kafka 消息服務

apache kafka參考

http://kafka.apache.org/documentation.html

消息隊列方式：

點對點：

消息生產者生產消息發送到queue中，而後消息消費者從queue中取出而且消費消息。這裏要注意：

• 消息被消費之後，queue中再也不有存儲，因此消息消費者不可能消費到已經被消費的消息。
• Queue支持存在多個消費者，可是對一個消息而言，只會有一個消費者能夠消費。

發佈/訂閱：

消息生產者（發佈）將消息發佈到topic中，同時有多個消息消費者（訂閱）消費該消息。和點對點方式不一樣，發佈到topic的消息會被全部訂閱者消費。

背景介紹：

Kafka 是一個消息系統，本來開發自 LinkedIn，用做 LinkedIn 的活動流（Activity Stream）和運營數據處理管道（Pipeline）的基礎。如今它已被多家公司做爲多種類型的數據管道和消息系統使用。

活動流數據是幾乎全部站點在對其網站使用狀況作報表時都要用到的數據中最常規的部分。活動數據包括頁面訪問量（Page View）、被查看內容方面的信息以及搜索狀況等內容。這種數據一般的處理方式

是先把各類活動以日誌的形式寫入某種文件，而後週期性地對這些文件進行統計分析。運營數據指的是服務器的性能數據（CPU、IO 使用率、請求時間、服務日誌等等數據)，總的來講，運營數據的統計方法種類繁多。

如上圖所示，一個典型的Kafka集羣中包含若干Producer（能夠是web前端產生的Page View，或者是服務器日誌，系統CPU、Memory等），若干broker（Kafka支持水平擴展，通常broker數量越多，

集羣吞吐率越高），若干Consumer Group，以及一個Zookeeper集羣。Kafka經過Zookeeper管理集羣配置，選舉leader，以及在Consumer Group發生變化時進行rebalance。Producer使用push模式

將消息發佈到broker，Consumer使用pull模式從broker訂閱並消費消息。

kafka名詞解釋和工做方式：

• Broker ： 一臺kafka服務器就是一個broker。一個集羣由多個broker組成。一個broker能夠容納多個topic。
• Topic ： 一類消息，例如page view日誌、click日誌等均可以以topic的形式存在。我們能夠理解爲一個隊列。
• Producer ： 消息生產者，就是向kafka broker推送消息的客戶端。
• Consumer ： 消息消費者，向kafka broker拉取消息的客戶端
• Consumer Group （CG）：這是kafka用來實現一個topic消息的廣播（發給全部的consumer）和單播（發給任意一個consumer）的手段。一個topic能夠有多個CG。

                                                topic的消息會複製（不是真的複製，是概念上的）到全部的CG，但每一個CG只會把消息發給該CG中的一個consumer。

                                                若是須要實現廣播，只要每一個consumer有一個獨立的CG就能夠了。

                                                要實現單播只要全部的consumer在同一個CG。

                                                用CG還能夠將consumer進行自由的分組而不須要屢次發送消息到不一樣的topic。

• Partition：爲了實現擴展性，一個很是大的topic能夠分佈到多個broker（即服務器）上，一個topic能夠分爲多個partition，每一個partition是一個有序的隊列。partition中的每條消息都會被分配一個有序的id（offset）。

                       kafka只保證按一個partition中的順序將消息發給consumer，不保證一個topic的總體（多個partition間）的順序。

• Offset：每一個partition都由一系列有序的、不可變的消息組成，這些消息被連續的追加到partition中。partition中的每一個消息都有一個連續的序列號叫作offset,用於partition惟一標識一條消息。

                   kafka的存儲文件都是按照offset.kafka來命名，用offset作名字的好處是方便查找。例如你想找位於2049的位置，只要找到2048.kafka的文件便可。固然the first offset就是00000000000.kafka

kafka特性：

• 經過O(1)的磁盤數據結構提供消息的持久化，這種結構對於即便數以TB的消息存儲也可以保持長時間的穩定性能。
• 高吞吐量：即便是很是普通的硬件kafka也能夠支持每秒數十萬的消息。
• 支持同步和異步複製兩種HA
• Consumer客戶端pull，隨機讀,利用sendfile系統調用，zero-copy ,批量拉數據
• 消費狀態保存在客戶端
• 消息存儲順序寫
• 數據遷移、擴容對用戶透明
• 支持Hadoop並行數據加載。
• 支持online和offline的場景。
• 持久化：經過將數據持久化到硬盤以及replication防止數據丟失。
• scale out：無需停機便可擴展機器。
• 按期刪除機制，支持設定partitions的segment file保留時間。

