有人说:他曾在一台配置较好的机子上对
Kafka
进行性能压测,压测结果是Kafka
单个节点的极限处理能力接近每秒2000万
条消息,吞吐量达到每秒600MB
。
那 Kafka
为什么这么快?如何做到这个高的性能?
本篇文章主要从这 3 个角度来分析:
- 生产端
- 服务端
Broker
- 消费端
先来看下生产端发送消息,Kafka
做了哪些优化?
(1)生产端 Producer
先来回顾下 Producer
生产者发送消息的流程:
- 首先指定消息发送到哪个
Topic
。 - 选择一个
Topic
的分区partitiion
,默认是轮询来负载均衡。也可以指定一个分区
key
,根据key
的hash
值来分发到指定的分区。也可以自定义
partition
来实现分区策略。 - 找到这个分区的
leader partition
。 - 与所在机器的
Broker
的socket
建立通信。 - 发送
Kafka
自定义协议格式的请求(包含携带的消息、批量消息)。
将思绪集中在消息发送时候,可发现这两个华点:批量消息和自定义协议格式。
-
批量发送:减少了与服务端
Broker
处理请求的次数,从而提升总体的处理能力。调用
send()
方法时,不会立刻把消息发送出去,而是缓存起来,选择恰当时机把缓存里的消息划分成一批数据,按批次发送给服务端Broker
。 -
自定义协议格式:序列化方式和压缩格式都能减少数据体积,从而节省网络资源消耗。
各种压缩算法对比:
- 吞吐量方面:
LZ4
>Snappy
>zstd
和GZIP
- 压缩比方面:
zstd
>LZ4
>GZIP
>Snappy
(2)服务端 Broker
Broker
的高性能主要从这 3 个方面体现:
PageCache
缓存Kafka
的文件布局 以及 磁盘文件顺序写入- 零拷贝
sendfile
:加速消费流程
下面展开讲讲。
1)PageCache
加速消息读写
使用 PageCache
主要能带来如下好处:
- 写入文件的时候:操作系统会先把数据写入到内存中的
PageCache
,然后再一批一批地写到磁盘上,从而减少磁盘IO
开销。
-
读取文件的时候:也是从
PageCache
中来读取数据。如果消息刚刚写入到服务端就会被消费,按照
LRU
的“优先清除最近最少使用的页”这种策略,读取的时候,对于这种刚刚写入的PageCache
,命中的几率会非常高。
2)Kafka
的文件布局 以及 磁盘文件顺序写入
文件布局如下图所示:
**主要特征是:**文件的组织方式是“topic
+ 分区”,每一个 topic
可以创建多个分区,每一个分区包含单独的文件夹。
Kafka
在分区级别实现文件顺序写:即多个文件同时写入,更能发挥磁盘 IO
的性能。
-
相对比
RocketMQ
:RocketMQ
在消息写入时追求极致的顺序写,所有的消息不分主题一律顺序写入commitlog
文件,topic
和 分区数量的增加不会影响写入顺序。 -
弊端:
Kafka
在消息写入时的IO
性能,会随着topic
、分区数量的增长先上升,后下降。所以使用
Kafka
时,要警惕Topic
和 分区数量。
3)零拷贝 sendfile
:加速消费流程
当不使用零拷贝技术读取数据时:
流程如下:
-
消费端
Consumer
:向Kafka Broker
请求拉取消息 -
Kafka Broker
从OS Cache
读取消息到 应用程序的内存空间:- 若
OS Cache
中有消息,则直接读取 - 若
OS Cache
中无消息,则从磁盘里读取
- 若
-
再通过网卡,
socket
将数据发送给 消费端Consumer
当使用零拷贝技术读取数据:
Kafka
使用零拷贝技术可以把这个复制次数减少一次,直接从 PageCache
中把数据复制到 Socket
缓冲区中。
- 这样不用将数据复制到用户内存空间。
DMA
控制器直接完成数据复制,不需要CPU
参与,速度更快。
(3)消费端 Consumer
消费者只从
Leader
分区批量拉取消息。
为了提高消费速度,多个消费者并行消费比不可少。 Kafka
允许创建消费组(唯一标识 group.id
),在同一个消费组的消费者共同消费数据。
举个栗子:
- 有两个
Kafka Broker
,即有 2个机子 - 有一个主题:
TOPICA
,有 3 个分区(0, 1, 2)
如上图,举例 4 中情况:
-
group.id = 1
,有一个消费者:这个消费者要处理所有数据,即 3 个分区的数据。 -
group.id = 2
,有两个消费者:consumer 1
消费者需处理 2个分区的数据,consumer2
消费者需处理 1个分区的数据 -
group.id = 3
,有三个消费者:消费者数量与分区数量相等,刚好每个消费者处理一个分区 -
group.id = 4
,有四个消费者:消费者数量 > 分区数量,第四个消费者则会处于空闲状态