Kafka实战《原理2》

Kafka Broker

工作流程

Zookeeper存储的Kafka信息

Kafka Broker总体工作流程

Broker参数

参数名称	描述
replica.lag.time.max.ms	ISR中，如果Follower长时间未向Leader发送通信请求或同步数据，则将该Follower踢出ISR中，该时间阈值，默认30s
auto.leader.rebalance.enable	默认true,自动Leader Partition平衡
leader.imbalance.per.broker.percentage	默认10%，每个broker允许的不平衡的leader比率。如果每个broker超过了这个值，控制器会触发leader平衡
leader.imbalance.check.interval.seconds	默认300s,检查Leader负载是否平衡的间隔时间
log.segment.bytes	kafka中的日志是分成一块块存储的，此配置是指log日志划分成块大小，默认值1g
log,index.interval,bytes	默认4kb，kafka每当写入4kb大小的日志，然后就往index文件里面记录一个索引
log.retention.hours	kafka中数据保存的时间，默认7天
log. retention.minutes	kafka中数据保存的时间，分钟级别，默认关闭
log. retention.ms	kafka中数据保存的时间，毫秒级别，默认关闭
log.retention.check.interval.ms	检查数据是否超时的间隔，默认是5分钟
log.cleanup.policy	默认是delete,表示数据启用删除策略；如果设置为compact，表示所有的数据启用压缩策略

节点服役和退役

节点服役

新节点添加
1，启动新节点

./kafka-server-start.sh -daemon  ../config/server.properties

2，执行负载均衡

• 创建一个要均衡的主题 vim topics-to-move.json

{
	"topics":[
		{"topic":first}
	],
	"version": 1
}

• 生成一个负载均衡的计划

bin/kafka-reassign-partitions.sh --bootstrap-server ah101:9092 --topics-to-move-json-file   topics-to-move.json --broker-list "1001,1002,1003" --generate

• 创建副本负载计划 vim increase-replication-factor.json

{
    "partitions": [
        {
            "topic": "first",
            "partition": 0,
            "replicas": [
                1001,
                1002,
                1003
            ]
        },
        {
            "topic": "first",
            "partition": 1,
            "replicas": [
                1002,
                1001,
                1003
            ]
        },
        {
            "topic": "first",
            "partition": 2,
            "replicas": [
                1001,
                1002,
                1003
            ]
        },
        {
            "topic": "first",
            "partition": 3,
            "replicas": [
                1003,
                1002,
                1001
            ]
        },
        {
            "topic": "first",
            "partition": 4,
            "replicas": [
                1001,
                1002,
                1003
            ]
        },
        {
            "topic": "first",
            "partition": 5,
            "replicas": [
                1003,
                1001,
                1002
            ]
        },
        {
            "topic": "first",
            "partition": 6,
            "replicas": [
                1002,
                1001,
                1003
            ]
        },
        {
            "topic": "first",
            "partition": 7,
            "replicas": [
                1001,
                1003,
                1002
            ]
        }
    ],
    "version": 1
}

• 执行副本存储计划

 ./kafka-reassign-partitions.sh --bootstrap-server ah101:9092  --reassignment-json-file increase-replication-factor.json --execute

• 验证副本存储计划

./kafka-reassign-partitions.sh --bootstrap-server ah101:9092   --reassignment-json-file increase-replication-factor.json --verify

节点退出

• 创建一个要均衡的主题 vim topics-to-move.json

{
	"topics":[
		{"topic":first}
	],
	"version": 1
}

• 生成一个负载均衡的计划

bin/kafka-reassign-partitions.sh --bootstrap-server ah101:9092 --topics-to-move-json-file   topics-to-move.json --broker-list "1001,1002" --generate

• 创建副本负载计划 vim remove-replication-factor.json
• 执行副本存储计划

 ./kafka-reassign-partitions.sh --bootstrap-server ah101:9092  --reassignment-json-file remove-replication-factor.json --execute

• • 验证副本存储计划

./kafka-reassign-partitions.sh --bootstrap-server ah101:9092   --reassignment-json-file remove-replication-factor.json  --verify