可靠性（一致性)

kafka(MQ)要實現從producer到consumer之間的可靠的消息傳送和分發。傳統的MQ系統一般都是經過broker和consumer間的確認（ack）機制實現的，並在broker保存消息分發的狀態。

即便這樣一致性也是很難保證的（參考原文）。kafka的作法是由consumer本身保存狀態，也不要任何確認。這樣雖然consumer負擔更重，但其實更靈活了。

由於無論consumer上任何緣由致使須要從新處理消息，均可以再次從broker得到。

kafak系統擴展性

kafka使用zookeeper來實現動態的集羣擴展，不須要更改客戶端（producer和consumer）的配置。broker會在zookeeper註冊並保持相關的元數據（topic，partition信息等）更新。

而客戶端會在zookeeper上註冊相關的watcher。一旦zookeeper發生變化，客戶端能及時感知並做出相應調整。這樣就保證了添加或去除broker時，各broker間仍能自動實現負載均衡。

kafka設計目標

高吞吐量是其核心設計之一。

• 數據磁盤持久化：消息不在內存中cache，直接寫入到磁盤，充分利用磁盤的順序讀寫性能。
• zero-copy：減小IO操做步驟。
• 支持數據批量發送和拉取。
• 支持數據壓縮。
• Topic劃分爲多個partition，提升並行處理能力。

Producer負載均衡和HA機制

• producer根據用戶指定的算法，將消息發送到指定的partition。
• 存在多個partiiton，每一個partition有本身的replica，每一個replica分佈在不一樣的Broker節點上。
• 多個partition須要選取出lead partition，lead partition負責讀寫，並由zookeeper負責fail over。
• 經過zookeeper管理broker與consumer的動態加入與離開。

Consumer的pull機制

因爲kafka broker會持久化數據，broker沒有cache壓力，所以，consumer比較適合採起pull的方式消費數據，具體特別以下：

• 簡化kafka設計，下降了難度。
• Consumer根據消費能力自主控制消息拉取速度。
• consumer根據自身狀況自主選擇消費模式，例如批量，重複消費，從制定partition或位置(offset)開始消費等.

Consumer與topic關係以及機制

本質上kafka只支持Topic.每一個consumer屬於一個consumer group;反過來講,每一個group中能夠有多個consumer.對於Topic中的一條特定的消息,
只會被訂閱此Topic的每一個group中的一個consumer消費,此消息不會發送給一個group的多個consumer;那麼一個group中全部的consumer將會交錯的消費整個Topic.
若是全部的consumer都具備相同的group,這種狀況和JMS(Java Message Service) queue模式很像;消息將會在consumers之間負載均衡.
若是全部的consumer都具備不一樣的group,那這就是"發佈-訂閱";消息將會廣播給全部的消費者.

在kafka中,一個partition中的消息只會被group中的一個consumer消費(同一時刻);每一個group中consumer消息消費互相獨立;咱們能夠認爲一個group是一個"訂閱"者,

一個Topic中的每一個partions,只會被一個"訂閱者"中的一個consumer消費,不過一個consumer能夠同時消費多個partitions中的消息.

kafka只能保證一個partition中的消息被某個consumer消費時是順序的.事實上,從Topic角度來講,當有多個partitions時,消息仍不是全局有序的.

一般狀況下,一個group中會包含多個consumer,這樣不只能夠提升topic中消息的併發消費能力,並且還能提升"故障容錯"性,若是group中的某個consumer失效,

那麼其消費的partitions將會有其餘consumer自動接管.kafka的設計原理決定,對於一個topic,同一個group中不能有多於partitions個數的consumer同時消費,

不然將意味着某些consumer將沒法獲得消息.

