關於kafka一些名詞的讀書筆記

Kafka的基本介紹

Kafka是最初由Linkedin公司開發，是一個分佈式、分區的、多副本的、多訂閱者，基於zookeeper協調的分佈式日誌系統（也能夠當作MQ系統），常見能夠用於web/nginx日誌、訪問日誌，消息服務等等，Linkedin於2010年貢獻給了Apache基金會併成爲頂級開源項目。

主要應用場景是：日誌收集系統和消息系統。

Kafka主要設計目標以下：

• 以時間複雜度爲O(1)的方式提供消息持久化能力，即便對TB級以上數據也能保證常數時間的訪問性能。

• 高吞吐率。即便在很是廉價的商用機器上也能作到單機支持每秒100K條消息的傳輸。

• 支持Kafka Server間的消息分區，及分佈式消費，同時保證每一個partition內的消息順序傳輸。

• 同時支持離線數據處理和實時數據處理。

 

Kafka的設計原理分析

一個典型的kafka集羣中包含若干producer，若干broker，若干consumer，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專用術語：

• Broker：消息中間件處理結點，一個Kafka節點就是一個broker，多個broker能夠組成一個Kafka集羣。

• Topic：一類消息，Kafka集羣可以同時負責多個topic的分發。

• Partition：topic物理上的分組，一個topic能夠分爲多個partition，每一個partition是一個有序的隊列。

• Segment：partition物理上由多個segment組成。

• 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。

• Producer：負責發佈消息到Kafka broker。

• Consumer：消息消費者，向Kafka broker讀取消息的客戶端。

• Consumer Group：每一個Consumer屬於一個特定的Consumer Group。

 

Kafka數據傳輸的事務特色

• at most once：最多一次，這個和JMS中"非持久化"消息相似，發送一次，不管成敗，將不會重發。消費者fetch消息，而後保存offset，而後處理消息；當client保存offset以後，可是在消息處理過程當中出現了異常，致使部分消息未能繼續處理。那麼此後"未處理"的消息將不能被fetch到，這就是"at most once"。

• at least once：消息至少發送一次，若是消息未能接受成功，可能會重發，直到接收成功。消費者fetch消息，而後處理消息，而後保存offset。若是消息處理成功以後，可是在保存offset階段zookeeper異常致使保存操做未能執行成功，這就致使接下來再次fetch時可能得到上次已經處理過的消息，這就是"at least once"，緣由offset沒有及時的提交給zookeeper，zookeeper恢復正常仍是以前offset狀態。

• exactly once：消息只會發送一次。kafka中並無嚴格的去實現（基於2階段提交），咱們認爲這種策略在kafka中是沒有必要的。

一般狀況下"at-least-once"是咱們首選。

 

Kafka消息存儲格式

Topic & Partition

一個topic能夠認爲一個一類消息，每一個topic將被分紅多個partition，每一個partition在存儲層面是append log文件。

在Kafka文件存儲中，同一個topic下有多個不一樣partition，每一個partition爲一個目錄，partiton命名規則爲topic名稱+有序序號，第一個partiton序號從0開始，序號最大值爲partitions數量減1。

• 每一個partion（目錄）至關於一個巨型文件被平均分配到多個大小相等segment（段）數據文件中。但每一個段segment file消息數量不必定相等，這種特性方便old segment file快速被刪除。

• 每一個partiton只須要支持順序讀寫就好了，segment文件生命週期由服務端配置參數決定。

這樣作的好處就是能快速刪除無用文件，有效提升磁盤利用率。

• segment file組成：由2大部分組成，分別爲index file和data file，此2個文件一一對應，成對出現，後綴".index"和「.log」分別表示爲segment索引文件、數據文件.

• segment文件命名規則：partion全局的第一個segment從0開始，後續每一個segment文件名爲上一個segment文件最後一條消息的offset值。數值最大爲64位long大小，19位數字字符長度，沒有數字用0填充。

segment中index與data file對應關係物理結構以下：

上圖中索引文件存儲大量元數據，數據文件存儲大量消息，索引文件中元數據指向對應數據文件中message的物理偏移地址。

其中以索引文件中元數據3,497爲例，依次在數據文件中表示第3個message（在全局partiton表示第368772個message），以及該消息的物理偏移地址爲497。

