Kafka深度剖析

分手后的思念是犯贱 2022-11-14 10:07 223阅读 0赞

# Kafka简介 #

## Kafka概述： ##

Kafka由 linked-in 开源 。

kafka-高产出的分布式消息系统(A high-throughput distributed messaging system)。

Kafka是一个高吞吐、分布式、基于发布订阅的消息系统，利用Kafka技术可以在廉价的PC Server上搭建起大规模消息系统。

## Kafka的特性： ##

*  高吞吐量、低延迟：kafka每秒可以处理几十万条消息，它的延迟最低只有几毫秒，每个topic可以分多个partition, consumer group 对partition进行consume操作；
 *  可扩展性：kafka集群支持热扩展；
 *  持久性、可靠性：消息被持久化到本地磁盘，并且支持数据备份防止数据丢失；
 *  容错性：允许集群中节点失败（若副本数量为n,则允许n-1个节点失败）；
 *  高并发：支持数千个客户端同时读写；
 *  支持实时在线处理和离线处理：可以使用Storm这种实时流处理系统对消息进行实时进行处理，同时还可以使用Hadoop这种批处理系统进行离线处理；

## Kafka应用场景： ##

![图片][77971f3f70a3dfebb1252bf8c442e197.png]

图：Kafka应用场景

Kafka和其他组件比较，具有消息持久化、高吞吐、分布式、多客户端支持、实时等特性，适用于离线和在线的消息消费，如常规的消息收集、网站活性跟踪、聚合统计系统运营数据（监控数据）、日志收集等大量数据的互联网服务的数据收集场景。

1.  日志收集：一个公司可以用Kafka可以收集各种服务的log，通过kafka以统一接口服务的方式开放给各种consumer，例如Hadoop、Hbase、Solr等；
2.  消息系统：解耦和生产者和消费者、缓存消息等；
3.  用户活动跟踪：Kafka经常被用来记录web用户或者app用户的各种活动，如浏览网页、搜索、点击等活动，这些活动信息被各个服务器发布到kafka的topic中，然后订阅者通过订阅这些topic来做实时的监控分析，或者装载到Hadoop、数据仓库中做离线分析和挖掘；
4.  运营指标：Kafka也经常用来记录运营监控数据。包括收集各种分布式应用的数据，生产各种操作的集中反馈，比如报警和报告；
5.  流式处理：比如spark streaming和storm；
6.  事件源；
7.  ## kafka在FusionInsight中的位置： ##
    
    # #

![图片][dd186eeb974228e62dbd95cb1b0d4ea8.png]图：Kafka在FusionInsight中的位置

Kafka作为一个分布式消息系统，支持在线和离线消息处理，并提供了Java API以便其他组件对接使用。

# Kafka架构与功能 #

## Kafka架构： ##

![图片][dcec981493f677133e28a7626427c65a.png]

图：Kafka架构图

基本概念：

*  Broker：Kafka集群包含一个或多个服务实例，这些服务实例被称为Broker。是Kafka当中具体处理数据的单元。Kafka支持Broker的水平扩展。一般Broker数据越多，集群的吞吐力就越强。
 *  Topic：每条发布到Kafka集群的消息都有一个类别，这个类别被称为Topic。
 *  Partition：Kafka将Topic分成一个或多个Partition，每个Partition在物理上对应一个文件夹，该文件下存储这个Partition的所有消息。
 *  Producer：负责发布消息到Kafka Broker。
 *  Consumer：消息消费者，从Kafka Broker读取消息的客户端。
 *  Consumer Group：每个Consumer属于一个特定的Consumer Group（可为每个Consumer指定group name）。
 *  ZooKeeper：kafka与Zookeeper级联，通过Zookeeper管理级联配置，选举Leader。

### Kafka Topics： ###

![图片][08ebbad4a37e21e30ea36061983952b3.png]

