Kafka深度剖析

落日映苍穹つ 2022-11-13 12:27 230阅读 0赞

![96bffeb68e070e27cd6ea214f82b432c.png][]

*来源**：http://r6d.cn/bdjdi*

# Kafka简介 #

## Kafka概述： ##

Kafka由 linked-in 开源 。

kafka-高产出的分布式消息系统(A high-throughput distributed messaging system)。

Kafka是一个高吞吐、分布式、基于发布订阅的消息系统，利用Kafka技术可以在廉价的PC Server上搭建起大规模消息系统。

## Kafka的特性： ##

*  高吞吐量、低延迟：kafka每秒可以处理几十万条消息，它的延迟最低只有几毫秒，每个topic可以分多个partition, consumer group 对partition进行consume操作；
 *  可扩展性：kafka集群支持热扩展；
 *  持久性、可靠性：消息被持久化到本地磁盘，并且支持数据备份防止数据丢失；
 *  容错性：允许集群中节点失败（若副本数量为n,则允许n-1个节点失败）；
 *  高并发：支持数千个客户端同时读写；
 *  支持实时在线处理和离线处理：可以使用Storm这种实时流处理系统对消息进行实时进行处理，同时还可以使用Hadoop这种批处理系统进行离线处理；

## Kafka应用场景： ##

![b95fc8241035cb79e69e7eaa66f428cc.png][] 图：Kafka应用场景

Kafka和其他组件比较，具有消息持久化、高吞吐、分布式、多客户端支持、实时等特性，适用于离线和在线的消息消费，如常规的消息收集、网站活性跟踪、聚合统计系统运营数据（监控数据）、日志收集等大量数据的互联网服务的数据收集场景。

1.  日志收集：一个公司可以用Kafka可以收集各种服务的log，通过kafka以统一接口服务的方式开放给各种consumer，例如Hadoop、Hbase、Solr等；
2.  消息系统：解耦和生产者和消费者、缓存消息等；
3.  用户活动跟踪：Kafka经常被用来记录web用户或者app用户的各种活动，如浏览网页、搜索、点击等活动，这些活动信息被各个服务器发布到kafka的topic中，然后订阅者通过订阅这些topic来做实时的监控分析，或者装载到Hadoop、数据仓库中做离线分析和挖掘；
4.  运营指标：Kafka也经常用来记录运营监控数据。包括收集各种分布式应用的数据，生产各种操作的集中反馈，比如报警和报告；
5.  流式处理：比如spark streaming和storm；
6.  事件源；
7.  kafka在FusionInsight中的位置：

![cdd4c0c4eb51d4d4aa0bee5826c702d2.png][] 图：Kafka在FusionInsight中的位置

Kafka作为一个分布式消息系统，支持在线和离线消息处理，并提供了Java API以便其他组件对接使用。

# Kafka架构与功能 #

## Kafka架构： ##

![fb75839d8cbe4e3c2c6fe3e989f208c6.png][] 图：Kafka架构图

基本概念：

*  Broker：Kafka集群包含一个或多个服务实例，这些服务实例被称为Broker。是Kafka当中具体处理数据的单元。Kafka支持Broker的水平扩展。一般Broker数据越多，集群的吞吐力就越强。
 *  Topic：每条发布到Kafka集群的消息都有一个类别，这个类别被称为Topic。
 *  Partition：Kafka将Topic分成一个或多个Partition，每个Partition在物理上对应一个文件夹，该文件下存储这个Partition的所有消息。
 *  Producer：负责发布消息到Kafka Broker。
 *  Consumer：消息消费者，从Kafka Broker读取消息的客户端。
 *  Consumer Group：每个Consumer属于一个特定的Consumer Group（可为每个Consumer指定group name）。
 *  ZooKeeper：kafka与Zookeeper级联，通过Zookeeper管理级联配置，选举Leader。

### Kafka Topics： ###

![dac9ddae0bc0413879b9d5c1e066041e.png][] 图；Kafka Topics

每条发布到Kafka的消息都有个类别，这个类别被称为Topic，也可以理解为一个存储消息的队列。例如：天气作为一个Topic，每天的温度消息就可以存储在“天气”这个队列里。数据总数先进先出。后来的数据追加到后面。

