列表移除和重新加入之間來回切換。

即使只有一個replicas實例存活，仍然可以保證消息的正常發(fā)送和接收，只要zookeeper集群存活即可(注意：不同于其他分布式存儲，比如hbase需要"多數(shù)派"存活才行)。

當leader失效時，需在followers中選取出新的leader，可能此時follower落后于leader，因此需要選擇一個"up-to-date"的follower。kafka中l(wèi)eader選舉并沒有采用"投票多數(shù)派"的算法，因為這種算法對于"網(wǎng)絡(luò)穩(wěn)定性"/"投票參與者數(shù)量"等條件有較高的要求，而且kafka集群的設(shè)計，還需要容忍N-1個replicas失效。對于kafka而言，每個partition中所有的replicas信息都可以在zookeeper中獲得，那么選舉leader將是一件非常簡單的事情。選擇follower時需要兼顧一個問題，就是新leader 所在的server服務(wù)器上已經(jīng)承載的partition leader的個數(shù)，如果一個server上有過多的partition leader，意味著此server將承受著更多的IO壓力。在選舉新leader，需要考慮到"負載均衡"，partition leader較少的broker將會更有可能成為新的leader。在整個集群中，只要有一個replicas存活，那么此partition都可以繼續(xù)接受讀寫操作。

6、Consumer均衡算法

當一個Group中，有Consumer加入或者離開時，會觸發(fā)Partitions均衡。均衡的最終目的，是提升Topic的并發(fā)消費能力。

（1）假如topic1，具有如下partitions: P0，P1，P2，P3

（2）加入group中，有如下consumer: C0，C1

（3）首先根據(jù)partition索引號對partitions排序: P0，P1，P2，P3

（4）根據(jù)consumer.id排序: C0，C1

（5）計算倍數(shù): M = [P0，P1，P2，P3].size / [C0，C1].size，本例值M=2(向上取整)

（6）然后依次分配partitions: C0 = [P0，P1]，C1=[P2，P3]，即Ci = [P(i * M)，P((i + 1) * M -1)]

通過此算法，就能知道具體Consumer消費的是哪個分區(qū)中的數(shù)據(jù)。

7、Producer消息路由機制

在kafka-Client-0.11.0.0.jar中，提供的有默認的KafkaProducer和DefaultPartitioner實現(xiàn)。其中DefaultPartitioner主要提供了Producer發(fā)送消息到分區(qū)的路由算法，如果給定Key值，就通過Key的哈希值和分區(qū)個數(shù)取余來計算；如果沒有給定Key，就通過ThreadLocalRandom.current().nextInt()產(chǎn)生的隨機數(shù)與分區(qū)數(shù)取余（其中涉及復(fù)雜步奏參考如下代碼）。具體代碼如下：

public class DefaultPartitioner implements Partitioner {
    private final ConcurrentMap<string, atomicinteger=""> topicCounterMap = new ConcurrentHashMap<>();

    public void configure(Map<string,> configs) {}
    /**
     * 計算給定記錄的分區(qū)
     * @param topic The topic name
     * @param key The key to partition on (or null if no key)
     * @param keyBytes serialized key to partition on (or null if no key)
     * @param value The value to partition on or null
     * @param valueBytes serialized value to partition on or null
     * @param cluster The current cluster metadata
     */
    public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
        List<partitioninfo> partitions = cluster.partitionsForTopic(topic);
        int numPartitions = partitions.size();
        if (keyBytes == null) {
            int nextValue = nextValue(topic);
            List<partitioninfo> availablePartitions = cluster.availablePartitionsForTopic(topic);
            if (availablePartitions.size() > 0) {
                int part = Utils.toPositive(nextValue) % availablePartitions.size();
                return availablePartitions.get(part).partition();
            } else {
                // no partitions are available, give a non-available partition
                return Utils.toPositive(nextValue) % numPartitions;
            }
        } else {
            // hash the keyBytes to choose a partition
            return Utils.toPositive(Utils.murmur2(keyBytes)) % numPartitions;
        }
    }

    private int nextValue(String topic) {
        AtomicInteger counter = topicCounterMap.get(topic);
        if (null == counter) {
            counter = new AtomicInteger(ThreadLocalRandom.current().nextInt());
            AtomicInteger currentCounter = topicCounterMap.putIfAbsent(topic, counter);
            if (currentCounter != null) {
                counter = currentCounter;
            }
        }
        return counter.getAndIncrement();
    }
    public void close() {}
}

我們也可以設(shè)置自己的Partition路由規(guī)則，需要繼承Partitioner類實現(xiàn)

public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster);