图；Kafka Topics

每条发布到Kafka的消息都有个类别，这个类别被称为Topic，也可以理解为一个存储消息的队列。例如：天气作为一个Topic，每天的温度消息就可以存储在“天气”这个队列里。数据总数先进先出。后来的数据追加到后面。

### Kafka Partition： ###

![图片][aa87d3cdce5184ee08b4fe067ced7307.png]图：Kafka Partition

每个Topic都有一个或者多个Partitions构成。每个Partition都是有序且不可变的消息队列。引入Partition机制，保证了Kafka的高吞吐能力。

在每个Partition当中，都会存储一个Log文件，Log文件中记录了所有的消息文件。一个Topic的多个Partition，它分布在不同的Kafka节点上，这样多个客户端包括Producer和Consumer就可以并发的访问不同节点，对同一个Topic进行消息的读取。

![图片][21f21e83fa8903d3b4c15ce84263cbf7.png]

图：Partition

*  Topic的Partition数量可以在创建时配置。
 *  Partition数据决定了每个Consumer group中并发消费者的最大数据。
 *  Consumer group A有两个消费者来读取4个Partition中数据；Consumer group B有四个消费者来读取4个partition中数据。

**Kafka Partition offset:**

![图片][6414084084fed7e5cce6d44fbfb59a9b.png]

图：Kafka Partition offset

*  任何发布到此Partition的消息都会被直接追加到log文件的尾部。
 *  每条消息在文件中的位置称为offset（偏移量），offset是一个long型数字，它唯一标记一条消息。消费者通过（offset、partition、topic）跟踪记录。
 *  Kafka不支持消息的随机读取。

**Kafak Partition Replicas（副本）:**

![图片][77cc65709278729029bc12ca76628c7b.png]

图：副本机制

*  副本以分区为单位。每个分区都有各自的主副本。
 *  可以通过配置文件，配置副本的个数。
 *  一个Kafka集群中，各个节点可能互为Leader和Follower。
 *  主副本叫做Leader，从副本叫做Follower，处于同步状态的副本叫做In-Sync Replicas（ISR）。
 *  如果Leader失效，那么将会有其他的Follower来接管成为新的Leader。如果由于Follower自身的原因，比如网络原因导致同步落后太多，那么当Leader失效后，就不会将这个Follower选为leader。
 *  由于Leader的Server承载了全部的请求压力，因此从集群的整体考虑，Kafka会将Leader均衡的分散在每个实例上，来保持整体稳定。
 *  Follower通过**拉取**的方式从Leader中同步数据。消费者和生产这都是从Leader中读取数据，不与Follower交互。

**主副本和从副本的数据同步：**

![图片][17fb357270a92a0b5824454759da2f9c.png]

图：主副本和从副本的数据同步

从Partition的Leader复制数据到Follower，需要一个线程，实际上，复制数据的操作，是Follower主动从Leader上批量拉取数据，这就极大的提高了Kafka的吞吐量。Follower复制数据的线程叫做ReplicaFetcher Thread，而Kafka的Producer和Consumer只与Leader进行交互，不会与Follower进行交互。

![图片][fea49fbdd258c18acc71c086ec06ede3.png]

Kafka中每个Broker启动的时候，都会创建一个副本管理服务ReplicaManager，该服务负责维护ReplicaFether Thread与其他Broker链路连接关系。该服务中存在的Follower Partition对应的Leader Partition会分布在不同的Broker上，这些Broker创建相同数量的ReplicaFether Thread，同步对应Partition数据。Kafka中Partition间复制数据，是由Follower主动从Leader拉消息的。Follower每次读取消息都会更新HW状态，用于记录当前最新消息的标识。每当Follower的Partition发生变化而影响Leader所在的Broker时，ReplicaManager就会新建或者销毁相对应的ReplicaFether Thread。

## Kafka Logs： ##

为了使得Kafka的吞吐率可以线性提高，物理上把Topic分成一个或多个Partition，每个Partition在物理上对应一个文件夹，该文件夹下存储这个Partition的所有消息和索性文件。Kafka把Topic中一个Partition大文件分成多个小文件段通过多个小文件段，就容易定期清除或删除已经消费完的文件，减少磁盘占用。