### Kafka Partition： ###

![10d10a86ef0aa1625f672b00fd39bf72.png][] 图：Kafka Partition

每个Topic都有一个或者多个Partitions构成。每个Partition都是有序且不可变的消息队列。引入Partition机制，保证了Kafka的高吞吐能力。

在每个Partition当中，都会存储一个Log文件，Log文件中记录了所有的消息文件。一个Topic的多个Partition，它分布在不同的Kafka节点上，这样多个客户端包括Producer和Consumer就可以并发的访问不同节点，对同一个Topic进行消息的读取。

![f7dbdb8db3f5d0218ba502074e9c08d9.png][] 图：Partition

*  Topic的Partition数量可以在创建时配置。
 *  Partition数据决定了每个Consumer group中并发消费者的最大数据。
 *  Consumer group A有两个消费者来读取4个Partition中数据；Consumer group B有四个消费者来读取4个partition中数据。

**Kafka Partition offset:**

![197e58e347aed138ff1ef45040230903.png][] 图：Kafka Partition offset

*  任何发布到此Partition的消息都会被直接追加到log文件的尾部。
 *  每条消息在文件中的位置称为offset（偏移量），offset是一个long型数字，它唯一标记一条消息。消费者通过（offset、partition、topic）跟踪记录。
 *  Kafka不支持消息的随机读取。

**Kafak Partition Replicas（副本）:**

![1bc89a14dd45c44d042606a59f561aa5.png][] 图：副本机制

*  副本以分区为单位。每个分区都有各自的主副本。
 *  可以通过配置文件，配置副本的个数。
 *  一个Kafka集群中，各个节点可能互为Leader和Follower。
 *  主副本叫做Leader，从副本叫做Follower，处于同步状态的副本叫做In-Sync Replicas（ISR）。
 *  如果Leader失效，那么将会有其他的Follower来接管成为新的Leader。如果由于Follower自身的原因，比如网络原因导致同步落后太多，那么当Leader失效后，就不会将这个Follower选为leader。
 *  由于Leader的Server承载了全部的请求压力，因此从集群的整体考虑，Kafka会将Leader均衡的分散在每个实例上，来保持整体稳定。
 *  Follower通过**拉取**的方式从Leader中同步数据。消费者和生产这都是从Leader中读取数据，不与Follower交互。

**主副本和从副本的数据同步：**

![44e86f62cba8b2a6004c56e91ee8c2c2.png][] 图：主副本和从副本的数据同步

从Partition的Leader复制数据到Follower，需要一个线程，实际上，复制数据的操作，是Follower主动从Leader上批量拉取数据，这就极大的提高了Kafka的吞吐量。Follower复制数据的线程叫做ReplicaFetcher Thread，而Kafka的Producer和Consumer只与Leader进行交互，不会与Follower进行交互。

![2d1a65006342fd02e3d33d9e43f4a2ce.png][] 图片

Kafka中每个Broker启动的时候，都会创建一个副本管理服务ReplicaManager，该服务负责维护ReplicaFether Thread与其他Broker链路连接关系。该服务中存在的Follower Partition对应的Leader Partition会分布在不同的Broker上，这些Broker创建相同数量的ReplicaFether Thread，同步对应Partition数据。

Kafka中Partition间复制数据，是由Follower主动从Leader拉消息的。Follower每次读取消息都会更新HW状态，用于记录当前最新消息的标识。每当Follower的Partition发生变化而影响Leader所在的Broker时，ReplicaManager就会新建或者销毁相对应的ReplicaFether Thread。

推荐：[Java面试练题宝典][Java]

## Kafka Logs： ##

为了使得Kafka的吞吐率可以线性提高，物理上把Topic分成一个或多个Partition，每个Partition在物理上对应一个文件夹，该文件夹下存储这个Partition的所有消息和索性文件。Kafka把Topic中一个Partition大文件分成多个小文件段通过多个小文件段，就容易定期清除或删除已经消费完的文件，减少磁盘占用。

Kafka的存储布局非常简单，Topic的每个分区对应一个逻辑日志，物理上一个日志为相同大小的一个分段文件。每次Producer发布一个消息到一个分区的时候，代理就将这些数据追加到最后一个段文件当中。当发布的消息数量达到消息设定的阈值，或者经过一定的时间后，段文件就会真正的写到磁盘当中。在写入完成以后，消息就会公开给Consumer。

