Kafka的具体设计

消息中间件特点

1. 解耦
2. 异步
3. 削峰

消息队列通信模式

1.点对点模式

2.发布订阅模式

kafka

基本概念

从图上可以看到可以分四个部分：

• Producer:消息生产者，消息入口。
• kafka cluster:kafka集群。
  1. broker：broker是kafka实例，每个服务器上可以有一个或者多个broker。
  2. topic：消息的主题，kafka的数据就是保存在topic。每个broker上都可以创建多个topic。
  3. partition：topic的分区，每个topic可以有多个分区，分区的作用就是负载，提高kafka的吞吐量。同一个topic在不同的分区数据是不重复的，partition的表现形式就是一个一个文件夹。
  4. Replication: 每一个分区都有多个副本，副本的作用是做备胎。当主分区（Leader）故障的时候会选择一个备胎（Follower）上位，成为Leader。在kafka中默认副本的最大数量是10个，且副本的数量不能大于Broker的数量，follower和leader绝对是在不同的机器，同一机器对同一个分区也只可能存放一个副本（包括自己）。
  5. message：每一条消息的主体。
• consumer:消息消费者，消息出口
  1. consumer Group：多个消费者组成一个消费者组，在kafka的设计中同一个分区的数据只能被消费者组中的某一个消费者消费。同一个消费者组的消费者可以消费同一个topic的不同分区的数据，也是为了提高kafka的吞吐量。
• zookeeper:kafka集群用于保存集群元数据信息，保证系统可用性。

工作流程分析

发送数据

下面看下发送流程

注意一点，消息写入leader后，follower是主动的去leader进行同步的，producer采用push的模式将数据发布到broker，每条消息追加到分区中，顺序写入磁盘，所以保证同一分区内的数据是有序的。具体如下图：

上图可以看到数据会写到不同的分区，那kafka为什么要做分区？

1. 方便扩展。因为一个topic可以有多个partition，所以我们可以扩展机器去轻松的应对日益增长的数据量。
2. 提高并发。以partition为读写单位，可以多个消费者同事消费数据，提高了消息的处理效率。

那么当我们向某个服务器发送请求的时候，服务端需要一个负载，把流量分发到不同的服务器上，kafka的topic有多个partition，producer如果发送数据到对应的partition呢？

有3个原则：

1. partition在写入时可以指定写入patition，如果指定则写入对应patition中。
2. 如果没有指定patition，但是设置了数据的key，则会根据key的值hash出一个partition。
3. 如果没有指定patition，也没设置数据的key，则会轮询一个partition。

保证消息不丢失是一个消息队列中间件的基本保证，那producer在向kafka写入消息的时候，怎么保证消息不丢失呢？其实上面的写入流程图中有描述出来，那就是通过ACK应答机制！在生产者向队列写入数据的时候可以设置参数来确定是否确认kafka接收到数据，这个参数可设置的值为0、1、all。

• 0，代表producer往集群发送数据不需要等到集群的返回，不确保消息发送成功。安全性最低但是效率最高。
• 1，代表producer往集群发送数据只要leader应答就可以发送下一条，只确保leader发送成功。
• all，代表producer往集群发送数据需要所有的follower都完成从leader的同步才会发送下一条，确保leader发送成功和所有的副本都完成备份。安全性最高，但是效率最低。

如果往不存在的topic写数据，能不能写入成功呢？

kafka会自动创建topic，分区和副本的数量根据默认配置都是1。

保存数据

Producer将数据写入kafka后，集群就需要对数据进行保存，kafka将数据保存在磁盘，一般写入磁盘是比较耗时的操作，不适合这种高并发的组件。Kafka初始会单独开辟一块磁盘空间，顺序写入数据（效率比随机写入高）。

Partition 结构

前面说过了每个topic都可以分为一个或多个partition，Partition在服务器上的表现形式就是一个一个的文件夹，每个partition的文件夹下面会有多组segment文件，每组segment文件又包含.index文件、.log文件、.timeindex文件（0.8之前版本中没有）三个文件， log文件就实际是存储message的地方，而index和timeindex文件为索引文件，用于检索消息。

如上图，这个partition有三组segment文件，每个log文件的大小是一样的，但是存储的message数量是不一定相等的（每条的message大小不一致）。文件的命名是以该segment最小offset来命名的，如000.index存储offset为0~368795的消息，kafka就是利用分段+索引的方式来解决查找效率的问题。
有2个参数需要了解：

