Kafka原理总结

Kafka是一个开源的分布式流式处理平台，在这个平台上可以发布、订阅以及处理数据流，具有强大的吞吐能力，让Kafka成为了一个高性能的发布与订阅消息系统

一：概念理解

Broker

部署Kafka进程的服务被称之为Broker，Broker会接收Producer的消息，持久化到本地，然后Comsumer通Pull的形式进行消息拉取，通常使用集群的形式进行部署

Producer

生产者，即发送消息的一方，往Broker中写入数据

Consumer

消费者，即消费消息的一方，从Broker中获取数据，一般采用群组的形式部署来提高消费性能

Topic

Topic翻译过来就是主题的意思，但它其实是个抽象概念，我们可以理解成数据集合，比如订单系统有一个Topic叫topic_order_info，这个Topic里面就是订单系统投递的订单信息，如果其他系统想要获取订单信息，就可以从这个Topic中获取。

Partition

Partion即分区，在Kafka中，创建topic通常会指定topic的partition个数，kafka会根据一定的策略进行分区分配，将分区分布在不同Broker上，Producer在发送消息时会根据分区选择器选择一个分区进行发送，这样就可以实现负载均衡，提高吞吐的效果

二：系统架构

上图是一个常见的Kafka部署架构，Kafka使用 Zookeeper保存Broker集群的元数据信息，主要包括Broker和Topic的元数据信息，老版的Kafka的消费者信息也是使用Zookeeper进行存储，新版则使用Broker存储消费者信息。下面对架构特点进行分析

架构特点

我们知道在创建Topic时，通过会指定分区的个数（num.patitions），kafka会根据一定的策略将分区分配在不同broker上来保证高吞吐，同时每个分区又可以根据复制系数（replicatlon.factor）分配多个副本到不同broker上，保证消息的可靠性。副本类型分为首领副本和跟随者副本，除了首领副本，其余都叫跟随者副本，首领副本会和跟随者副本之间进行数据同步。首领副本负责消息的写入和读取，首领副本所在的broker宕机之后，控制器会选择一个跟随者副本成为新的首领副本。控制器其实就是一个 broker，只不过它除了具有一般 broker 的功能之外，还负责分区首领的选举。

如何均匀进行分区分配？假设你有 6个 broker，打算创建一个包含 10个分区的主题，并且复制系数为 3。那么 Kafka就会有 30个分区副本， 它们可以被分配给 6个 broker。在进行分区分配时，我们从分区首领开始，依次分配跟随者副本。如果分区0的首领在broker4上，那么它的第一个跟随者副本会在 broker 5 上，第二个跟随者副本会在 broker 0上。分区1的首领在broker5上，那么它的第一个跟随者副本在 broker0上，第二个跟随者副本在 broker1上。

三：核心设计

生产者发送消息

生产者在发送消息时，是如何知道发送到哪个分区的呢？这时候生产者就需要获取到topic的元数据，topic有哪些分区，分区首领在哪几台broker上，broker的ip.port等，生产者可以请求任一broker获取这些元数据信息，因为所有 broker都缓存了这些信息。

 从上图中可以了解到生产者在消息的发送过程，会经历消息的序列化，分区器会从多个分区中选择一个分区进行消息发送，对于同一个topic的同一个分区的消息，会在缓冲区经历批次等待过程，最后通过压缩处理对消息进行批量发送。

消息在发送的过程一般会发生两类错误。其中一类是可重试错误 ，这类错误可以通过重发消息来解决，比如对于连接错误，可以通过再次建立连接来解决，“无主(noleader)” 错误则可 以通过重新为分区选举首领来解决。 KafkaProduce可以被配置成自动重试，如果在多次重试后仍无能解决问题，应用程序会收到一个重试异常。另一类错误无出通过重试解决 ，比如 序列化消息失败、缓存区已满，对于这类错误， KafkaProduce不会进行任何重试，直接抛出异常。

消息持久化

Broker针对每个分区会创建一个分区目录，分区目录下面存放的是日志文件（.log）和索引文件（.index），如下图所示：

日志文件存储了消息的具体内容，索引文件存储了消息的偏移量（offset），其中每个日志文件大小是可以配置的，根据log.segment.bytes参数进行配置，默认就是1G。这些日志文件和索引文件会不断被清理，依赖于topic的保留时长（log.retention.ms）和保留字节大小（log.retention.bytes）决定。

消息消费过程

在Kafka中，消费者一般是以群组（Consumer Group）的方式进行消息消费，且一个分区只会分配给一个Consumer，这是因为消费者每次读取消息的时候，会把最后一个消息的offset保存到一个Topic，下次读取会根据上次保存的offset进行消息读取，如果多个消费读取同一个队列，就会导致偏移量保存被覆盖，进而导致消息被重复消费。

四：高性能和可靠性实现

除了通过部署方式（分区分配+分区副本）对于可靠性和高性能的实现，Kafka在其他层面上也做了很多的努力，如下：

高性能实现机制

1.批量+压缩：

kafka的生产者在消息发送的时候，可以根据分批大小和分批等待时间，对消息进行批量发送，同时会使用相应的压缩算法（snappy、gzip）对消息进行压缩

2.顺序读写：

kafka中对于每个分区的消息都是顺序写入和顺序读取的，这样可以提高磁盘的读写速度

3.零拷贝技术：

kafka默认使用sendfile技术来实现消息的读取和写入，sendfile相对于mmap不仅可以减少拷贝次数，还可以减少上下文切换的次数。

4.索引文件：

kafka的文件存储形式包含了日志文件和索引文件，索引文件可以有效提高消息的读取速度

可靠性实现机制

1.acks参互：

acks参数指定了必须要有多少个分区副本收到消息，生产者才会认为消息写入是成功的。这个参数对消息丢失的可能性有重要影响。

1）ack=0，生产者在成功写入悄息之前不会等待任何来自服务器的响应。

2）ack=1，只要集群的首领副本收到消息，生产者就会收到一个来自服务器的成功响应。

3）ack=all，只有当所有同步副本全部收到消息时，生产者才会收到一个来自 服务器的成功响应。

2.不完全首领选举：

不完全首领选择是指是否允许不同步副本选举称为首领副本，10s内没有请求首领副本最新消息的跟随者副本被称之为不同步副本。如果我们允许不同步的副本成为首领，那么就要承担丢失数据和出现数据不一致的风险。 如果不允许它们成为首领，那么就要接受较低的可用性，因为我们必须等待原先的首领恢复到可用状态 。通过unclean.leade.election.enable参数设置不完全首领选举是否开启

3.最小同步副本：

如果ack=all，且首领副本仅有一个同步副本，在发送消息时，同步副本不可用，数据就会丢失，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的值。对于一个包含3个副本的主题，如果最小同步副本被设为2，那么至少要存在两个同步副本才能向分区写入数据。通过min.insync.replicas参数设置最小同步副本个数

4.同步异步刷盘：

同步异步刷盘的区别在于，消息存储在内存（memory）中以后，是否会等待执行完刷盘动作再返回，即是否会等待将消息中的消息写入磁盘中。kafka可以通过配置flush.message和flush.ms来设置刷盘策略，如果flush.message设置为5，表示每5条消息进行一次刷盘，如果flush.message设置为1，表示每一条消息都进行一次刷盘。如果flush.ms设置为1000，表示每过1000ms进行一次刷盘，如果flush.ms设置为5000，表示每过5000ms进行一次刷盘。