Kafka副本

副本的基本信息

1. 作用 ：提高数据的可靠性
2. 默认副本1个，生产环境一般配置为2个，保证数据的可靠性，太多副本会增加磁盘存储空间，增加网络上的数据传输，降低效率
3. 副本分为 Leader和Follower 。kafka生产者只会将数据发送给leader，然后follower会从leader进行同步数据
4. kafka分区所有的副本称为AR

AR=ISR+OSR
ISR： 表示和Leader保持同步的Follower的集合。如果Follower长时间未向Leader发送通信请求或者同步数据，则该数据会被踢出ISR列表，该时间阈值由replica.lag.time.max,ms参数设定，默认30s。Leader发生故障的时候，就会从ISR中选举新的Leader。
OSR：表示Follower与Leader副本同步的时候，延迟过多的副本。

Leader选举流程

Kafka集群中有一个broker 的Controller会被选举为Controller Leader，负责管理集群broker的上下线，所有的topic的分区副本分配和Leader选举等工作。

Follower故障处理细节

LEO(log end offset)：每个副本的最后offset，LEO其实就是最新的offset+1
HW(high watermark)： 所有副本中最小的LEO。

1）Follower故障

• Follower发生故障后会被踢出ISR
• 这个期间 Leader和Follower继续接受数据
• 待该Follower恢复后，Follower会读取本地磁盘记录的上次HW,并将log文件高于HW部分截取掉，从HW开始向Leader进行同步
• 等该Follwer的LEO大于等于该partitionde HW,则将Follower重新加入ISR

2）Leader故障

• Leader发生故障的时候，会从ISR中选出一个新的Leader
• 为保证多个副本之间数据一致性，其余的Follower会先将各自的log文件高于HW的部分裁掉，然后从新的Leader同步
  注意：这只能保证副本之间的数据一致性，并不能保证数据不丢失或者不重复

分区副本分配
如果一个topic 创建16个分区 3个副本
那么AR规律

特点：
1）第一列为每个broker id 的排序 比如0，1，2，3，比如 1001 1002，1003
2）根据broker的数量作为一组进行副本分配
比如如果是4个broker组成的集群 那么leader 是0，1，2，3 ，AR 和ISR的列表的第一个也必定的是0，1，2，3
3） 一把第一个是间隔为0 第2个间隔为1 ，第三个间隔为2，这个间隔数和副本设置的数量有关系的
比如设置副本数为3 那么最后的间隔最大数为2 （3-1）

手动调整分区副本存储

生产环境中，每台服务器的配置和性能不一致，但是kafka只会根据自己的代码规则创建对应的副本，就会导致个别服务器存储压力比较大。所以需要手动调整分区副本的存储。

需求： 创建一个新的topic （testTopic） ,4个分区，2个副本，。将该topic的所有副本都存储到broker0和broker1

步骤
1）创建topic

bin/kafka-topics.sh --bootstrap-server  ah101:9092 --create --partitions 4 --replication-factor 2 -topic testTopic

2. 创建副本存储计划 （所有的副本存储在broker0 ，broker1）vim assign.json

{
"version":1,
"partitions":[{"topic":"testTopic","partition":0,"replicas":[0,1]},
{"topic":"testTopic","partition":1,"replicas":[0,1]},
{"topic":"testTopic","partition":2,"replicas":[1,0]},
{"topic":"testTopic","partition":3,"replicas":[1,0]}]
}

3） 执行副本存储计划

bin/kafka-reassign-partitions.sh --bootstrap-server ah101:9092 --reassignment-json-file assign.json --execute

4） 验证副本存储计划执行的情况

bin/kafka-reassign-partitions.sh --bootstrap-server ah101:9092 --reassignment-json-file assign.json --verify

5）查看副本存储情况

bin/kafka-topics.sh --bootstrap-server   ah101:9092 --describe --topic testTopic

Leader Partition 负载均衡

正常情况下，Kafka本身会自动把Leader Partition均匀的分散在各个机器上，来保证每台机器的读写和吞吐量都是均匀的。但是如果某些broker宕机，会导致leader partition过于集中在其他少部分的几台broker上，这会导致这几台的broker读写请求压力过高，其他宕机的broker重启只后都是follower，读写请求很低，造成集群负载不均衡

