【Kafka】原理分析：分区副本机制

布满荆棘的人生 2022-12-21 06:00 216阅读 0赞

## 1.副本机制 ##

Kafka的每个topic都可以分为多个Partition，并且多个partition会均匀分布在集群的各个节点下。虽然这种方式能够有效的对数据进行分片，但是对于每个partition来说，都是单点的，当其中一个partition不可用的时候，那么这部分消息就没办法消费。

所以kafka为了提高partition的可靠性而提供了副本的概念（Replica）,通过副本机制来实现冗余备份。

*  一主多从：每个分区可以有多个副本，并且在副本集合有1个leader副本，和多个follower副本组成；
    
     *  所有的读写请求都是由leader副本来进行处理。
     *  follower副本会从leader副本同步消息日志

> 高可用 ----> 集群架构 ----> 主从模式。kafka集群的主从与zk集群的主从对比：
> 
>  *  zookeeper集群
>     
>      *  是宏观的主从，即整体是一个大集群，leader是相对于所有zookeeper而言
>      *  主从目的是负载均衡，采用读写分离（主写从读）
>      *  问题是是主从要强一致可能带来的同步问题；
>  *  kafka集群
>     
>      *  是微观的主从，即每个partition都是一个小集群，leader只是相对于当前分区的副本们而言
>      *  主从目的是为了备份Partition的数据；因为kafka通过对一个topic下的消息分区存储，再Consumer按区消费，就已经实现了负载均衡
>      *  问题是数据丢失风险（可能多个分区的leader在一台机器上）

*  分机分布：一般情况下，一个broker最多只有一个副本，同一个分区的多个副本会被均匀分配到集群中不同broker
 *  自动选举：当leader副本所在的 broker出现故障后，可以重新选举新的leader副本继续对外提供服务。

通过这样的副本机制来提高 kafka集群的可用性。  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzkzNTkyNw_size_16_color_FFFFFF_t_70_pic_center][]

## 2.副本创建 ##

### 2.1 创建带副本topic ###

通过下面的命令去创建共3个副本的topic（replication-factor=3 ）

sh kafka-topics.sh 
    --create 
    --zookeeper localhost:2181
    --partitions 3 
    --replication-factor 3  # 创建3个副本
    --topic secondTopic

### 2.2 获取leader信息 ###

> kafka集群中的一个broker中最多只能有一个副本，leader副本所在的broker节点的分区叫leader节点，follower副本所在的broker节点的分区叫follower节点。

如何知道那个各个分区中对应的leader是谁呢？可以从以下两个地方获取

1.  在zookeeper上获取， 比如获取secondTopic第1个分区的状态信息。

get /brokers/topics/secondTopic/partitions/1/state 
    
    --> {"controller_epoch":12,"leader":0,"version":1,"leader_epoch":0,"isr":[0,1]}

1.  在kafka上获取

sh kafka-topics.sh --zookeeper localhost:2181 --describe --topic test_partition

leader表示当前分区的leader是那个broker-id。下图中。绿色线条的表示该分区中的leader节点。其他节点就为follower

## 3.副本协同 ##

Kafka分区下有可能有很多个副本(replica)用于实现冗余，从而进一步实现高可用。副本根据角色的不同可分为2类：

*  leader副本
    
     *  响应clients端读写请求的副本 ，消息的读写操作都**只**会由leader节点来接收和处理
        
        注：Producer发来消息后，是leader收到直接返回还是等follower副本同步了再返回，由Producer的acks设置决定
     *  负责维护和跟踪ISR中所有follower滞后的状态，若follower副本出现异常，比如宕机、网络断开等原因长时间没有同步到消息，leader将把它踢出去。
 *  follower副本
    
     *  拉取写入leader副本中的数据，不能响应clients端读写请求（仅作为备份用）
        
        注：同步过程会有一定的延迟，导致follower副本中保存的消息略少于leader副本，但只要未超出阈值都可容忍
     *  leader挂了以后的选举由follower产生

