kafka工作原理介绍

标签：出现   ext   lock   序列   自己   多次   .com   完成   pull   

两张图读懂kafka应用：

4、producer

producer生产消息需要如下参数：

•  topic：往哪个topic生产消息。
•  partition：往哪个partition生产消息。
•  key：根据该key将消息分区到不同partition。
•  message：消息。

5、consumer

传统消息系统有两种模式：

•  队列
•  发布订阅

kafka通过consumer group将两种模式统一处理：每个consumer将自己标记consumer group名称，之后系统会将consumer group按名称分组，将消息复制并分发给所有分组，每个分组只有一个consumer能消费这条消息。如下图：

于是推理出两个极端情况：

•  当所有consumer的consumer group相同时，系统变成队列模式
•  当每个consumer的consumer group都不相同时，系统变成发布订阅

注意：

       1、Consumer Groups 提供了topics和partitions的隔离， 如上图Consumer Group A中的consumer-C2挂掉，consumer-C1会接收P1,P2，即一个consumer Group中有其他consumer挂掉后能够重新平衡。如下图：

        2、多consumer并发消费消息时，容易导致消息乱序，通过限制消费者为同步，可以保证消息有序，但是这大大降低了程序的并发性。

    kafka通过partition的概念，保证了partition内消息有序性，缓解了上面的问题。partition内消息会复制分发给所有分组，每个分组只有一个consumer能消费这条消息。这个语义保证了某个分组消费某个分区的消息，是同步而非并发的。如果一个topic只有一个partition，那么这个topic并发消费有序，否则只是单个partition有序。

一般消息系统，consumer存在两种消费模型：

•  push：优势在于消息实时性高。劣势在于没有考虑consumer消费能力和饱和情况，容易导致producer压垮consumer。
•  pull：优势在可以控制消费速度和消费数量，保证consumer不会出现饱和。劣势在于当没有数据，会出现空轮询，消耗cpu。

kafka采用pull，并采用可配置化参数保证当存在数据并且数据量达到一定量的时候，consumer端才进行pull操作，否则一直处于block状态。kakfa采用整数值consumer position来记录单个分区的消费状态，并且单个分区单个消息只能被consumer group内的一个consumer消费，维护简单开销小。消费完成，broker收到确认，position指向下次消费的offset。由于消息不会删除，在完成消费，position更新之后，consumer依然可以重置offset重新消费历史消息。

消息发送语义

producer视角

•  消息最多发送一次：producer异步发送消息，或者同步发消息但重试次数为0。
•  消息至少发送一次：producer同步发送消息，失败、超时都会重试。
•  消息发且仅发一次：后续版本支持。

consumer视角

•  消息最多消费一次：consumer先读取消息，再确认position，最后处理消息。
•  消息至少消费一次：consumer先读取消息，再处理消息，最后确认position。
•  消息消费且仅消费一次。

注意：

• 如果消息处理后的输出端（如db）能保证消息更新幂等性，则多次消费也能保证exactly once语义。
• 如果输出端能支持两阶段提交协议，则能保证确认position和处理输出消息同时成功或者同时失败。
• 在消息处理的输出端存储更新后的position，保证了确认position和处理输出消息的原子性（简单、通用）。

可用性

    在kafka中，正常情况下所有node处于同步中状态，当某个node处于非同步中状态，也就意味着整个系统出问题，需要做容错处理。

同步中代表了：

•  该node与zookeeper能连通。
•  该node如果是follower，那么consumer position与leader不能差距太大（差额可配置）。

某个分区内同步中的node组成一个集合，即该分区的ISR。

kafka通过两个手段容错：

•  数据备份：以partition为单位备份，副本数可设置。当副本数为N时，代表1个leader，N-1个followers，followers可以视为leader的consumer，拉取leader的消息，append到自己的系统中
•  failover：

        1. 当leader处于非同步中时，系统从followers中选举新leader

       2. 当某个follower状态变为非同步中时，leader会将此follower剔除ISR，当此follower恢复并完成数据同步之后再次进入 ISR。

另外，kafka有个保障：当producer生产消息时，只有当消息被所有ISR确认时，才表示该消息提交成功。只有提交成功的消息，才能被consumer消费。

因此，当有N个副本时，N个副本都在ISR中，N-1个副本都出现异常时，系统依然能提供服务。

        假设N副本全挂了，node恢复后会面临同步数据的过程，这期间ISR中没有node，会导致该分区服务不可用。kafka采用一种降级措施来处理：选举第一个恢复的node作为leader提供服务，以它的数据为基准，这个措施被称为脏leader选举。由于leader是主要提供服务的，kafka broker将多个partition的leader均分在不同的server上以均摊风险。每个parition都有leader，如果在每个partition内运行选主进程，那么会导致产生非常多选主进程。kakfa采用一种轻量级的方式：从broker集群中选出一个作为controller，这个controller监控挂掉的broker，为上面的分区批量选主。

一致性

上面的方案保证了数据高可用，有时高可用是体现在对一致性的牺牲上。如果希望达到强一致性，可以采取如下措施：

•  禁用脏leader选举，ISR没有node时，宁可不提供服务也不要未完全同步的node。
•  设置最小ISR数量min_isr，保证消息至少要被min_isr个node确认才能提交。

持久化

基于以下几点事实，kafka重度依赖磁盘而非内存来存储消息。

•  硬盘便宜，内存贵
•  顺序读+预读取操作，能提高缓存命中率
•  操作系统利用富余的内存作为pagecache，配合预读取(read-ahead)+写回(write-back)技术，从cache读数据，写到cache就返回（操作系统后台flush)，提高用户进程响应速度
•  java对象实际大小比理想大小要大，使得将消息存到内存成本很高
•  当堆内存占用不断增加时，gc抖动较大
•  基于文件顺序读写的设计思路，代码编写简单
• 在持久化数据结构的选择上，kafka采用了queue而不是Btree
•  kafka只有简单的根据offset读和append操作，所以基于queue操作的时间复杂度为O(1),而基于Btree操作的时间复杂度为O(logN)
•  在大量文件读写的时候，基于queue的read和append只需要一次磁盘寻址，而Btree则会涉及多次。磁盘寻址过程极大降低了读写性能

参考文档：

kafka官方文档 

Kafka全解析

小白也能看懂的简单明了kafka原理解析

kafka工作原理介绍

标签：出现   ext   lock   序列   自己   多次   .com   完成   pull   

原文地址：https://www.cnblogs.com/liuys635/p/10807675.html