标签：java control image cer 存储 做了 linked admin err
kafka作为消息中间件和大数据相关的系统联系非常密切。其实，对于kafka本身而言，它已不仅仅定位于消息中间件，从0.10开始，kafka提供了Stream（KQL）计算功能，开始有了实时处理能力。由于目前kafka主要还是作为消息中间件来使用，所以当前对kafka相关原理的研究也主要集中在消息队列这块。本文将会对kafka一些重要的原理和重要组件做一个一般性的介绍。
Kafka的整体架构图如下，由Producer，Broker和Consumer组成。broker的controller选举，broker的上下线，topic的管理（删除，创建），以及replication的管理等都需要借助zookeeper来实现，而Consumer在消费过程中，可以将消费的进度消息保存到zookeeper（另外，也可以不通过zookeeper，将消费相关进度信息保存到Kafka内置的__consumer_offset这个topic中）。
从生产消费角度看：生产者（producer）可以写入消息到指定的topic。而消费有消费组合消费者的概念，一个topic可以有多个消费组，而一个消费组又可以有多个消费者。不同的消费组可以同事消费topic里面同一个消息，而同一个消息只能由一个消费组下面的某一个消费者消费。在0.8版本中，Kafka client API是scala写的，而在新的kafka版本中（0.9+）已经改成了Java实现。另外，从以上架构图中也可以看出，从部署的角度看，kafka server端的整体架构是类似于P2P的，而不像当前主流的master salve机构。
如下图，在Kafka中，逻辑上的topic可以从物理上被划分为多个partition来进行存储（具体多少个partition可以在创建topic的时候指定，或者创建后扩容，但是不能缩容）。每个partition当broker中有一个单独的目录，在这个partition目录中，在0.10版本包含三种文件：保存数据的log文件（log结尾），以及offset索引（index结尾）和时间索引文件（timeindex结尾）。
在同一个parition目录下，可以有多个segment（即log）文件，文件以offset number命名，如下图的xxx0368769.log文件，这个数字是上一个segment文件最后一条消息的逻辑offset的值，也就是说当前文件的最开始的一条记录的逻辑offset是当前文件名numbert加1。而在索引（index）文件中，保存着当前文件中消息序号和实际文件offset的索引，如下图中的6，1407表示的是当前文件中第6条信息的文件offset是1407，如果要读取这条消息只需要seek到该位置即可。
了解了以上存储结构，对于给定的partition的offset，如何读取该offset对应的值便比较清楚了。主要步骤如下：
a，在当前partition的leader的broker的数据目录下，找到当前对应partition的目录
b，根据当前目录下所有的log文件进行二分查找，从而定位该offset对应的具体segment文件。
c，将offset减去文件的number或者在该文件内部的序号，然后在索引文件中进行二分查找，找出最大小于或者等于序号。
d，根据索引文件的offset，定位到log文件，进行消息读取。
在分布式存储中，为了可扩展性，通常会进行切分（如HDFS中将文件切分成block，kafka中的topic切分成partition），然后分块存储。同时，为了提升健壮性和稳定性，又会进行冗余存储。Kafka中的单个parition通常设置有多个副本。在下图中，每个partition有3个副本，其中一个副本为leader，其余2个为follwer。Leader负责当前和producer和consumer交互，完成对当前partition的读写，而Follower跟leader进行交互，同步leader写入的信息。
在topic配置了多副本以后，一旦leader挂掉，Kafka controller会对当前的partition重新进行leader选举，选举的leader从之前的Follower中产生。为了避免在leader切换时造成数据丢失以及可用性问题，Follower需要尽可能快的跟上leader数据的同步进度。当然，最保守的方案是当producer向leader写入一条消息时，leader在向producer发送确认消息之前，确保该消息都已经同步到了Follower。如果这样的话，在replication为3时，可以同时忍受两台机器同时宕机，大大提高了稳定性，但是这种方案的缺点有也非常的明显，写入消息的延迟非常的大，而且一点有某台机器卡主，那么写入也将没法进行，可用性也很差。
那么在Kafka中，Leader和Follower的数据同步机制是咋样的呢？
在Kafka中，定义了ISR的概念。ISR表示的是和Leader保持同步的replica所在的broker集合（也包括leader）。通过延迟时间（rerplica.lag.time.max.ms）或者消息延后的条数（rerplica.lag.max.messages，在0.10版本中，这个参数已经去掉了）来判断Follower是否在ISR中。如果消息或者时间延后大于配置的阈值，则将该Follwer从ISR中剔除。通过ISR机制，使得Leader在等待follower同步消息时不至于太慢，在确保消息不丢失和吞吐量之前取得了一个比较好的平衡。
Controller在Kafka中扮演了很重要的角色，也是实现地最复杂的一块（设置在0.11开始打算重构这块）。Controller的主要作用如下：
a，Topic管理：包括Topic的创建，删除和partition扩容（不能缩容）。主要借助ZK，将创建或者删除topic的信息写入ZK(/brokers/topics/topic，/admin/delete_topics)路径下，Controller监听到对应的路径变化后，借助AdminManager完成topic的创建或者删除。
b，分区重分配：在集群扩容时，为了使的新的机器和老的机器负载均衡，一般可以通过手工运行kafka-reassign-partitions.sh触发分区的重新分配。这个过程也是借助ZK来实现的，将相关重分配信息写入ZK对应节点，Controller感知到以后，开始进行分区重分配操作。
c，Preferred Leader分配：Preferred Leader是指ISR中第一个broker id。一般情况下，如果所有的partition的leader都是Preferred leader，那么这个topic的partition的分布基本是比较均衡的，反之则不均衡。在不均衡的情况，可以发起Preferred Leader的分配（可以通过手工或者自动）。Controller默认会自动检查不均衡情况，一旦发现不均衡，则默认自动发起Preferred Leader分配操作。
d，更新元数据请求（UpdateMetadataRequest）:当Topic Leader，ISR等元数据发生变化的时候，Controller会将这些更新的元数据发送到所有broker。
e，broker的上下线：这个过程和Topic的管理类似，也是通过ZK来感知，然后进行相关操作的。
本文主要对kafka内部一些重要的组件和原理做了一般性的介绍，通过对这些原理的介绍，基本上都kafka内部的一些行为有一些大致的了解。后续会对更具体的实现细节做更多的分析（先挖个坑）。
参考资料：
http://orchome.com/
http://matt33.com/tags/kafka/
http://www.jasongj.com/tags/Kafka/
https://blog.csdn.net/u013256816
标签：java control image cer 存储 做了 linked admin err
原文地址：https://www.cnblogs.com/superhedantou/p/9566248.html
