kafka

Kafka 是一个分布式的基于发布/订阅模式的消息队列（Message Queue），主要应用于大数据实时处理领域

特点

• 多生产者 多消费者
• 基于磁盘的数据存储
• 伸缩性
  • broker可以不断扩展
• 高性能

基础概念

消息和批次

• 消息是kafka的数据单元
• 批次是一组消息

模式

• schema 使用额外的结构定义消息内容

主题和分区

• 消息通过主题分类
• 主题被分为若干个分区 通过分区来实现数据冗余和伸缩性

生产者和消费者

• 生产者创建消息
• 消费者读取消息 一个分区只能由一个组内消费者消费 通过偏移量记录消息消费位置

broker 和集群

• broker 独立的 kafka 服务器
• 每个集群都有一个broker 充当集群控制器

对于消息 kafka会保留一段时间或者达到一定大小的字节数 旧的消息会被删除

多集群

使用场景

• 活动跟踪
  • 生产者产生事件 消费者读取事件进行统计
• 传递消息
• 度量指标 日志记录
  • 收集系统度量指标和日志
• 日志系统
• 流处理

架构

• Partition ：为了实现扩展性，一个非常大的 topic 可以分布到多个 broker（即服务器）上， 一个 topic 可以分为多个 partition，每个 partition 是一个有序的队列；
• Replica： ：副本，为保证集群中的某个节点发生故障时，该节点上的 partition 数据不丢失，且 kafka 仍然能够继续工作，kafka 提供了副本机制，一个 topic 的每个分区都有若干个副本， 一个 leader 和若干个 follower。
• leader ：每个分区多个副本的“主”，生产者发送数据的对象，以及消费者消费数据的对 象都是 leader。
  • 生产者和消费者只与 leader 副本交互,当 leader 副本发生故障时会从 follower 中选举出一个 leader,但是 follower 中如果有和 leader 同步程度达不到要求的参加不了 leader 的竞选
• follower ：每个分区多个副本中的“从”，实时从 leader 中同步数据，保持和 leader 数据 的同步。leader 发生故障时，某个 follower 会成为新的 follower。

分区与副本机制

• 各个 Partition 可以分布在不同的 Broker 上, 这样便能提供比较好的并发能力（负载均衡）
• 副本极大地提高了消息存储的安全性, 提高了容灾能力，不过也相应的增加了所需要的存储空间

zk的作用

主要为 Kafka 提供元数据的管理的功能

• Broker 注册 ：在 Zookeeper 上会有一个专门用来进行 Broker 服务器列表记录的节点
• Topic 注册：分区信息及与 Broker 的对应关系也都是由 Zookeeper 在维护

应用场景

• 消息队列
• 行为跟踪
• 日志收集
• 流处理
• 事件源
• 持久性日志

搭建

• 安装java zookeeper
• 下载二进制包
• ./kafka-server-start.sh

配置

broker 配置

• broker.id
  • 在集群中唯一
  • 需要多少个broker
    • 需要多少磁盘空间保留数据
    • 集群处理请求的能力
• port
• zookeeper.connect
• log.dirs
  • 消息保存在磁盘上的位置
• num.recovery.threads.per.data.dir
  • 使用指定的线程池来处理日志
• auto.create.topics.enable
  • 自动创建主题
    • 当一个生产者开始往主题写入消息时
    • 当一个消费者开始读取
    • 客户端向主题发送元数据请求

主题配置

• num.partitions
  • 默认分区数量
• log.retention.ms
  • 数据保留多久
• log.retention.bytes
  • 主题保留的数据大小
• log.segment.bytes
  • 一个日志片段的最大大小
• log.segment.ms
  • 日志片段的最长打开时间
• message.max.bytes
  • 消息最大大小

命令操作

• 列出topic

./kafka-topics.sh --list --zookeeper 172.17.0.1:2181

• 创建topic

/opt/kafka/bin/kafka-topics.sh --create --zookeeper 172.17.0.1:2181 --replication-factor 1 --partitions 2 --topic my_log

• 生产者

./kafka-console-producer.sh --topic first --broker-list 172.17.0.1:9092

• 消费者

./kafka-console-consumer.sh --topic first --bootstrap-server 172.17.0.1:9092

工作流程

Kafka 中消息是以 topic 进行分类的，生产者生产消息，消费者消费消息，都是面向 topic的

每个 partition 对应于一个 log 文件，该 log 文件中存储的就是 producer 生产的数据

Producer 生产的数据会被不断追加到该log 文件末端，在对该文件进行读写时，Kafka会充分利用PageCache来加速读写，且每条数据都有自己的 offset。消费者组中的每个消费者，都会实时记录自己消费到了哪个 offset，以便出错恢复时，从上次的位置继续消费

index与log文件的作用：

Kafka 对 offset的查找是基于二分查找实现的：

首先通过index文件查找offset所在的大概范围，然后再在这个范围内进行顺序查找，为了使用更少的内存空间，Kafka 采用的是稀疏不连续的索引

Kafka 利用 mmap，将更大的磁盘文件映射到了一个虚拟内存空间，也就是最近读写的数据更有可能在内存中，对于什么读写的冷数据如果进行访问，会触发缺页中断，所以 Kafka 的二分查找会优先查找热区，即最近操作的那部分数据，找到的话就不用去查冷区的数据，以此提升性能

