Kafka 二

系列文章目录

一、生产者发送消息

1.1 发送流程

1.2 拦截器

拦截器作用是实现消息的定制化

1.3 序列化器

ByteBufferSerialize 
BytesSerializer 
DoubleSerializer
ExtendwdSerializer
FloatSerializer
IntegerSerializer
LongSerializer
ShortSerializer
StringSerializer 
UUIDSerializer
除了自带的序列化工具之外，可以使用如Avro、JSON、Thrift. Protobuf等

1.4 路由指定

1、	指定了 partition;
2、	没有指定partition,自定义了分区器；
3、	没有指定partition,没有自定义分区器，但是key不为空;
4、	没有指定partition,没有自定义分区器，但是key是空的

1.5 消息累加器

选择分区以后并没有直接发送消息，而是把消息放入了消息累加器
—个partition —个Batch。batch满了之后，会唤醒Sender线程，发送消息

二、数据可靠性保证

1.服务端响应策略

	单个partition (leader)写入成功，还是不够可靠，如果有多个副本，follower 也要写入成功才可以
	所有的follower全部完成同步，才发送ACK给客户端，延迟相对来说高 一些，但是节点挂掉的影响相对来说
小一些，因为所有的节点数据都是完整的。把那些正常和leader保持同步的replica维护起来，放到一个动态
set里 面/这个就叫做in-sync replica set (ISR)。现在只要ISR里面的follower同步完数据 之后，我就
给客户端发送ACK。
	参数 replica.lag.time.max.ms决定剔除ISR的时间，默认30s

2.ACK应答机制

1、acks=0: producer不等待broker的ack,这一操作提供了一个最低的延迟，broker—接收到还没有写入磁盘
就已经返回，当broker故障时有可能丢失数据；
2、acks= 1 (默认)：producer 等待 broker 的 ack, partition 的 leader 落盘成功后返回ack,如果
在follower同步成功之前leader故障，那么将会丢失数据;
3、acks=-1 (all) : producer 等待 broker 的 ack, partition 的 Ieader 和 follower全部落盘
成功后才返回ack
三种机制，性能依次递减（producer吞吐量降低），数据健壮性则依次递增

三、Kafka Broker 存储原理

1. 文件存储结构

配置文件：config/server.properties
log.dir配置：默认/tmp/kafka-logs

1.1 partition 分区

	为了实现横向扩展，把不同的数据存放在不同的Broker	同时降低单台服务器的访问压力，我们把一个
topic中的数据分隔成多个partition。一个partition中的消息是有序的，顺序写入，但是全局不一定有序。
	在服务器上，每个partition都有一个物理目录，topic名字后面的数字标号即代表 分区

1.2 replica副本

	为了提高分区的可靠性，kafka又设计了副本机制。
	创建topic的时候，通过指定replication-factor确定topic的副本数。
	注意：副本数必须小于等于节点数，而不能大于Broker的数量，否则会报错。

1.3 分配策略

1、firt of all,副本因子不能大于Broker的个数
2、第一个分区（编号为0的分区）的第一个副本放置位置是随机从brokerList选择的（Broker2的副本）
3、其他分区的第一个副本放置位置相对于第0个分区依次往后移。

1.4 segment

	为了防止log不断追加导致文件过大，导致检索消息效率变低，一个partition又被划分成多个segment来
组织数据（MySQL也有segment的逻辑概念，叶子节点就是 数据段，非叶子节点就是索引段）

四、消息保留（清理）机制

1 删除策略

1、日志删除是 通过定时任务实现的。默认5分钟执行一次，看看有没有需要删除的数据
log.retention.checkjnterval.ms=300000
2、log.retention.hours默认值是168个小时(一周)，也就是时间戳超过一周的数据才会删除。
3、log.retention.minutes默认值是空。它的优先级比小时高，如果配置了则用这个
4、log.retention.ms默认值是空。它的优先级比分钟高，如果配置了则用这个。
5、log.retention.bytes默认值是-1,代表不限制大小，想写多少就写多少。log.retention.bytes指的是
所有日志文件的总大小。
6、log.segment.bytes可以对单个segment文件大小进行限制，默认值1073741824字节(1G)