Kafka的存储布局非常简单，Topic的每个分区对应一个逻辑日志，物理上一个日志为相同大小的一个分段文件。每次Producer发布一个消息到一个分区的时候，代理就将这些数据追加到最后一个段文件当中。当发布的消息数量达到消息设定的阈值，或者经过一定的时间后，段文件就会真正的写到磁盘当中。在写入完成以后，消息就会公开给Consumer。

同一个Topic下有不同的分区，每个分区会划分为多个文件，只有一个当前文件在写，其他文件是只读的。当写满一个文件（即达到某个设定的值）Kafka会新建一个空文件继续来写。而老文件切换为只读。

文件的命名以起始的偏移量来进行命名。Segment Files由两大部分组成，分别为Index file和data file，此两个文件一一对应成对出现。后缀 .index 和 .log 就分别表示为Segment的索引文件和数据文件。Segment文件的命名规则是：Partition全局的第一个Segment从0开始，后续每个segment文件为上一个全局Partition的最大offset，这个数据时64位的long型数据。如果没有数据就用0进行填充。通常把日志文件默认为1G，当达到1G就会创建新的Log文件和index文件。如果设置的参数过小，会产生大量的log文件和index文件，系统在启动的时候就需要加载大量的index到内存，占用大量的句柄。如果设置的太大，分段文件又比较少，不利于快速的查找。Kafka就是通过索引实现快速的定位message。

![图片][e31d15d56eb051a2f3d409d4c7419d14.png]

图：索引文件

*  通过索引信息可以快速定位message。
 *  通过将index元数据全部映射到memory，可以避免segment file的index数据IO磁盘操作。
 *  通过索引文件稀疏存储，可以大幅降低index文件元数据占用空间大小。
 *  稀疏存储：将原来完整的数据，只间隔的选择多条数据进行存储。

**Kafka Log Cleanup:**

日志的清理方式有两种：delete和compact。

删除的阈值有两种：过期的时间和分区内总日志大小。

![图片][0baf86654e6f6219475250fd4a4d5e4f.png]

删除

![图片][c5ad7bda04df75d9b6cfaf08fc309e4e.png]

图：日志清理方式–compact

compact操作是保存每个消息的最新value值。消息时顺序存储的，offset大的为最新的数据。

## Kafka数据可靠性： ##

Kafka所有消息都会被持久化到磁盘中，同时Kafka通过对Topic Partition设置Replication来保障数据可靠。

消息传输过程中保障通常有以下三种：

*  最多一次（At Most Once）：消息可能丢失；消息不会重复发送和处理。
 *  最少一次（At Lease Once）：消息不会丢失；消息可能会重复发送和处理。
 *  仅有一次（Exactly Once）：消息不会丢失；消息仅被处理一次。

Kafka消息传输保障机制，通过配置不同的消息发送模式来保障消息传输，进而满足不同的可靠性要求应用场景。

![图片][4f58bf0e5c1876f953a6990a58a96460.png]

可靠

# Kafka关键流程 #

## 写流程： ##

![图片][95c099f6e3c76d92a5704b12d6eb2398.png]

# #

图：Kafka写流程–Producer写数据

总体流程：

*  Producer连接任意存活的Broker，请求制定Topic、Partition的Leader元数据信息，然后直接与对应的Broker直接链接，发布数据。

开发分区接口：

*  用户可以指定分区函数，使得消息可以根据Key，发送到特定的Partition。

## Kafka读流程： ##

![图片][455ba2453c6fd41b59abee79d23b7d84.png]

