文章目录
1. Kafka核心总控制器Controller
在kafka集群中会有一个或者多个broker,其中有一个broker会被选举为控制器(Kafka Controller),它负责管理整个集群中所有分区和副本的状态。由于zookeeper中存储了kafka的元信息,所以总控制器Controller也被存储在zookeeper的 /controller目录下:
具备控制器身份的broker需要比其他普通的broker多一份职责,具体细节如下:
- 监听broker相关的变化。
(1)为Zookeeper中的/brokers/ids/节点添加BrokerChangeListener,用来处理broker增减的变化。 - 监听topic相关的变化。
(1)为Zookeeper中的/brokers/topics节点添加TopicChangeListener,用来处理topic增减的变化;
(2)为Zookeeper中的/admin/delete_topics节点添加TopicDeletionListener,用来处理删除topic的动作。 - 监听topic下Partition的变化
(1)对于所有topic 所对应的Zookeeper中的/brokers/topics/[topic]节点添加PartitionModificationsListener,用来监听topic中的分区分配变化 - 选举Partition分区的Leader。
(1)当某个分区的leader副本出现故障时,由控制器负责为该分区选举新的leader副本 - 更新集群的元数据信息,同步到其他普通的broker节点中
1.1 核心总控制器Controller的Leader选举
核心总控制器有这么多功能,那么它是如何被选举来的呢?在kafka集群启动的时候,会自动选举一台broker作为controller来管理整个集群,选举的过程是集群中每个broker都会尝试在zookeeper上创建一个 /controller 临时节点,zookeeper会保证有且仅有一个broker能创建成功(因为所有命令在zk内部是顺序执行的),这个broker 就会成为集群的总控器controller。
当这个controller角色的broker宕机了,此时zookeeper中 /controller 临时节点会消失,同时zookeeper目录 /brokers/ids中记录的节点数据也会随着消失一个
又因为集群里其他broker会一直监听这个临时节点 /controller节点 和 /brokers/ids节点,发现临时节点消失了,就竞争再次创建临时节点,就是我们上面说的选举机制,zookeeper又会保证有一个broker成为新的controller。
1.2 Partition副本选举Leader机制
topic下有多个partition分区,每个partition分区又有多个副本,partition副本之间会选举出一个Leader用来负责当前分区的所有读写请求,其他副本负责备份容灾,那么分区副本Leader是如何被选举的呢?
首先,分区Leader的选举是由总控制器Controller完成的。controller会从ISR列表中选择第一个分区作为分区Leader,ISR列表中的节点代表已经同步完该Partition数据的节点,同步完的broker最先放进ISR列表,位于ISR列表的第一个位置,所以会选择第一个节点,因为它可能是同步数据最多的副本!(ISR列表详解)
注意两种设置:
- 参数unclean.leader.election.enable=false:默认,只能在ISR列表中选举分区Leader,如果ISR无值,就会阻塞。如上图。
- 参数unclean.leader.election.enable=true:先在ISR列表中选举分区Leader,如果ISR列表里所有副本都挂了的时候可以在ISR列表以外的副本Replicas中选leader。这种设置,可以提高可用性,但是选出的新leader有可能数据少很多。
如果分区leader所在的broker挂了,该节点会在zookeeper的节点/brokers/ids中消失,因为总控制器controller又监听着/brokers/ids目录的数据变化,所以也会及时感知到,并执行上面的分区Leader选举过程!