### 3.1 **同步标志** ###

每个Kafka副本对象都有两个重要的属性：LEO和HW。注意是所有的副本，而不只是 leader副本。

*  LEO：即日志末端位移(log end oﬀset)，记录了该副本底层日志(log)中下一条消息的位移值。注意是下一条消息！也就是说，如果LEO=10，那么表示该副本保存了10条消息，位移值范围是\[0, 9\]。另外， leader LEO和follower LEO的更新是有区别的。
 *  HW：即水位值（hight water）。小于等于HW值的所有消息都被认为是“已备份”的。对于同一个副本对象而言，其HW值不会大于LEO值。同理，leader副本和follower副本的HW更新是有区别的

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzkzNTkyNw_size_16_color_FFFFFF_t_70_pic_center 1]

从生产者发出的一条消息首先会被写入分区的leader 副本，不过还需要等待**ISR集合中的所有 follower副本都同步完之后才能被认为已经提交**，之后才会更新分区的HW，进而消费者可以消费到这条消息。

随着follower副本不断和leader副本进行数据同步，follower 副本的LEO会主键后移并且追赶到leader副本，这个**追赶上的判断标准是当前副本的LEO是否大于或者等于leader副本的HW**，这个追赶上也会使得被踢出的follower副本重新加入到ISR集合中。

注：若图中最右侧的follower副本被踢出ISR集合，也会导致这个分区的HW发生变化，变成 3

### 3.2 **ISR队列** ###

ISR(in-Sync replicas ， 副本同步队列)：包含了leader副本和所有与leader副本保持同步的follower副本（高级备胎们）。

表示目前“可用且消息量与leader相差不多的副本集合，这是整个**副本集合的一个子集**”。怎么去理解可用和相差不多这两个词呢？具体来说，ISR集合中的副本必须满足两个条件

1.  副本所在节点必须维持着与zookeeper的连接
2.  副本最后一条消息的oﬀset与leader副本的最后一条消息的oﬀset之间的差值不能超过指定的阈值
    
     *  follower副本把leader副本LEO之前的日志全部同步完成时，则认为follower副本已经追赶上了leader 副本，这个时候会更新这个副本的lastCaughtUpTimeMs标识。
     *  kafka副本管理器会启动一个副本过期检查的定时任务，这个任务会定期检查当前时间与副本的lastCaughtUpTimeMs的差值是否大于参数 replica.lag.time.max.ms 的值，若大于，则会把这个副本踢出ISR集合

另外，ISR数据保存在Zookeeper的 `/brokers/topics/<topic>/partitions/<partitionId>/state` 节点中

> 篇幅原因，关于分区副本协同的更详细过程请看下篇[【Kafka】原理分析：详解副本协同流程][Kafka]…

## 4.副本选举 ##

在ISR中至少有一个follower时，Kafka可以确保已经commit的数据不丢失，但如果某个Partition的所有Replica都宕机了，就无法保证数据不丢失了。有以下两种选举新leader策略

1.  等待ISR中的任一个Replica“活”过来，并且选它作为Leader
    
    问题：如果一定要等待ISR中的Replica“活”过来，那不可用的时间就可能会相对较长。而且如果ISR中的所有 Replica都无法“活”过来了，或者数据都丢失了，这个Partition将永远不可用。
2.  选择第一个“活”过来的Replica（不一定是ISR中的）作为Leader
    
    问题：选择第一个“活”过来的Replica作为Leader，若这个Replica不是ISR中的Replica，那即使它并不保证已经包含了所有已commit的消息，它也会成为Leader而作为consumer的数据源（所有读写都由Leader完成）

这就需要在可用性和一致性当中作出一个简单的折中。Kafka多采用第一种策略。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzkzNTkyNw_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/a979e6f210e744a08e2ba2d28da94722.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzkzNTkyNw_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221120/54533143de0d4ae381e710c16c646187.png
[Kafka]: https://blog.csdn.net/weixin_43935927/article/details/109699620