图：Kafka读流程–Consumer读数据

总体流程：

*  Consumer连接指定Topic Partition所在的Leader Broker，用主动获取方式从Kafka中获取消息。

# Kafka在Zookeeper上的目录结构 #

## Zookeeper在Kafka的作用： ##

1.  无论是kafka集群，还是producer和consumer都依赖于zookeeper来保证系统可用性集群保存一些meta信息。
2.  Kafka使用zookeeper作为其分布式协调框架，很好的将消息生产、消息存储、消息消费的过程结合在一起。
3.  同时借助zookeeper，kafka能够生产者、消费者和broker在内的所以组件在无状态的情况下，建立起生产者和消费者的订阅关系，并实现生产者与消费者的负载均衡。

## Zookeeper Shell： ##

通过zkCli来连接正在运行的Zookeeper Shell客户端，可以通过ls和get命令来获取Kafka相关信息。

![20210328115316552.gif][]

图：用法示例

## Kafka in ZooKeeper： ##

![图片][89c31bfa9f3fa2fee5963309f85b6735.png]

图：Kafka在ZooKeeper中的目录结构

# Kafka Cluster Mirroring #

![图片][3f0356c5277a89ca97a9425bb8eed6a8.png]

镜像

图：Kafka CLuster Mirroring Kafka Cluster Mirroring是Kafka跨集群数据同步方案，通过Kafka内置的MirrorMaker工具来实现。通过Mirror Maker工具中的consumer从源集群消费数据，然后再通过内置的Producer，将数据重新发布到目标集群。

[77971f3f70a3dfebb1252bf8c442e197.png]: /images/20221022/3d9a522c356c41e8b6f7841df04fe99a.png
[dd186eeb974228e62dbd95cb1b0d4ea8.png]: /images/20221022/0110bf79e0c14abc9833fe102b534d05.png
[dcec981493f677133e28a7626427c65a.png]: /images/20221022/3628244d06214b08a39549aa2acfad23.png
[08ebbad4a37e21e30ea36061983952b3.png]: /images/20221022/458bd532b3ab440289b692fa20cd8377.png
[aa87d3cdce5184ee08b4fe067ced7307.png]: /images/20221022/3511be3d84474024b00bd42c21adbf3e.png
[21f21e83fa8903d3b4c15ce84263cbf7.png]: /images/20221022/5284fc234264402d9b080dba4c5c4dec.png
[6414084084fed7e5cce6d44fbfb59a9b.png]: /images/20221022/268c87f7dbaf4c8c808d6f4363d76e55.png
[77cc65709278729029bc12ca76628c7b.png]: /images/20221022/f8805396d401418183829ee3f34b3d98.png
[17fb357270a92a0b5824454759da2f9c.png]: /images/20221022/a78fe3adac9044feb4b235f2cba9fd1b.png
[fea49fbdd258c18acc71c086ec06ede3.png]: /images/20221022/64efffbfad8f4565986724b402781b4e.png
[e31d15d56eb051a2f3d409d4c7419d14.png]: /images/20221022/d5b2979a13fe46358082abeacf083203.png
[0baf86654e6f6219475250fd4a4d5e4f.png]: /images/20221022/e0cef289bd2d48ac940c466bd548e997.png
[c5ad7bda04df75d9b6cfaf08fc309e4e.png]: /images/20221022/8f4a467480cb4e3f94f3b43ef26afaea.png
[4f58bf0e5c1876f953a6990a58a96460.png]: /images/20221022/8364a3734b764e208fb5d24a764a0bed.png
[95c099f6e3c76d92a5704b12d6eb2398.png]: /images/20221022/a1b4c06335b34b0d9216e5e5baa402bf.png
[455ba2453c6fd41b59abee79d23b7d84.png]: /images/20221022/3f2fc5c9d0404e5fae30c1c5f921b16c.png
[20210328115316552.gif]: /images/20221022/fe9a5cfd2fee4590ac41d22bc6b1f0e1.png
[89c31bfa9f3fa2fee5963309f85b6735.png]: /images/20221022/72187e583776434c8cdca46283471fa8.png
[3f0356c5277a89ca97a9425bb8eed6a8.png]: /images/20221022/1ff4d8d9c5d7429fb6f353479815035c.png