参数名称	描述
auto.leader.rebalance.enable	默认true,自动Leader partition平衡。生产环境中国，Leader重选举代价比较大，可能会带来性能影响，建议设置false关闭
leader.imbalance.per,broker,percentage	默认10%，每个broker允许的不平衡的leader的比率。如果每个broker超过这个值，控制器会触发重平衡
leader.imbalance.check.interval.time	默认值100，检查Leader负载是否平衡的间隔时间

文件存储

1）topic数据存储机制
topic是逻辑上的概念，而partition是物理上的概念。每个partition对应一个log文件，该log文件存储的就是Producer生产的数据。Producer生产的数据会被不断的追加到该log文件的末端。为防止log文件过大导致数据定位效率低下，kafka采取分片和索引机制，将每个partition分为多个segement。每个segment包括 “.index”,“.log”,".timeindex"等文件。该文件命名规则 topic名称+分区序号，列如first-0。

说明： index和log文件以当前segment第一条消息的offset命名

通过工具可以查看index和log文件信息

kafka-run-class.sh  kafka.tools.DumpLogSegments --file  ./000000000000000000000000.index

kafka-run-class.sh  kafka.tools.DumpLogSegments --file  ./000000000000000000000000.log

2）如何在log文件中定位到offset=100的record?

• 根据目标offset定位segment文件
• 找到小于等于目标offset的最大offset对应的索引项
• 定位log文件
• 向下遍历找到目标record记录

3） 文件清理策略
kafka的日志默认保存时间7天，可以通过调整参数修改保存时间。
log.retention.hours 最低优先级小时 ，默认7天
log.retention.check.interval.ms 负责设置检查周期，默认5分钟

4）日志一旦超过设置的时间，怎么处理？
kafka提供的日志清理策略有两种
delete和compact两种

• log.clean.policy=delete 所有的数据启用删除策略
  （1）基于时间：默认打开，以segment中所有记录中最大的时间戳作为该文件的时间戳
  （2）基于大小：默认关闭。超过设置所有日志总大小，删除最早的segment。 log.retention.bytes 默认-1，表示无穷大
• log.clean.policy=compact
  对于相同key 不同value值，只保留最后一个版本。
  压缩后offset数据不是连续的。
  这种策略只适合特殊场景，比如消息的key为用户id,value是用户资料，通过这中压缩策略，整个消息就保存所有用户的最新资料。

5）高效读写数据

• kafka本身是分布式集群，采用分区技术，并行度高
• 读数据采取稀疏索引，可以快速的定位要消费数据的位置
• 顺序写磁盘（省去大量磁头寻址时间）
• 页缓存+0拷贝技术
  PageCahe：kafka重度依赖底层操作系统提供的pagecahce功能。当上层有写操作的时候，操作系统只是将数据写入pagecache，当读操作发生的时候，先从pagecache中读取，如果找不到，在从磁盘中读取

Kafka 消费者

Kafka的消费方式

pull模式：
consumer采用从broker主动拉取数据

push模式：
broker推送数据到consumer

kafka采用的pull方式，因为由broker决定消息发送速率，很难适应所有的消费者的消费速率。
pull模式不足之处：如果kafka没有数据，消费者可能会陷入死循环中，一直返回空数据。

消费的工作流程

消费者组：由多个消费者组成。形成一个消费者组的条件，所有的消费者的groupid相同

• 消费者组内每个消费者负责消费不同的分区数据，一个分区只能由一个组内消费者消费。
• 消费者组之间互不影响。所有的消费者都属于某个消费者组。即消费者组是逻辑上一个订阅者
• 如果消费者组中添加更多消费者，超过主题分区的数量，则有一部分消费者会闲置。不会接受任何消息

消费者组的初始化流程:

coordinator:辅助实现消费者组初始化和分区分配。
coordinator节点选择=groupId的hashcode值%50（__consumer_offsets的分区数量）