Producer均衡算法

kafka集羣中的任何一個broker,均可以向producer提供metadata信息,這些metadata中包含"集羣中存活的servers列表"/"partitions leader列表"
等信息(請參看zookeeper中的節點信息).當producer獲取到metadata信心以後, producer將會和Topic下全部partition leader保持socket鏈接;
消息由producer直接經過socket發送到broker,中間不會通過任何"路由層".事實上,消息被路由到哪一個partition上,有producer客戶端決定.
好比能夠採用"random""key-hash""輪詢"等,若是一個topic中有多個partitions,那麼在producer端實現"消息均衡分發"是必要的.
在producer端的配置文件中,開發者能夠指定partition路由的方式.

Consumer均衡算法

當一個group中,有consumer加入或者離開時,會觸發partitions均衡.均衡的最終目的,是提高topic的併發消費能力.
1) 假如topic1,具備以下partitions: P0,P1,P2,P3
2) 加入group中,有以下consumer: C0,C1
3) 首先根據partition索引號對partitions排序: P0,P1,P2,P3
4) 根據consumer.id排序: C0,C1
5) 計算倍數: M = [P0,P1,P2,P3].size / [C0,C1].size,本例值M=2(向上取整)
6) 而後依次分配partitions: C0 = [P0,P1],C1=[P2,P3],即Ci = [P(i * M),P((i + 1) * M -1)]

kafka broker集羣內broker之間replication機制

kafka中,replication策略是基於partition,而不是topic;kafka將每一個partition數據複製到多個server上,任何一個partition有一個leader和多個follower(能夠沒有);

備份的個數能夠經過broker配置文件來設定.leader處理全部的read-write請求,follower須要和leader保持同步.Follower就像一個"consumer",

消費消息並保存在本地日誌中;leader負責跟蹤全部的follower狀態,若是follower"落後"太多或者失效,leader將會把它從replicas同步列表中刪除.

當全部的follower都將一條消息保存成功,此消息才被認爲是"committed",那麼此時consumer才能消費它,這種同步策略,就要求follower和leader之間必須具備良好的網絡環境.

即便只有一個replicas實例存活,仍然能夠保證消息的正常發送和接收,只要zookeeper集羣存活便可.(備註:不一樣於其餘分佈式存儲,好比hbase須要"多數派"存活才行)

kafka斷定一個follower存活與否的條件有2個:

1) follower須要和zookeeper保持良好的連接   

2) 它必須可以及時的跟進leader,不能落後太多.

若是同時知足上述2個條件,那麼leader就認爲此follower是"活躍的".若是一個follower失效(server失效)或者落後太多,

leader將會把它從同步列表中移除’備註:若是此replicas落後太多,它將會繼續從leader中fetch數據,直到足夠up-to-date,

而後再次加入到同步列表中;kafka不會更換replicas宿主,由於"同步列表"中replicas須要足夠快,這樣才能保證producer發佈消息時接受到ACK的延遲較小。

當leader失效時，需在followers中選取出新的leader,可能此時follower落後於leader,所以須要選擇一個"up-to-date"的follower.kafka中leader選舉並無採用"投票多數派"的算法,

由於這種算法對於"網絡穩定性"/"投票參與者數量"等條件有較高的要求,並且kafka集羣的設計,還須要容忍N-1個replicas失效.對於kafka而言,

每一個partition中全部的replicas信息均可以在zookeeper中得到,那麼選舉leader將是一件很是簡單的事情.選擇follower時須要兼顧一個問題,

就是新leader server上所已經承載的partition leader的個數,若是一個server上有過多的partition leader,意味着此server將承受着更多的IO壓力.

在選舉新leader,須要考慮到"負載均衡",partition leader較少的broker將會更有可能成爲新的leader.

在整幾個集羣中,只要有一個replicas存活,那麼此partition均可以繼續接受讀寫操做.

總結:

    1) Producer端直接鏈接broker.list列表,從列表中返回TopicMetadataResponse,該Metadata包含Topic下每一個partition leader創建socket鏈接併發送消息.

    2) Broker端使用zookeeper用來註冊broker信息,以及監控partition leader存活性.

    3) Consumer端使用zookeeper用來註冊consumer信息,其中包括consumer消費的partition列表等,同時也用來發現broker列表,並和partition leader創建socket鏈接,並獲取消息.