同一个Topic下有不同的分区，每个分区会划分为多个文件，只有一个当前文件在写，其他文件是只读的。当写满一个文件（即达到某个设定的值）Kafka会新建一个空文件继续来写。而老文件切换为只读。

文件的命名以起始的偏移量来进行命名。Segment Files由两大部分组成，分别为Index file和data file，此两个文件一一对应成对出现。后缀 .index 和 .log 就分别表示为Segment的索引文件和数据文件。Segment文件的命名规则是：Partition全局的第一个Segment从0开始，后续每个segment文件为上一个全局Partition的最大offset，这个数据时64位的long型数据。

如果没有数据就用0进行填充。通常把日志文件默认为1G，当达到1G就会创建新的Log文件和index文件。如果设置的参数过小，会产生大量的log文件和index文件，系统在启动的时候就需要加载大量的index到内存，占用大量的句柄。如果设置的太大，分段文件又比较少，不利于快速的查找。Kafka就是通过索引实现快速的定位message。

![00fecde8b604acbf14e4d8e1c9e4e996.png][] 图：索引文件

*  通过索引信息可以快速定位message。
 *  通过将index元数据全部映射到memory，可以避免segment file的index数据IO磁盘操作。
 *  通过索引文件稀疏存储，可以大幅降低index文件元数据占用空间大小。
 *  稀疏存储：将原来完整的数据，只间隔的选择多条数据进行存储。

**Kafka Log Cleanup:**

日志的清理方式有两种：delete和compact。

删除的阈值有两种：过期的时间和分区内总日志大小。

![93764f82dc96042db0c7d67742d57b97.png][] 删除 ![11d2020f75567a6d77a4e0be2f06ebc7.png][] 图：日志清理方式–compact

compact操作是保存每个消息的最新value值。消息时顺序存储的，offset大的为最新的数据。

## Kafka数据可靠性： ##

Kafka所有消息都会被持久化到磁盘中，同时Kafka通过对Topic Partition设置Replication来保障数据可靠。

消息传输过程中保障通常有以下三种：

*  最多一次（At Most Once）：消息可能丢失；消息不会重复发送和处理。
 *  最少一次（At Lease Once）：消息不会丢失；消息可能会重复发送和处理。
 *  仅有一次（Exactly Once）：消息不会丢失；消息仅被处理一次。

Kafka消息传输保障机制，通过配置不同的消息发送模式来保障消息传输，进而满足不同的可靠性要求应用场景。

![79bad07792079283dbbd4fb3dc0341ae.png][] 可靠

# Kafka关键流程 #

## 写流程： ##

![459583f75c76f6b95e310e2c2ce5bc8b.png][] 图：Kafka写流程–Producer写数据

总体流程：

*  Producer连接任意存活的Broker，请求制定Topic、Partition的Leader元数据信息，然后直接与对应的Broker直接链接，发布数据。

开发分区接口：

*  用户可以指定分区函数，使得消息可以根据Key，发送到特定的Partition。

## Kafka读流程： ##

![fd85feded1b7bd4fc762de2b9ea5e565.png][] 图：Kafka读流程–Consumer读数据

总体流程：

*  Consumer连接指定Topic Partition所在的Leader Broker，用主动获取方式从Kafka中获取消息。

# Kafka在Zookeeper上的目录结构 #

## Zookeeper在Kafka的作用： ##

1.  无论是kafka集群，还是producer和consumer都依赖于zookeeper来保证系统可用性集群保存一些meta信息。
2.  Kafka使用zookeeper作为其分布式协调框架，很好的将消息生产、消息存储、消息消费的过程结合在一起。
3.  同时借助zookeeper，kafka能够生产者、消费者和broker在内的所以组件在无状态的情况下，建立起生产者和消费者的订阅关系，并实现生产者与消费者的负载均衡。

## Zookeeper Shell： ##

通过zkCli来连接正在运行的Zookeeper Shell客户端，可以通过ls和get命令来获取Kafka相关信息。

![0ea8cb9162c383c5f89c5b52c5c83bf2.png][] 图：用法示例

## Kafka in ZooKeeper： ##

![2766447e58aa20db2aae1deeb9807e28.png][] 图：Kafka在ZooKeeper中的目录结构

# Kafka Cluster Mirroring #

![d8b3682e0c775ef20a25bc45c48cc18e.png][] 镜像

Kafka Cluster Mirroring是Kafka跨集群数据同步方案，通过Kafka内置的MirrorMaker工具来实现。通过Mirror Maker工具中的consumer从源集群消费数据，然后再通过内置的Producer，将数据重新发布到目标集群。