分区副本进入ISR列表有两个条件:
- 必须能与zookeeper保持会话以及跟leader副本网络连通
- 副本能复制leader上的所有写操作,并且不能落后太多。(与leader副本同步滞后的副本,是由 replica.lag.time.max.ms 配置决定的,超过这个时间都没有跟leader同步过的一次的副本会被移出ISR列表)
2. 消费者消费偏移量offset记录机制
offset是消费偏移量,记录着消息的消费位置。每个consumer会定期将自己消费分区的offset提交给kafka内部的__consumer_offsets_xxx。内容为key-value形式的!kafka会定期清理topic里的消息,最后就保留最新的那条数据
- key:consumerGroupId+topic+分区号
- value:当前offset的值
通过如下公式可以选出consumer消费的offset要提交到__consumer_offsets的哪个分区
公式:hash(consumerGroupId) % __consumer_offsets主题的分区数
因为__consumer_offsets可能会接收高并发的请求,kafka默认给其分配50个分区(可以通过offsets.topic.num.partitions设置),这样可以通过加机器的方式抗大并发。
3. 消费者rebalance机制
消费者rebalance机制就是消费者的重平衡机制。就是说如果消费组里的消费者数量有变化或消费的分区数有变化,kafka会重新分配消费者消费分区的关系。比如consumer group中某个消费者挂了,此时会自动把分配给他的分区交给其他的消费者,如果他又重启了,那么又会把一些分区重新交还给他。
如下情况可能会触发消费者rebalance:
- 消费组里的consumer增加或减少了
- 动态给topic增加了分区
- 消费组订阅了更多的topic
注意:
- rebalance只针对subscribe这种不指定分区消费的情况,如果通过assign这种消费方式指定了分区,kafka不会进行rebanlance。
- rebalance过程中,消费者无法从kafka消费消息,这对kafka的TPS会有影响,如果kafka集群内节点较多,比如数百个,那重平衡可能会耗时极多,所以应尽量避免在系统高峰期的重平衡发生。
消费者Rebalance分区分配策略:
- range(官方默认)
比如有0-9这10个分区,a、b、c三个消费者
n=分区数/消费者数量 = 10/3 = 3
m=分区数 % 消费者数量 = 10%3 = 1
前 n个消费者分配 n+1 个分区,后面的消费者分配 n 个分区 range分配策略会做以下分配
a:0、1、2、3
b:4、5、6
c:7、8、9 - round-robin
轮询分配,round-robin分配策略会做以下分配
a:0、1、2、9
b:3、4、5
c:6、7、8
注意和range分配策略的区别 - sticky
初始时分配策略与round-robin类似,但是在rebalance的时候,比如消费者c挂掉,那么只会重分配消费者c的分区,原有的已分配好的分区不会被打乱,而range 和 round-robin则会打乱所有已分配好的分区,这也是sticky的优点,他能减少reblance的时间,增加kafka的TPS!
消费者reblance全过程
kafka为了减轻自己的压力,把reblance策略的制定任务交给各个消费组,自身不承担压力,要么给zookeeper,要么给消费者(好奸诈呀!),这也是它性能高的原因之一
过程如下:
- 由消费组中的消费者选出一个kafka集群节点作为组长,这个broker组长并不是总控制器Controller,他只负责接受并下发分区方案。注意:每一个消费组选择的broker组长可能不一样
选择依据是:consumer消费的offset要提交到__consumer_offsets的哪个分区,这个分区leader对应的broker就是这个组长 - 由这个broker组长在消费者集群中选一个作为消费者这边的“组长”,消费者组长负责制定分区方案。
选择依据是:那个消费者最先和borker的组长建立连接,这个消费者就是消费者这边的“组长”! - 消费者组长设置好分区方案,并把方案发送给broker组长。
由于消费者组中的消费者无法建立通信,所以需要把分区方案发给broker组长,并由他来通知其他的消费者! - broker组长通过其他消费者的心跳通信,下发分区方案给其他消费者
4. HW高水位机制
在了解HW高水位机制之前,先要知道producer向Topic下的分区中发布消息的过程!
4.1 生产者producer发消息过程
1. 写入方式
producer 采用 push 模式将消息发布到 broker,每条消息都被 append 到 patition 中,属于顺序写磁盘(顺序写磁盘效率比随机写内存要高,保障 kafka 吞吐率)。
producer 发送消息到 broker 时,如果指定了 patition,则直接使用发送到分区;如果未指定patition,会根据分区算法选择将其存储到哪一个 partition。
2. 写入流程
- producer 先从 zookeeper 的 “/brokers/…/state” 节点找到该 partition 的 leader
- producer 将消息发送给该 leader
- leader 将消息写入本地 log
- followers 从 leader pull 消息,写入本地 log 后 向leader 发送 ACK
- leader 收到所有 ISR 中的 replica 的 ACK 后,增加 HW(high watermark,最后 commit 的 offset) 并向 producer 发送 ACK
4.2 消息发送与HW
HW俗称高水位,consumer最多只能消费到HW所在的位置。HW机制要求:对于leader新写入的消息,consumer不能立刻消费,leader会等待该消息被所有ISR中的replicas同步后更新HW,此时消息才能被consumer消费。这样就保证了如果leader所在的broker失效,该消息仍然可以从新选举的leader中获取。如下图所示:
如果没有HW高水位,那么消息的可靠性将无法得到保障,具体如下图所示,如果出现leader宕机,那么消息还未同步,便已丢失!