• 每个consumer都发送给JoinGroup
• 选出一个consumer作为leader
• 把消费的topic情况发送给leader消费者
• leader会负责指定消费方案
• 把消费方案发给coodinator
• Coodinator把消费方案发给各个consumer，
• 每个消费者都会和coordinator保持心跳（3s），一旦超时（session.time.out=45s）,该消费者会被移除，并触发再平衡，或者消费者处理消息时间过长（max.poll.interval.ms=5分钟），也会触发再平衡

消费者重要参数

参数名称	描述
bootstrap.servers	向kafka集群建立初始连接用到的host/port列表
key.deserializer value.deserializer	指定接受消息的key和value的反序列化类型，一定要写全类名
group.id	标记消费者所属的消费者组
enable.auto.commit	默认为true，消费者会自动周期性的向服务器提交偏移量
auto.commit.interval.ms	如果设置了 enable.auto.commit=true，则该值定义了消费者偏移量向kafka提交的频率 默认5s
auto.offset.reset	当kafka中没有初始偏移量或者当前偏移量再服务器中不存在，该如何处理？earlist:自动重置偏移量到最早的偏移量；latest：默认，自动重置偏移量为最新的偏移量。none：如果消费者组原来偏移量不存在，则向消费者抛异常，anything：向消费者抛异常
offsets.topic.num.patitions	_consumer_offsets的分区数，默认50
hearbeat.inteval.ms	kafka消费者与coordinator之间的心跳时间，默认3s，该值必须夏鸥session.out.time
session.time.out	kafka消费者与coordinator之间的心跳时间，默认45s
max.pooll.interval.ms	消费者处理消息的最大时长，默认5min
fetch.min.bytes	默认一字节，消费者获取服务端一批消息最小字节
featch.max,wait,ms	默认500ms，如果没有从服务器端获取到一批数据最小字节，时间到了，仍然返回数据
featch.max.bytes	默认 50m，消费者获取服务器端一批消息最大的字节数。
max.poll.records	一次poll拉取数据返回的消息的最大条数，默认500s

分区平衡以及再平衡

一个消费者组有多个消费者，一个topic有多个分区，那么问题是到底由哪个消费者来消费哪个分区的数据

kafka有四种主流分区分配策略： Range,RoundRobin,Sticky,CooperativeSticky
可以通过参数partition.assignment.strategy修改分区策略。默认策略是Range+CooperativeSticky

Range
Range是对每一个topic而言的

首先对同一个topic里面的分区按照序号进行排序，并对消费者按照字母顺序排序。
假如有7个分区，3个消费者，排序后将会是0，1，2，3，4，5，6。消费者是c0,c1,c2。
通过partition/consumers来决定每个消费者消费几个分区，如果除不尽，那么前面的几个消费者将会多消费1个分区。

例如： 7/3=2余1 那么 c0将会多消费一个消费者

注意
如果只是针对一个topic而言，c0消费者多消费一个分区影响不大，但是如果有多个topic，那么针对每个topic消费者c0都会将多消费一个分区，topic越多，c0消费的分区就会越多，容易产生数据倾斜

RoundRobin
RoundRobin针对集群中所有的topic而言

RoundRobin轮询分区策略，是把所有的partition和所有的consumer都列出来，然后按照hashcode进行排序，最后通过轮询算法来分发patition给到各个消费者。

Sticky
粘性分区： 在执行一次新的分配前，考虑上次分配的结果，尽量减少分配调动，可以节省大量的开销。
kafka0.11.x引入这种分配策略。首先会尽量均衡的放置分区掉消费上面，在出现统一消费组内消费者出现问题的时候，会尽量保持原有的分配的分区不变化

Offset位移

offset的默认维护位置
从0.9开始 ，consumer默认将offset保存在kafka一个内置topic中，该topic为_consumer_offsets。
0.9以前，consumer默认将offset保存在zookeeper。

_consumer_offsets 主题采用key value的形式存储数据。key是groupid+topic+分区号，value是当前offset的值。每隔一段时间内，kafka内部会对这个topic进行compact，也就是每个groupid+topic+分区号就保留最新的数据。

配置文件 config/consumer.properties，添加配置exclude.internal.topics=false,默认true，表示不能消费该系统主题，为了查看该系统主题数据，可以将参数修改为false