kafka的组件讲解（持续更新）

前言

环境：centos7.9
官网：https://kafka.apache.org/
别人写的文章，写的很好：https://cloud.tencent.com/developer/article/2335397

kafka定义

传统定义：kafka是Apache软件基金会开发的一个开源流处理平台，由Scala和Java编写。kafka是一个分布式的基于发布/订阅模式的消息队列（Message Queue）系统，它可以处理消费者在网站中的所有动作流数据。

最新定义：kafka是一个开源的分布式事件流平台，被数千家公司用于高性能数据管道、流分析、数据集成和关键任务应用。

发布/订阅：消息的发布者不会直接将消息发送给特定的订阅者，而是将发布的消息分为不同的类型，订阅者只接受感兴趣的消息；

消息队列产品

目前企业中比较常见的消息队列产品主要有kafka、ActiveMQ、RabbitMQ、RocketMQ等；
在大数据场景主要采用kafka作为消息队列，在JaveEE开发中主要采用ActiveMQ、RabbitMQ、RocketMQ。

传统消息队列使用场景

看这篇文章，写的很好https://cloud.tencent.com/developer/article/2335397
传统消息队列使用场景包括：流量缓冲/消峰、系统应用解耦和异步通信。

缓冲/消峰：有助于控制和优化数据流经过系统的速度，解决生产消息与消费消息处理速度不一致的问题；
解耦：允许独立的扩展或修改两边的处理过程，只要保证他们遵循同样的接口约束。
异步通信：允许用户把一个消息放入队列，但不立即处理它，然在需要的时候再去处理他们。

消息队列的两种模式

消息队列的两种模式：点对点模式、发布/订阅模式。
点对点模式：消费者主动拉取数据，然后消费者返回收到信号给消息队列，消息队列便删除该消息。
发布/订阅模式：可以有多个topic主题（浏览、点赞、收藏、评论等），消费者消费数据之后，不删除数据，每个消费者相互独立，都可以消费到数据。

kafka架构图

kafka组件

kafka组件：broker、zookeeper、producer、partition、replication 、leader 、follower、consumer。

broker 经纪人

broker：经纪人，每个kafka server称为一个broker，就是一个node，多个borker组成 Kafka Cluster；一个机器上可以部署一个或者多个broker，这多个broker连接到相同的ZooKeeper就组成了kafka集群；

zookeeper 信息注册中心

zookeeper：信息/注册中心，Kafka 集群能够正常⼯作，需要依赖于 zookeeper，zookeeper 帮助 kafka存储和管理集群信息，旧版的kafka必须配合zookeeper使用，但在新版中kafka2.8.0以后已经丢弃zookeeper；

controller 控制节点

controller：集群中的一个broker作为leader身份来负责管理整个集群，如果controller挂掉，借助zookeeper重新选主。

producer 生产者

producer：生产者，就是向kafka broker发送消息的客户端；

topic 主题

topic：主题，就是一类消息的含义，一个topic中通常放置一类消息。每个topic都有一个或者多个订阅者，也就是消费者consumer，producer将消息推送到topic，由订阅该topic的consumer从topic中拉取消息；

partition 分区

partition：分区，每个topic主题可以有多个分区分担数据的传递，多条路并行，吞吐量大；
topic中的数据被分割为一个或多个partition，每个topic至少有一个partition，当生产者产生数据的时候，根据分配策略（hash取模）选择partition分区，然后将消息追加到指定partition分区的末尾。

replication 副本

replication ：副本，每个分区可以设置多个副本，副本之间数据一致。相当于备份，有备胎更可靠；
partition分区可能会损坏，所以得有副本，可以有多个副本。
副本的设置数为N，表示主+备=N个。也就是说设置topic的时候不要设置为 1个partition，1个replicas，这样相当于没有副本，因为副本数包含了分区，如果设置为 2个partition，3个replicas，就表示这个topic有2个分区，每个分区一共有3个，即1个leader，2个follower。
我们将所有的partition分区这样分，有一个leader和多个follower，leader是负责读写数据的，follower只负责备份。