深入

集群成员关系

broker通过创建临时节点把自己的 ID 注册到 Zookeeper

控制器：一个特殊的broker 通过在zk创建临时节点进行选举

控制器负责在节点加入或离开集群时进行分区首领选举。控制器使用epoch 来避免“脑裂”

复制

• 首领副本
  • 所有生产者请求和消费者请求都会经过这个副本
• 跟随者副本
  • 从首领那里复制消息，保持与首领一致的状态

请求处理

生产请求：

在消息被写入分区的首领之后，broker 开始检查 acks 配置参数——如果 acks 被设为 0 或 1 ，那么 broker 立即返回响应；如果 acks 被设为 all ，那么请求会被保存在一个叫作炼狱的缓冲区里，直到首领发现所有跟随者副本都复制了消息，响应才会被返回给客户端

获取请求：

broker 将按照客户端指定的数量上限从分区里读取消息，再把消息返回给客户端。Kafka 使用零复制技术向客户端发送消息(直接从文件系统缓存复制到网卡)，如果应用程序是从文件读出数据后再通过网络发送出去的场景，并且这个过程中不需要对这些数据进行处理，这种场景可以使用零拷贝

所有同步副本复制了这些消息，才允许消费者读取它们

物理存储

文件管理：

分区分成若干个片段 当前正在写入数据的片段叫作活跃片段

可靠数据传递

kafka 的保证：

• 分区消息的顺序
• 只有当消息被写入分区的所有同步副本时（但不一定要写入磁盘），它才被认为是“已提交”的
• 只要还有一个副本是活跃的，那么已经提交的消息就不会丢失
• 消费者只能读取已提交的消息

副本的同步保证：

• 与 Zookeeper 之间有一个活跃的会话，也就是说，它在过去的 6s（可配置）内向Zookeeper 发送过心跳
• 过去的 10s 内（可配置）从首领那里获取过消息
• 过去的 10s 内从首领那里获取过最新的消息

broker

复制系数：

主题级别 replication.factor broker级别 default.replication.factor

如果复制系数为 N，那么在 N-1 个 broker 失效的情况下，仍然能够从主题读取数据或向主题写入数据，同时 它们也会占用N倍的磁盘空间、

不完全首领选举：

如果把 unclean.leader.election.enable 设为 true ，就是允许不同步的副本成为首领 就要承担丢失数据和出现数据不一致的风险

最少同步副本：

min.insync.replicas 如果要确保已提交的数据被写入不止一个副本，就需要把最少同步副本数量设置为大一点

生产者

发送确认：

acks：0 能够通过网络把消息发送出去，那么就认为消息已成功写入

1 ：意味着首领在收到消息并把它写入到分区数据文件（不一定同步到磁盘上）时 会返回确认或错误响应

all： 首领在返回确认或错误响应之前，会等待所有同步副本都收到消息

重试参数：

对于一些错误 可以通过重试来解决 如： LEADER_NOT_AVAILABLE

消费者

显示提交偏移量：

• 处理完事件再提交
• 批量提交
• 重试
• 维护状态
• 避免对消息处理时间过程 否则会造成无法及时发送心跳
• 仅一次传递
  • 暂时支持不了 使用幂等性写入来实现

数据管道

需要考虑的问题：

• 及时性
• 可靠性
  • 至少一次传递 仅一次传递
• 吞吐量要求
  • 高
  • 动态调整
• 数据格式与转换问题
• 安全性
  • 传输安全
  • 权限安全
• 故障处理
• 数据管道与上下游的耦合

Connect

启动 connect:

./bin/connect-distributed.sh ./config/connect-distributed.properties

文件数据源:

POST localhost:8083/connectors
{"name":"load-kafka-config", "config":{"connector.class":"FileStreamSource","file":"config/server.properties","topic":"kafka-config-topic"}}

传递文件数据源到主题上

深入

• 连接器
• 任务
• worker进程
• 转换器
• 偏移量管理

集群镜像

使用场景：

• 区域集群 中心集群
• 数据冗余
• 云迁移

多集群架构

跨数据中心通信：

• 高延迟
• 带宽有限
• 高成本

中心架构：

主从架构：

双活架构：

主备架构：

MirrorMaker

如果有可能，尽量让 MirrorMaker 运行在目标数据中心里

监控

所有度量指标都可以通过 Java Management Extensions（JMX）接口来访问

broker

非同步分区数量：

• 如果集群里多个 broker 的非同步分区数量一直保持不变，那说明集群中的某个 broker 已经离线了
• 如果非同步分区的数量是波动的，或者虽然数量稳定但并没有 broker 离线，说明集群出现了性能问题

集群问题：

• 不均衡的负载
• 资源过度消耗

主机问题：

• 硬件
• 进程冲突
• 配置问题

流式处理

数据流:无边界数据集的抽象表示 数据流是有序的, 不可变的, 可重播的 流式处理是持续地从一个无边界的数据集读取数据，然后对它们进行处理并生成结果

概念

时间：

• 事件时间
  • 所追踪事件的发生时间和记录的创建时间
• 处理时间
  • 收到事件之后要对其进行处理的时间

状态：

• 内部状态
  • 只能被单个应用程序实例访问
• 外部状态
  • 使用外部的数据存储来维护

时间窗口：

设计模式

单事件处理：

本地状态事件处理：

多阶段处理：

外部数据源填充：

连接流：

对乱序事件重排序

重新处理：

使用新处理程序从头读取数据流生成结果流

Kafka Streams 架构

拓扑结构：

对拓扑结构伸缩：