瞭解到segment data file由許多message組成，下面詳細說明message物理結構以下：

參數說明：

關鍵字	解釋說明
8 byte offset	在parition(分區)內的每條消息都有一個有序的id號，這個id號被稱爲偏移(offset),它能夠惟一肯定每條消息在parition(分區)內的位置。即offset表示partiion的第多少message
4 byte message size	message大小
4 byte CRC32	用crc32校驗message
1 byte 「magic"	表示本次發佈Kafka服務程序協議版本號
1 byte 「attributes"	表示爲獨立版本、或標識壓縮類型、或編碼類型。
4 byte key length	表示key的長度,當key爲-1時，K byte key字段不填
K byte key	可選
value bytes payload	表示實際消息數據。

副本（replication）策略

Kafka的高可靠性的保障來源於其健壯的副本（replication）策略。

1) 數據同步

kafka在0.8版本前沒有提供Partition的Replication機制，一旦Broker宕機，其上的全部Partition就都沒法提供服務，而Partition又沒有備份數據，數據的可用性就大大下降了。因此0.8後提供了Replication機制來保證Broker的failover。

引入Replication以後，同一個Partition可能會有多個Replica，而這時須要在這些Replication之間選出一個Leader，Producer和Consumer只與這個Leader交互，其它Replica做爲Follower從Leader中複製數據。

2) 副本放置策略

爲了更好的作負載均衡，Kafka儘可能將全部的Partition均勻分配到整個集羣上。

Kafka分配Replica的算法以下：

• 將全部存活的N個Brokers和待分配的Partition排序

• 將第i個Partition分配到第(i mod n)個Broker上，這個Partition的第一個Replica存在於這個分配的Broker上，而且會做爲partition的優先副本

• 將第i個Partition的第j個Replica分配到第((i + j) mod n)個Broker上

假設集羣一共有4個brokers，一個topic有4個partition，每一個Partition有3個副本。下圖是每一個Broker上的副本分配狀況。

3) 同步策略

Producer在發佈消息到某個Partition時，先經過ZooKeeper找到該Partition的Leader，而後不管該Topic的Replication Factor爲多少，Producer只將該消息發送到該Partition的Leader。Leader會將該消息寫入其本地Log。每一個Follower都從Leader pull數據。這種方式上，Follower存儲的數據順序與Leader保持一致。Follower在收到該消息並寫入其Log後，向Leader發送ACK。一旦Leader收到了ISR中的全部Replica的ACK，該消息就被認爲已經commit了，Leader將增長HW而且向Producer發送ACK。

爲了提升性能，每一個Follower在接收到數據後就立馬向Leader發送ACK，而非等到數據寫入Log中。所以，對於已經commit的消息，Kafka只能保證它被存於多個Replica的內存中，而不能保證它們被持久化到磁盤中，也就不能徹底保證異常發生後該條消息必定能被Consumer消費。

Consumer讀消息也是從Leader讀取，只有被commit過的消息纔會暴露給Consumer。

Kafka Replication的數據流以下圖所示：

對於Kafka而言，定義一個Broker是否「活着」包含兩個條件：

• 一是它必須維護與ZooKeeper的session（這個經過ZooKeeper的Heartbeat機制來實現）。

• 二是Follower必須可以及時將Leader的消息複製過來，不能「落後太多」。

Leader會跟蹤與其保持同步的Replica列表，該列表稱爲ISR（即in-sync Replica）。若是一個Follower宕機，或者落後太多，Leader將把它從ISR中移除。這裏所描述的「落後太多」指Follower複製的消息落後於Leader後的條數超過預約值或者Follower超過必定時間未向Leader發送fetch請求。

Kafka只解決fail/recover，一條消息只有被ISR裏的全部Follower都從Leader複製過去纔會被認爲已提交。這樣就避免了部分數據被寫進了Leader，還沒來得及被任何Follower複製就宕機了，而形成數據丟失（Consumer沒法消費這些數據）。而對於Producer而言，它能夠選擇是否等待消息commit。這種機制確保了只要ISR有一個或以上的Follower，一條被commit的消息就不會丟失。

4) leader選舉

Leader選舉本質上是一個分佈式鎖，有兩種方式實現基於ZooKeeper的分佈式鎖：

• 節點名稱惟一性：多個客戶端建立一個節點，只有成功建立節點的客戶端才能得到鎖

• 臨時順序節點：全部客戶端在某個目錄下建立本身的臨時順序節點，只有序號最小的纔得到鎖

Majority Vote的選舉策略和ZooKeeper中的Zab選舉是相似的，實際上ZooKeeper內部自己就實現了少數服從多數的選舉策略。kafka中對於Partition的leader副本的選舉採用了第一種方法：爲Partition分配副本，指定一個ZNode臨時節點，第一個成功建立節點的副本就是Leader節點，其餘副本會在這個ZNode節點上註冊Watcher監聽器，一旦Leader宕機，對應的臨時節點就會被自動刪除，這時註冊在該節點上的全部Follower都會收到監聽器事件，它們都會嘗試建立該節點，只有建立成功的那個follower纔會成爲Leader（ZooKeeper保證對於一個節點只有一個客戶端能建立成功），其餘follower繼續從新註冊監聽事件。