• segment.bytes：topic文件是以segment文件进行存储的，该参数控制segment文件的大小，默认值为1073741824（10G)。
• segment.index.bytes：对于segment索引文件的大小限制，默认为10M

kafka时间戳的作用

• 基于时间戳的日志切分策略
• 基于时间戳的日志清除策略
• 根据时间戳来定位消息：之前的索引文件是根据offset信息的，从逻辑语义上并不方便使用，引入了时间戳之后，Kafka支持根据时间戳来查找定位消息

segment file文件物理关系

对segment file文件为例，说明segment中index<—->data file对应关系物理结构如下：

从上图可以看到 kafka的优化：其中以索引文件中元数据3,497为例，依次在数据文件中表示第3个message(在全局partiton表示第368772个message)、以及该消息的物理偏移地址为497。

索引文件包含若干索引条目，每个条目表示数据文件中一条Meaasge的索引。

索引包含2个部分（均为4个字节的数字），分别为相对offset和position。注意索引文件中的position 不是消息的offset, 而是message在segment中的物理位置。

可以看到索引有个优化点：稀疏索引，每隔一定字节的数据建立一条索引。

Message结构

上面说到log文件就实际是存储message的地方，我们在producer往kafka写入的也是一条一条的message，那存储在log中的message是什么样子的呢？消息主要包含消息体、消息大小、offset、压缩类型……等等！我们重点需要知道的是下面三个：

1. offset：offset是一个占8byte的有序id号，它可以唯一确定每条消息在parition内的位置！
2. 消息大小：消息大小占用4byte，用于描述消息的大小。
3. 消息体：消息体存放的是实际的消息数据（被压缩过），占用的空间根据具体的消息而不一样。
   

存储策略

无论消息是否被消费，kafka都会保存所有的消息，对于旧数据有什么删除策略呢？

1. 基于时间，默认配置168小时（7天）
2. 基于大小，默认配置1073741824 byte（128M）

因为kafka读取特定消息的时间复杂度是o(1),所以这里删除过期的文件并不会提高kafka性能。

消费数据

消息存储在log文件后，消费者就可以进行消费了，与生产消息相同，消费者在拉取消息时也是通过leader去获取。

多个消费者可以组成一个消费者组（consumer group），每个消费者组都有一个组id！同一个消费组者的消费者可以消费同一topic下不同分区的数据，但是不会组内多个消费者消费同一分区的数据。其实就是 partition 与 consumer 是 多对一的关系。

图示是消费者组内的消费者小于partition数量的情况，所以会出现某个消费者消费多个partition数据的情况，消费的速度也就不及只处理一个partition的消费者的处理速度！如果是消费者组的消费者多于partition的数量，那会不会出现多个消费者消费同一个partition的数据呢？上面已经提到过不会出现这种情况！多出来的消费者不消费任何partition的数据。所以在实际的应用中，建议消费者组的consumer的数量与partition的数量一致！

在保存数据的小节里面，partition划分为多组segment，每个segment又包含.log、.index、.timeindex文件，存放的每条message包含offset、消息大小、消息体…,上文多次提到segment和offset，查找消息的时候是怎么利用segment+offset配合查找的呢？假如现在需要查找一个offset为368801的message是什么样的过程呢？我们先看看下面的图：

1. 先找到offset的368801message所在的segment文件（利用二分法查找），这里找到的就是在第二个segment文件。
2. 打开找到的segment中的.index文件（也就是368796.index文件，该文件起始偏移量为368796+1，我们要查找的offset为368801的message在该index内的偏移量为368796+5=368801，所以这里要查找的相对offset为5）。由于该文件采用的是稀疏索引的方式存储着相对offset及对应message物理偏移量的关系，所以直接找相对offset为5的索引找不到，这里同样利用二分法查找相对offset小于或者等于指定的相对offset的索引条目中最大的那个相对offset，所以找到的是相对offset为4的这个索引。
3. 根据找到的相对offset为4的索引确定message存储的物理偏移位置为256。打开数据文件，从位置为256的那个地方开始顺序扫描直到找到offset为368801的那条Message。

这套机制是建立在offset为有序的基础上，利用segment+有序offset+稀疏索引+二分查找+顺序查找等多种手段来高效的查找数据！至此，消费者就能拿到需要处理的数据进行处理了。那每个消费者又是怎么记录自己消费的位置呢？在早期的版本中，消费者将消费到的offset维护zookeeper中，consumer每间隔一段时间上报一次，这里容易导致重复消费，且性能不好！在新的版本中消费者消费到的offset已经直接维护在kafk集群的__consumer_offsets这个topic中！