8、kafka消息投遞保證（delivery保證）

Kafka的消息delivery保證主要有三種：

（1）At most once 最多一次。消息可能會丟失，但絕不會重復(fù)傳輸。

（2）At least once 最少一次。消息絕不會丟失，但可能會重復(fù)傳輸。

（3）Exactly once 正好一次。每條消息正好被傳輸一次和消費一次。

8.1、Producer delivery保證

Producer的delivery保證可以通過參數(shù)request.required.acks設(shè)置來保證：

（1）request.required.acks=0。

相當于消息異步發(fā)送。消息一發(fā)送完畢馬上發(fā)送下一條。由于不需要ack，可能會造成數(shù)據(jù)丟失，相當于實現(xiàn)了At most once。

（2）request.required.acks=1。

消息發(fā)送給Leader Partition，在Leader Partition確認消息并ack 生產(chǎn)者過后才發(fā)下一條。

（3）request.required.acks=-1。

消息發(fā)送給Leader，在Leader收到所有Follower確認保存消息的ack后對producer進行ack才發(fā)送下一條。

所以一條消息從Producer到Broker至少是確保了At least once的，因為有Replication的存在，只要消息到達Broker就不會丟失。如果ack出現(xiàn)問題，比如網(wǎng)絡(luò)中斷，有可能會導(dǎo)致producer收不到ack而重復(fù)發(fā)送消息。Exactly once這種方式，沒有查到相關(guān)的實現(xiàn)。

第（3）種方式的具體步奏如下：

a. producer 先從 zookeeper 的 "/brokers/.../state" 節(jié)點找到該 partition 的 leader

b. producer 將消息發(fā)送給該 leader

c. leader 將消息寫入本地 log

d. followers 從 leader pull 消息，寫入本地 log 后向 leader 發(fā)送 ACK

e. leader 收到所有 ISR 中的 replica 的 ACK 后，增加 HW（high watermark，最后 commit 的 offset） 并向 producer 發(fā)送 ACK

8.2、Consumer delivery保證

Consumer從Broker拉取數(shù)據(jù)過后，可以選擇commit，此操作會在zookeeper中存下此Consumer讀取對應(yīng)Partition消息的Offset，以便下一次拉取數(shù)據(jù)時會從Partition的下一個Offset消費，避免重復(fù)消費。

同樣，Consumer可以通過設(shè)置參數(shù)enable.auto.commit=true來自動確認消息，即Consumer一收到消息立刻自動commit。如果只看消息的讀取過程，kafka是確保了Exactly once的，但是實際情況中Consumer不可能讀取到數(shù)據(jù)就結(jié)束了，往往還需要處理讀取到的數(shù)據(jù)。因此Consumer處理消息和commit消息的順序就決定了delivery保證的類別。

（1）先處理后commit

這種方式實現(xiàn)了At least once。Consumer收到消息先處理后提交，如果在處理完成后機器崩潰了，導(dǎo)致Offset沒有更新，Consumer下次啟動時又會重新讀取上一次消費的數(shù)據(jù)，實際上此消息已經(jīng)處理過了。

（2）先commit后處理

這種方式實現(xiàn)了At most once。Consumer收到消息過后立刻commit，更新zookeeper上的Offset，然后再處理消息。如果處理還未結(jié)束Consumer崩潰了，等Consumer再次啟動的時候會讀取Offset更新過后的下一條數(shù)據(jù)，這就導(dǎo)致了數(shù)據(jù)丟失。

9、High Level API和Low Level API

Kafka提供了兩種Consumer API，選用哪種API需要視具體情況而定。

9.1、High Level Consumer API

High Level Consumer API圍繞著Consumer Group這個邏輯概念展開，它屏蔽了每個Topic的每個Partition的Offset管理（自動讀取zookeeper中該Partition的last offset ）、Broker失敗轉(zhuǎn)移以及增減Partition、Consumer時的負載均衡(當Partition和Consumer增減時，Kafka自動進行Rebalance）。

9.2、Low Level Consumer API

Low Level Consumer API，作為底層的Consumer API，提供了消費Kafka Message更大的控制，用戶可以實現(xiàn)重復(fù)讀取、跳讀等功能。

使用Low Level Consumer API，是沒有對Broker、Consumer、Partition增減進行處理，如果出現(xiàn)這些的增減時，需要自己處理負載均衡。

Low Level Consumer API提供更大靈活控制是以增加復(fù)雜性為代價的：

（1）Offset不再透明

（2）Broker自動失敗轉(zhuǎn)移需要處理

（3）增加Consumer、Partition、Broker需要自己做負載均衡

感謝各位的閱讀，以上就是“Kafka的基本原理是什么”的內(nèi)容了，經(jīng)過本文的學習后，相信大家對Kafka的基本原理是什么這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！