Kafka-设计原理

• Controller
  
• Leader - Partition
  
• Rebalance
  
• 消息发布机制
  
• HW与LEO
  
• 日记分段
  

---

Controller

• Kafka焦点总控制器Controller：在Kafka集群中会有一个或者多个broker，其中有一个broker会被推举为控制器（Kafka Controller），它负责管理整个集群中全部分区和副本的状态
  
  
  
  • 当某个分区的leader副本出现故障时，由控制器负责为该分区推举新的leader副本
    
  • 当检测到某个分区的ISR集合发生变革时，由控制器负责关照全部broker更新其元数据信息
    
  • 当利用kafka-topics.sh脚本为某个topic增长分区数量时，同样照旧由控制器负责让新分区被其他节点感知到
    
  
  
• Controller推举机制
  
  
  
  • zookeeper暂时节点的创建来推举controller：在kafka集群启动的时候，会自动推举一台broker作为controller来管理整个集群，推举的过程是集群中每个broker都会尝试在zookeeper上创建一个 /controller 暂时节点，zookeeper会保证有且仅有一个broker能创建乐成，这个broker就会成为集群的总控器controller
    
  • controller重新推举：当这个controller脚色的broker宕机了，此时zookeeper暂时节点会消失，集群里其他broker会一直监听这个暂时节点，发现暂时节点消失了，就竞争再次创建暂时节点，就是我们上面说的推举机制，zookeeper又会保证有一个broker成为新的controller
    
  
  
• 具备控制器身份的broker必要比其他平凡的broker多一份职责，具体细节如下
  
  
  
  • 监听broker相关的变革。为Zookeeper中的/brokers/ids/节点添加BrokerChangeListener，用来处理broker增减的变革
    
  • 监听topic相关的变革。为Zookeeper中的/brokers/topics节点添加TopicChangeListener，用来处理topic增减的变革；为Zookeeper中的/admin/delete_topics节点添加TopicDeletionListener，用来处理删除topic的动作
    
  • 从Zookeeper中读取获取当前全部与topic、partition以及broker有关的信息并进行相应的管理。对于全部topic所对应的Zookeeper中的/brokers/topics/[topic]节点添加PartitionModificationsListener，用来监听topic中的分区分配变革
    
  • 更新集群的元数据信息，同步到其他平凡的broker节点中
    
  
  

---

Leader - Partition

• Partition副本推举Leader机制
  
  
  
  • controller感知到分区leader所在的broker挂了（controller监听了很多zk节点可以感知到broker存活）
    
  • controller会从ISR列表(参数unclean.leader.election.enable=false的条件下)里挑第一个broker作为leader(第一个broker最先放进ISR列表，可能是同步数据最多的副本)
    
  • 如果参数unclean.leader.election.enable为true，代表在ISR列表里全部副本都挂了的时候可以在ISR列表以外的副本中选leader，这种设置，可以进步可用性，但是选出的新leader有可能数据少很多
    
  
  
• 副本进入ISR列表有两个条件
  
  
  
  • 必须能与zookeeper保持会话以及跟leader副本网络连通
    
  • 副本能复制leader上的全部写操纵，并且不能落伍太多
    
    
    
    • 与leader副本同步滞后的副本，是由 replica.lag.time.max.ms 配置决定的，超过这个时间都没有跟leader同步过的一次的副本会被移出ISR列表
      
    
    
  
  
• 消耗者消耗消息的offset记录机制
  
  
  
  • 每个consumer会定期将自己消耗分区的offset提交给kafka内部topic：__consumer_offsets
    
    
    
    • 提交过去的时候，key是consumerGroupId+topic+分区号，value就是当前offset的值
      
    • kafka会定期清理topic里的消息，最后就保留最新的那条数据
      
    
    
  • 因为__consumer_offsets可能会接收高并发的请求，kafka默认给其分配50个分区(可以通过offsets.topic.num.partitions设置)，如许可以通过加呆板的方式抗大并发
    
  
  

---

Rebalance

• Rebalance分区分配策略（partition.assignment.strategy）：range（默认）、round-robin、sticky
  
  
  
  • range：按照分区序号排序，比如分区0~3给一个consumer，分区4~6给一个consumer，分区7~9给一个consumer
    
  • round-robin：轮询分配，比如分区0、3、6、9给一个consumer，分区1、4、7给一个consumer，分区2、5、8给一个consumer
    
  • sticky：与round-robin类似，但是在rebalance的时候，必要保证如下两个原则（当两者发生冲突时，第一个目的优先于第二个目的）
    
    
    
    • 分区的分配要尽可能均匀
      
    • 分区的分配尽可能与前次分配的保持雷同
      
    
    
  
  
• Rebalance机制：如果消耗组里的消耗者数量有变革或消耗的分区数有变革，kafka会重新分配消耗者消耗分区的关系。比如consumer group中某个消耗者挂了，此时会自动把分配给他的分区交给其他的消耗者，如果他又重启了，那么又会把一些分区重新交还给他
  
  
  
  • rebalance只针对subscribe这种不指定分区消耗的环境，如果通过assign这种消耗方式指定了分区，kafka不会进行rebanlance
    
  • rebalance过程中，消耗者无法从kafka消耗消息，这对kafka的TPS会有影响，如果kafka集群内节点较多，比如数百个，那重平衡可能会耗时极多，所以应只管避免在体系高峰期的重平衡发生
    
  
  
• 触发消耗者rebalance
  
  
  