leader & follower 领导者和追随者

leader & follower：领导者和追随者，也可以叫做主从，上面的这些分区的副本里有1个身份为leader，其他的为follower。leader处理partition的所有读写请求。follower副本不能读，其仅有一个功能，那就是从leader副本拉取消息，尽量让自己跟leader副本的内容一致。consumer只会从leader 中读取数据，当leader 挂掉会有新的follower重新选举为leader。follower会跟leader保持数据一致，当leader挂掉，则从followerer中选举一个作为新的leader，当follower挂掉或卡主或同步数据太慢，leader会把这个follower从“in sync replicsa ”(ISR)列表中删除重新创建一个follower。

consumer 消费者

consumer：即消费者，就是从kafka broker获取消息的消费者；

consumer group消费者组

每个consumer属于一个特定的consumer group，将多个消费者集中到一起去处理某一个topic数据，可以更快速的提高消费能力，整个消费者组共享一组偏移量以防止数据被重复度，因为一个topic有多个分区。

offset偏移量

可以唯一的标识一条信息；topic的每一消息都会有一个自增的编号，用于标识顺序和标识消息的偏移量。
偏移量决定读取数据的位置，不会有线程安全的问题，消费者通过偏移量来决定下次读取的消息；
消息被消费之后，并不会马上删除，这样多个业务就可以重复读取kafka中的消息；
某一个偏移量可以通过修改偏移量达到重新读取消息的目的，偏移量由用户控制；
消息最终还是会被删除，默认的时间为1周（7*24小时）；
kafka的存储文件都是按照offset.kafka来命名的，用offset做名字是为了方便查找，例如你想找1024的位置，只要找到1024.kafka的文件即可，默认第一个kafka储存文件为00000000000000000000.kafka.
消费者会监控数据消费到什么位置，当消费者挂掉再重新恢复的时候，可以从消费位置继续消费。

topic中的数据partition分配策略

首先这是在编程的时候设置的，编写productor时的ProducerRecord类的构造函数可以定义partition分配策略，如下：

1、指定了partition，则直接使用；
2、未指定partition但指定了key，通过对key的value进行hash选出一个partition；
3、partition和key都未指定，则通过轮询选出一个partition。

kafka生产者的发送原理

在生产者消息发送过程中，涉及到了2个线程，main线程和sender线程，在main线程中创建了一个双端队列RecordAccumulator，main线程将消息发送给RecordAccumulator，sender线程不断从RecordAccumulator拉取消息发送到kafkabroker中。
RecordAccumulator有2个重要的参数：batch.size、linger.ms.
batch.size：批次大小，表示当数据积累到batch.size设置的大小之后，sender才会取出数据发送给broker，默认batch.size是16k；
linger.ms：等待时间，表示如果数据迟迟达不到batch.size设置的大小，sender等待linger.ms设置的时间到了之后就会取数据发送，单位是ms，默认值是0ms，表示没有延时。生产中可以视情况设置为5ms-100ms.
compression.type：压缩snappy
RecordAccumulator默认的缓冲区大小为32m，可以修改为64m.

生产者如何提高吞吐量

可以调整batch.size批次大小、linger.ms等待时间、compression.type 压缩snappy、RecordAccumulator修改为64m。

kafka的数据检索机制

topic是逻辑上的概念，而partition是物理上的概念，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，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。

生产者生产的消息会不断追加到log文件末尾，为防止log文件过大导致数据定位效率低下，kafka采取了分片和索引机制，将每个partition分为多个segment文件。每个segment对应两个文件：.index文件和.log文件。这些文件位于一个文件夹下，该文件夹的命名规则为：topic名称+分区序号，例如，first这个topic有三个分区，则其对应的文件夹为first-0,first-1,first-2，在这目录里面都会有“.index文件”和".log"文件。

我们的，topic被划分为多个partition，partition还可以细分为segment，一个partition物理上由多个segment组成。

segment有2个参数：

log.segment.bytes：单个segment可容纳的最大数据量，默认为1G
log.segment.ms：kafka在提交一个未写满的segment之前，等待多少时间，默认为7天；

segment文件由两部分组成，分别为.index .log 文件，index文件表示索引文件，log表示数据文件；
partition全局的第一个segment从0开始，后续每个segment文件名为上一个segment文件最后一条消息的offset值。
数值大小为64位，20位数据字符长度，没有则属于0填充：