推荐好文
    
    强大，10k+点赞的 SpringBoot 后台管理系统竟然出了详细教程！
    
    分享一套基于SpringBoot和Vue的企业级中后台开源项目，代码很规范！
    能挣钱的，开源 SpringBoot 商城系统，功能超全，超漂亮！

[96bffeb68e070e27cd6ea214f82b432c.png]: /images/20221022/d333a3bc106f4c7db5594ce935bf1ec3.png
[b95fc8241035cb79e69e7eaa66f428cc.png]: /images/20221022/2bb3befa212a49cfa32171eb73dfec95.png
[cdd4c0c4eb51d4d4aa0bee5826c702d2.png]: /images/20221022/aa39725017494a9587ecb0e082394fb7.png
[fb75839d8cbe4e3c2c6fe3e989f208c6.png]: /images/20221022/4f8af9b2083c4544b31ab5899bb9b1a7.png
[dac9ddae0bc0413879b9d5c1e066041e.png]: /images/20221022/4255dc6438984e5c9af7afef4d7d53dc.png
[10d10a86ef0aa1625f672b00fd39bf72.png]: https://img-blog.csdnimg.cn/img_convert/10d10a86ef0aa1625f672b00fd39bf72.png
[f7dbdb8db3f5d0218ba502074e9c08d9.png]: https://img-blog.csdnimg.cn/img_convert/f7dbdb8db3f5d0218ba502074e9c08d9.png
[197e58e347aed138ff1ef45040230903.png]: https://img-blog.csdnimg.cn/img_convert/197e58e347aed138ff1ef45040230903.png
[1bc89a14dd45c44d042606a59f561aa5.png]: https://img-blog.csdnimg.cn/img_convert/1bc89a14dd45c44d042606a59f561aa5.png
[44e86f62cba8b2a6004c56e91ee8c2c2.png]: https://img-blog.csdnimg.cn/img_convert/44e86f62cba8b2a6004c56e91ee8c2c2.png
[2d1a65006342fd02e3d33d9e43f4a2ce.png]: https://img-blog.csdnimg.cn/img_convert/2d1a65006342fd02e3d33d9e43f4a2ce.png
[Java]: https://mp.weixin.qq.com/s?__biz=MzIyNDU2ODA4OQ%3D%3D&idx=1&mid=2247486846&scene=21&sn=75bd4dcdbaad73191a1e4dbf691c118a#wechat_redirect
[00fecde8b604acbf14e4d8e1c9e4e996.png]: https://img-blog.csdnimg.cn/img_convert/00fecde8b604acbf14e4d8e1c9e4e996.png
[93764f82dc96042db0c7d67742d57b97.png]: https://img-blog.csdnimg.cn/img_convert/93764f82dc96042db0c7d67742d57b97.png
[11d2020f75567a6d77a4e0be2f06ebc7.png]: https://img-blog.csdnimg.cn/img_convert/11d2020f75567a6d77a4e0be2f06ebc7.png
[79bad07792079283dbbd4fb3dc0341ae.png]: https://img-blog.csdnimg.cn/img_convert/79bad07792079283dbbd4fb3dc0341ae.png
[459583f75c76f6b95e310e2c2ce5bc8b.png]: https://img-blog.csdnimg.cn/img_convert/459583f75c76f6b95e310e2c2ce5bc8b.png
[fd85feded1b7bd4fc762de2b9ea5e565.png]: https://img-blog.csdnimg.cn/img_convert/fd85feded1b7bd4fc762de2b9ea5e565.png
[0ea8cb9162c383c5f89c5b52c5c83bf2.png]: https://img-blog.csdnimg.cn/img_convert/0ea8cb9162c383c5f89c5b52c5c83bf2.png
[2766447e58aa20db2aae1deeb9807e28.png]: https://img-blog.csdnimg.cn/img_convert/2766447e58aa20db2aae1deeb9807e28.png
[d8b3682e0c775ef20a25bc45c48cc18e.png]: https://img-blog.csdnimg.cn/img_convert/d8b3682e0c775ef20a25bc45c48cc18e.png