  • 消耗组里的consumer增长或减少了
    
  • 动态给topic增长了分区
    
  • 消耗组订阅了更多的topic
    
  
  
• Rebalance过程：当有消耗者参加消耗组时，消耗者、消耗组及组协调器之间会履历以下几个阶段
  
  
  • 选择组协调器（GroupCoordinator）：每个consumer group都会选择一个broker作为自己的组协调器coordinator，负责监控这个消耗组里的全部消耗者的心跳，以及判定是否宕机，然后开启消耗者rebalance
    
    
    
    • consumer group中的每个consumer启动时会向kafka集群中的某个节点发送FindCoordinatorRequest请求来查找对应的组协调器GroupCoordinator，并跟其创建网络毗连
      
    • 组协调器选择方式：通过如下公式可以选出consumer消耗的offset要提交到__consumer_offsets的哪个分区，这个分区leader对应的broker就是这个consumer group的coordinator。说白了，leader分区所在的节点就是GroupCoordinator
      
    
    
  • 参加消耗组（JOIN GROUP），选择消耗组协调器
    
    
    • 在乐成找到消耗组所对应的 GroupCoordinator 之后就进入参加消耗组的阶段，在此阶段的消耗者会向 GroupCoordinator 发送 JoinGroupRequest 请求，并处理响应。
      
    • 然后GroupCoordinator 从一个consumer group中选择第一个参加group（第一个与GroupCoordinator毗连的consumer）的consumer作为leader(消耗组协调器)
      
    • 把consumer group环境发送给这个leader，接着这个leader会负责订定分区方案
      
    
    
  • SYNC GROUP
    
    
    • consumer leader通过给GroupCoordinator发送SyncGroupRequest
      
    • 接着GroupCoordinator就把分区方案下发给各个consumer，他们会根据指定分区的leader broker进行网络毗连以及消息消耗
      
    
    
  
  

---

消息发布机制

• producer发布消息机制
  
  
  
  • 写入方式：producer 采用 push 模式将消息发布到 broker，每条消息都被 append 到 patition 中，属于顺序写磁盘（顺序写磁盘服从比随机写内存要高，保障 kafka 吞吐率）
    
  • 消息路由：producer 发送消息到 broker 时，会根据分区算法选择将其存储到哪一个 partition
    
    
    • 指定了 patition，则直接利用
      
    • 指定 patition 但指定 key，通过对 key 的 value 进行 hash 选出一个 patition
      
    • patition 和 key 都未指定，利用轮询选出一个 patition
      
    
    
  • 写入流程
    
    
    • producer 先从 zookeeper 的 “/brokers/…/state” 节点找到该 partition 的 leader
      
    • producer 将消息发送给该 leader
      
    • leader 将消息写入本地 log
      
    • followers 从 leader pull 消息，写入本地 log 后向leader 发送 ACK
      
    • leader 收到全部 ISR 中的 replica 的 ACK 后，增长 HW（high watermark，最后 commit 的 offset） 并向 producer 发送 ACK
      
    
    
  
  

---

HW与LEO

• HW：HW俗称高水位，HighWatermark的缩写，取一个partition对应的ISR中最小的LEO(log-end-offset)作为HW，consumer最多只能消耗到HW所在的位置。
  
  
  
  • 每个replica都有HW，leader和follower各自尊责更新自己的HW的状态。
    
  • 对于leader新写入的消息，consumer不能立刻消耗，leader会等待该消息被全部ISR中的replicas同步后更新HW，消息才能被consumer消耗。
    
  • 如许就保证了如果leader所在的broker失效，该消息仍旧可以从新推举的leader中获取。
    
  • 对于来自内部broker的读取请求，没有HW的限制
    
  
  
• 当producer生产消息至broker后，ISR以及HW和LEO的流转过程
  
  
  
  • 
    
    
  
  
• Kafka的复制机制既不是完全的同步复制，也不是单纯的异步复制，很好的均衡了确保数据不丢失以及吞吐率
  
• 当 acks=1
  
  
  
  • 
    
    
  
  

---

日记分段

• 日记分段存储：Kafka 一个分区的消息数据对应存储在一个文件夹下，以topic名称+分区号定名，消息在分区内是分段(segment)存储，每个段的消息都存储在不一样的log文件里，这种特性方便old segment file快速被删除，kafka规定了一个段位的 log 文件最大为 1G，做这个限制目的是为了方便把 log 文件加载到内存去操纵
  
  
  
  • 00000000000000000000.index：部分消息的offset索引文件，kafka每次往分区发4K(可配置)消息就会记录一条当前消息的offset到index文件
    
    
    
    • 如果要定位消息的offset会先在这个文件里快速定位，再去log文件里找具体消息
      
    
    
  • 00000000000000000000.log：消息存储文件，主要存offset和消息体
    
  • 00000000000000000000.timeindex：息的发送时间索引文件，kafka每次往分区发4K(可配置)消息就会记录一条当前消息的发送时间戳与对应的offset到timeindex文件
    
    
    
    • 如果必要按照时间来定位消息的offset，会先在这个文件里查找
      
    
    
  • 文件名00000000000000000000就是表了这个日记段文件里包含的起始 Offset
    
  
  
• log.segment.bytes：限定了每个日记段文件的巨细，最大就是 1GB
  
  
  
  • 一个日记段文件满了，就自动开一个新的日记段文件来写入，避免单个文件过大，影响文件的读写性能，这个过程叫做log rolling，正在被写入的那个日记段文件，叫做 active log segment。
    
  
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。