第一个segment
00000000000000000000.index
00000000000000000000.log
第四个segment
00000000000000170410.index
00000000000000170410.log
第三个segment
00000000000000239430.index
00000000000000239430.log

kafka数据的可靠性

在生产者发送消息给broker之后，如何保证数据的可靠性呢，这涉及到acks应答参数的设置，如下：

At last one：消息绝不会丢，但可能会重复传输（至少一次，ack=all+分区副本大于等于2+ISR应答最小副本数大于等于2）
At most once：消息可能会丢，但绝不会重复传输（最多一次，ack=0）
Exactly once：每条消息肯定会被传输一次且仅传输一次（精确一次，需要幂等性+At last one至少一次相结合，对于一些比较重要的业务场景，如金钱相关，要保证数据既不能丢失也不能重复）

acks应答参数

首先这个acks参数，是在生产者producer客户端里设置的,

producer向broker发送消息的时候可以选择是否需要等到broker响应：

acks=0：表示producer不需要等待来自broker是否确认消息接收成功就继续发送下一个（消息可靠性差，效率高）
acks=1：表示producer需要等待在ISR中的leader已成功收到的数据楼盘后并得到确认后再发送下一条消息（可靠性中等，效率中等）
acks=all：producer需要等待ISR中的所有follower都确认接收到数据后才算一次发送完成（可靠性最高，效率最低）
acks=-1：等价于acks=all。
（在3.x版本，acks参数默认是acks=1）

那么，如何选择使用哪个acks参数值？

在生产环境中acks=0很少使用；
acks=1一般用于传输普通日志，允许个别丢失数据的业务场景；
acks=all或acks=-1一般用于金钱相关的数据，即对数据可靠性要求比较高的插件。

ack参数实际上有三种常见的值可以设置，分别是：0、1 和 all。
第一种选择是把acks参数设置为0，意思就是producer只要把消息发送出去，不管那条数据有没有在leader上落到磁盘，就不等待broker回应，直接就认为这个消息发送成功了，producer就会继续发送下一个消息；
如果你采用这种设置的话，那么你必须注意的一点是，可能你发送出去的消息还在半路。结果呢，Partition Leader所在Broker就直接挂了，然后结果你的客户端还认为消息发送成功了，此时就会导致这条消息就丢失了。

第二种选择是设置 acks = 1，意思就是说只要Partition Leader接收到消息而且写入本地磁盘了，就认为成功了，不管他其他的Follower有没有同步过去这条消息了。
这种设置其实是kafka默认的设置。
但是这里有一个问题，万一Partition Leader刚刚接收到消息，Follower还没来得及同步过去，结果Leader所在的broker宕机了，此时也会导致这条消息丢失，因为人家客户端已经认为发送成功了。

最后一种情况，就是设置acks=all，这个意思就是说，Partition Leader接收到消息之后，还必须要求ISR列表里跟Leader保持同步的那些Follower都要把消息同步过去，才能认为这条消息是写入成功了。
如果说Partition Leader刚接收到了消息，但是结果Follower没有收到消息，此时Leader宕机了，那么客户端会感知到这个消息没发送成功，他会重试再次发送消息过去。
此时可能Partition 2的Follower变成Leader了，此时ISR列表里只有最新的这个Follower转变成的Leader了，那么只要这个新的Leader接收消息就算成功了。

acks=all 就可以代表数据一定不会丢失了吗？
当然不是，如果你的Partition只有一个副本，也就是一个Leader，任何Follower都没有，你认为acks=all有用吗？
当然没用了，因为ISR里就一个Leader，他接收完消息后宕机，也会导致数据丢失。
所以说，这个acks=all，必须跟ISR列表里至少有2个以上的副本配合使用，起码是有一个Leader和一个Follower才可以。
这样才能保证说写一条数据过去，一定是2个以上的副本都收到了才算是成功，此时任何一个副本宕机，不会导致数据丢失。

ISR机制

ISR是什么？
首先，ISR的全称叫做： In-Sync Replicas （同步副本集），我们可以理解为和leader保持同步的所有副本的集合。

一个分区的所有副本集合叫做AR（ Assigned Repllicas ）；
与leader-replica未能保持同步的副本集叫做OSR（ Out-Sync Relipcas ）；
因此我们就能得到这么一个表示：AR = ISR + OSR，翻译一下就是一个分区的副本集分为同步集合和非同步集合两部分。

