kafka架构

Kafka架构图

Kafka分区策略

（1） 指明 partition 的情况下，直接将指明的值直接作为 partiton 值；
（2）没有指明 partition 值但有 key 的情况下，将 key 的 hash 值与 topic 的 partition
数进行取余得到 partition 值；
（3） 既没有 partition 值又没有 key 值的情况下，第一次调用时随机生成一个整数（后
面每次调用在这个整数上自增），将这个值与 topic 可用的 partition 总数取余得到 partition
值，也就是常说的 round-robin 算法。

Kafka文件存储机制

• kafka中的消息是以topic进行分类，但topic是逻辑概念，分区对应了真正的存储。
• 生产者生产的消息会不断追加到 log 文件末尾， 为防止 log 文件过大导致数据定位效率低下， Kafka 采取了分片和索引机制，将每个 partition 分为多个 segment。 每个 segment对应两个文件——“.index”文件和“.log”文件。 这些文件位于一个文件夹下， 该文件夹的命名规则为： topic 名称+分区序号。例如， first 这个 topic 有三个分区，则其对应的文件夹为 first-0,first-1,first-2。
• 查找时先查找索引中的offset，在根据此条索引记录信息找到对应的记录。

• Kafka数据可靠性保证

为防止丢失数据，producer发送数据后需要等待ack，如果没有等到ack会重新发送数据，但是怎么ack的返回时机影响着Kafka的性能及可靠性。为解决此问题有以下解决方案：

kafka选择了第二种方案，但在第二种方案基础上进行了改进（ISR）机制：
Leader 维护了一个动态的 in-sync replica set (ISR)，意为和 leader 保持同步的 follower 集合。当 ISR 中的 follower 完成数据的同步之后， leader 就会给 follower 发送 ack。如果 follower长 时 间 未 向 leader 同 步 数 据 ， 则 该 follower 将 被 踢 出 ISR ， 该 时 间 阈 值 由replica.lag.time.max.ms 参数设定。 Leader 发生故障之后，就会从 ISR 中选举新的 leader。
同时Kafka提供了三种应答方式，已配置参数形式进行选择：
0： producer 不等待 broker 的 ack，这一操作提供了一个最低的延迟， broker 一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；
1： 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；
-1（all） ： producer 等待 broker 的 ack， partition 的 leader 和 follower 全部落盘成功后才返回 ack。但是如果在 follower 同步完成后broker 发送 ack 之前， leader 发生故障，那么会造成数据重复。

kafka故障处理

（1） follower 故障
follower 发生故障后会被临时踢出 ISR，待该 follower 恢复后， follower 会读取本地磁盘记录的上次的 HW，并将 log 文件高于 HW 的部分截取掉，从 HW 开始向 leader 进行同步。等该 follower 的 LEO 大于等于该 Partition 的 HW，即 follower 追上 leader 之后，就可以重新加入 ISR 。
（2） leader 故障
leader 发生故障之后，会从 ISR 中选出一个新的 leader，之后，为保证多个副本之间的数据一致性， 其余的 follower 会先将各自的 log 文件高于 HW 的部分截掉，然后从新的 leader同步数据。
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。

Exactly Once

实际上就是在ack等于-1的情况下对数据进行去重处理，使用时将enable.idompotence 设置为 true 即可。开启幂等性的 Producer 在初始化的时候会被分配一个 PID，发往同一 Partition 的消息会附带 Sequence Number。而Broker 端会对<PID, Partition, SeqNumber>做缓存，当具有相同主键的消息提交时， Broker 只会持久化一条。
但是 PID 重启就会变化，同时不同的 Partition 也具有不同主键，所以幂等性无法保证跨
分区跨会话的 Exactly Once。

kafka数据读取策略

• 1）顺序写磁盘
  Kafka 的 producer 生产数据，写的过程是一直追加到文件末端，为顺序写（省去了寻址的时间）。 官网有数据表明，同样的磁盘，顺序写能到 600M/s，而随机写只有 100K/s。
• 2）零复制技术
  零拷贝，零拷贝技术见知识点/零拷贝

kafka选举机制

kafka集群中会有一个broker会被选举为 Controller，负责管理集群 broker 的上下线，所有 topic 的分区副本分配和 leader 选举等工作。

消费策略

一个 consumer group 中有多个 consumer，一个 topic 有多个 partition，所以必然会涉及到 partition 的分配问题，即确定那个 partition 由哪个 consumer 来消费。
1）消费者采用的模式为pull模式，主动拉取数据。
2）分区分配策略

• RoundRobin（轮询）
  按消费者组进行轮询，
  
  分配后：
  
  在分配时将消费者组订阅的主题当做一个整体考虑进行排序让后轮询分配
  

存在问题：
如果C2至订阅了T2主题的数据，但它可能会收到T1的数据。
2) range

存在问题：
可能会发生数据倾斜

如图，如果数据量巨大，这个差距也会非常大，造成一部分消费者撑死，一部分消费者饿死。

Kafka事务

Kafka 从 0.11 版本开始引入了事务支持。事务可以保证 Kafka 在 Exactly Once 语义的基础上，生产和消费可以跨分区和会话，要么全部成功，要么全部失败。

如broker3挂掉了，事务会重写发往三台broker的数据。

Kafka发送消息的流程

Kafka 的 Producer 发送消息采用的是异步发送的方式。在消息发送的过程中，涉及到了两个线程——main 线程和 Sender 线程，以及一个线程共享变量——RecordAccumulator。main 线程将消息发送给 RecordAccumulator， Sender 线程不断从 RecordAccumulator 中拉取消息发送到 Kafka broker。

注：以上资料来源于哔哩哔哩尚硅谷kafka视频教程。