2 压缩

	当有了这些key相同的value不同的消息的时候，存储空间就被浪费了。压缩就是 把相同的key合并为最后
一个value

五、高可用

1 Controller选举

	Kafka不是所有的repalica都参与leader选举，而是由其中的一个Broker统一来指挥， 这这个Broker的
角色就叫做Controller （控制器）
	控制器作用
		•监听Broker变化。
		•监听Topic变化。
		•监听Partition变化。
		•获取和管理Broker. Topic、Partition的信息。
		•管理Partiontion的主从信息

2 选举算法

	提到kafka的选举实现，最相近的是微软的PacificA算法，在这种算法中，默认是让ISR中第一个replica
变成leader

3 主从同步

1、follower节点会向Leader发送一个fetch请求,leader向follower发送数据 后，既需要更新follower的LEO。
2、follower接收到数据响应后，依次写入消息并且更新LEO。
3、leader 更新（SR 最小的 LEO）。
kafka设计了独特的ISR复制，可以在保障数据一致性情况下又可提供高吞吐量。

4 replica 故障处理

4.1 follower 故障

首先follower发生故障，会被先踢出ISR

5.1 leader故障

首先选一个leader，消息截取

六、消费者消费消息

1 Offset 的存储

	放在一 特殊的topic中，名字叫_consumer_offsets,默认 有 50 个分区(
offsets.topic.num.partitions 默认是 50),每个分区默认一个 replication。

2 找不到Offset

1、默认值是latest,也就是从最新的消息（最后发送的）开始消费的。历史消费是不能 消费的
2、earliest代表从最早的（最先发送的）消息开始消费。可以消费到历史消息
3、none,如果consumer group在服务端扌戈不到offset会报错。

3 offset更新

1、enable.auto.commit默认是trueo true代表消费者消费消息以后自动提交此时Broker会更新消费者组
的offset
2、auto.commit.interval.ms默认是5秒钟，控制自动提交的频率
3、如果我们要在消费完消息做完业务逻辑处理之后才commit,就要把这个值改成false。如果是false,消费者
就必须要调用一个方法让Broker更新offset。
	有两种方式:
		consumer.commitSyncO的手动同步提交。 
		consumer. commitAsyncO 手动异步提交

七、Kafka快的原因分析

1 顺序读写
	顺序IO比随机IO读写快
2 索引
	稀疏索引
3 批量读写和文件压缩
4 零拷贝
	DMA直接内存访问，从磁盘读取到内核之后，直接发到网卡

八、Kafka消息不丢失的配置

1、 producer 端使用 producer.send(msg, callback)带有回调的send方法，而不是
	producer.send(msg)方法。根据回调，一旦出现消息提交失败的情况，就可以有针对性地进行处理。
2、设置acks=all。acks是Producer的一个参数，代表"已提交"消息的定义。 如果设置成all，则表明所有
	Broker都要接收到消息，该消息才算是”已提交”。
3、设置retries为一个较大的值。同样是Producer的参数。当出现网络抖动时，消 息发送可能会失败，此时
	配置了retries的Producer能够自动重试发送消息，尽量避免消息丢失。
4、设置 unclean.leader.election.enable = false
5、设置replication.factor >= 3。需要三个以上的副本。
6、设置minJnsync.replicas > 1。 Broker端参数，控制消息至少要被写入到多少 个副本才算是”已提
	交” 。设置成大于1，可以提升消息持久性。在生产环境中不要使用 默认值1。确保
	replication.factor > min.insync.replicas。如果两者相等，那么只要有 一个副本离线，整个分区
	就无	法正常工作了。推荐设置成replication.factor = min.insync.replicas + 1。
7、确保消息消费完成再提交。Consumer端有个参数enable.auto.commit,最好 设置成false,并自己来处
	理offset的提交更新。