那么我们可以假设一个场景，一个分区的AR集合为【0,1,2,3,4,5】，其中leader是0
其中【1,2,3】作为follower和leader的数据保持同步，而【4,5】未能和leader保持同步，
那么此时，ISR=【0,1,2,3】，OSR=【4,5】
如果此时副本4追上了leader，也就是和leader保持到了同步
那么此时，ISR=【0,1,2,3,4】，OSR=【5】

从上面的场景我们就可以明白，ISR动态维护了一个和leader副本保持同步副本集合，ISR中的副本全部都和leader的数据保持同步。

ISR的作用是什么

我们思考一下，我们知道了与leader保持同步的副本集后，可以做到哪些事情？
1、当我们生产消息的时候，到底要写入多少副本才能算成功呢？
2、当leader挂了之后，我们应该选择哪个follower来成为新的leader呢？
那么对应的，通过ISR，我们知晓了哪些follower与leader保持着同步，
那么我们就可以在写入消息的时候，设置写入处于ISR中所有的副本才算成功，
那么我们在进行leader切换的时候，就可以从ISR中选择对应的follower成为新的leader。
这就是ISR的作用：是通过副本机制实现消息高可靠，服务高可用时，不可缺少的一环；这也是为什么讲到副本不得不提到ISR的原因。

为什么要设计ISR机制

在一些中间件中，都有副本的概念，在不同的场景下写入数据时，要求写入副本的个数也不尽相同。
例如zk中要求写入的节点个数大于一半才算成功，或者有些要求高可靠性的场景，规定写入所有副本才能算成功。
而kafka的ISR可以允许生产消息时，根据自己的业务场景自行配置想要达到的效果：

我们在考虑生产消息时，ISR机制可以友好的让使用者根据自己的业务需求去设置参数，去选择自己想要达到什么程度的可靠性，而不是只提供一种可靠性选择。

补充：我们的ISR是动态伸缩的，可能出现follower全部都挂了，ISR中只剩下leader，那么此时设置acks=all就等价于acks=1了
这样就会对高可靠性要求的场景产生危险，那么kafka提供了参数：min.insync.replicas
这个参数可以配置最少ISR中需要多少个副本，才能继续提供写服务。如果设置为2，一旦ISR中的个数小于2，那么就不再提供写服务，牺牲一定的可用性，来保障这种高可靠的场景需求。
最后，ISR机制的存在是kafka为了平衡可靠性和可用性，不指定提供高可靠或者高可用的服务，而是将决定权交给了使用者，让使用者通过参数来控制，到底要实现什么程度的高可靠与高可用。

数据完全可靠性

上面我们讲了acks参数和ISR机制，acks=all表示，producer需要等待ISR中的所有follower都确认接收到数据后才算一次发送完成（可靠性最高，效率最低），
acks=all 就可以代表数据一定不会丢失了吗？
当然不是，如果你的topic的partition为1，即只有一个副本，也就是一个leader，任何follower都没有，你认为acks=all有用吗？
当然没用了，因为ISR里就一个Leader，他接收完消息后宕机，也会导致数据丢失。
所以，要做到数据完全可靠不丢失，必须满足下面的条件：

数据完全可靠性条件=acks设置为all+分区的副本数大于等于2+ISR里应答的最小副本数量大于等于2

保证数据既不丢失又不重复

保证数据不丢失满足：数据完全可靠性条件=acks设置为all+分区的副本数大于等于2+ISR里应答的最小副本数量大于等于2，但是仍有可能broker手动重复的数据，
kafka0.11版本以后，引入了一项重大的特性，幂等性和事务。

幂等性

幂等性：指无论producer生产者发送多少次重复数据，broker只会持久化一条，保证了数据的不重复。
重复数据判端标准：具有pid,partition,seqnumber 相同主键的消息提交时，broker只会持久化一条，其中pid是kafka每次重启都会分配一个新的，partition表示分区号， sequence number是单调自增的，所以幂等性只能保证的是在单分区会话内不重复。

开启参数enable.idempotence=true，默认就是true。

事务

开启事务必须先开启幂等性。