 

Kafka消息分組，消息消費原理

同一Topic的一條消息只能被同一個Consumer Group內的一個Consumer消費，但多個Consumer Group可同時消費這一消息。

這是Kafka用來實現一個Topic消息的廣播（發給全部的Consumer）和單播（發給某一個Consumer）的手段。一個Topic能夠對應多個Consumer Group。若是須要實現廣播，只要每一個Consumer有一個獨立的Group就能夠了。要實現單播只要全部的Consumer在同一個Group裏。用Consumer Group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。

Push vs. Pull

做爲一個消息系統，Kafka遵循了傳統的方式，選擇由Producer向broker push消息並由Consumer從broker pull消息。

push模式很難適應消費速率不一樣的消費者，由於消息發送速率是由broker決定的。push模式的目標是儘量以最快速度傳遞消息，可是這樣很容易形成Consumer來不及處理消息，典型的表現就是拒絕服務以及網絡擁塞。而pull模式則能夠根據Consumer的消費能力以適當的速率消費消息。

對於Kafka而言，pull模式更合適。pull模式可簡化broker的設計，Consumer可自主控制消費消息的速率，同時Consumer能夠本身控制消費方式——便可批量消費也可逐條消費，同時還能選擇不一樣的提交方式從而實現不一樣的傳輸語義。

 

Kafak順序寫入與數據讀取

生產者（producer）是負責向Kafka提交數據的，Kafka會把收到的消息都寫入到硬盤中，它絕對不會丟失數據。爲了優化寫入速度Kafak採用了兩個技術，順序寫入和MMFile。

順序寫入

由於硬盤是機械結構，每次讀寫都會尋址，寫入，其中尋址是一個「機械動做」，它是最耗時的。因此硬盤最「討厭」隨機I/O，最喜歡順序I/O。爲了提升讀寫硬盤的速度，Kafka就是使用順序I/O。

每條消息都被append到該Partition中，屬於順序寫磁盤，所以效率很是高。

對於傳統的message queue而言，通常會刪除已經被消費的消息，而Kafka是不會刪除數據的，它會把全部的數據都保留下來，每一個消費者（Consumer）對每一個Topic都有一個offset用來表示讀取到了第幾條數據。

 

即使是順序寫入硬盤，硬盤的訪問速度仍是不可能追上內存。因此Kafka的數據並非實時的寫入硬盤，它充分利用了現代操做系統分頁存儲來利用內存提升I/O效率。

在Linux Kernal 2.2以後出現了一種叫作「零拷貝(zero-copy)」系統調用機制，就是跳過「用戶緩衝區」的拷貝，創建一個磁盤空間和內存空間的直接映射，數據再也不復制到「用戶態緩衝區」系統上下文切換減小2次，能夠提高一倍性能。

 

經過mmap，進程像讀寫硬盤同樣讀寫內存（固然是虛擬機內存）。使用這種方式能夠獲取很大的I/O提高，省去了用戶空間到內核空間複製的開銷（調用文件的read會把數據先放到內核空間的內存中，而後再複製到用戶空間的內存中。）

消費者（讀取數據）

試想一下，一個Web Server傳送一個靜態文件，如何優化？答案是zero copy。傳統模式下咱們從硬盤讀取一個文件是這樣的。

先複製到內核空間（read是系統調用，放到了DMA，因此用內核空間），而後複製到用戶空間（一、2）；從用戶空間從新複製到內核空間（你用的socket是系統調用，因此它也有本身的內核空間），最後發送給網卡（三、4）。

Zero Copy中直接從內核空間（DMA的）到內核空間（Socket的），而後發送網卡。這個技術很是廣泛，Nginx也是用的這種技術。

實際上，Kafka把全部的消息都存放在一個一個的文件中，當消費者須要數據的時候Kafka直接把「文件」發送給消費者。當不須要把整個文件發出去的時候，Kafka經過調用Zero Copy的sendfile這個函數，這個函數包括：

• out_fd做爲輸出（通常及時socket的句柄）

• in_fd做爲輸入文件句柄

• off_t表示in_fd的偏移（從哪裏開始讀取）

1.kafka爲何要在topic里加入分區的概念？