作者简介：大家好，我是smart哥，前中兴通讯、美团架构师，现某互联网公司CTO
联系qq：184480602，加我进群，大家一起学习，一起进步，一起对抗互联网寒冬
学习必须往深处挖，挖的越深，基础越扎实！
阶段1、深入多线程
阶段2、深入多线程设计模式
阶段3、深入juc源码解析
码哥源码部分
码哥讲源码-原理源码篇【2024年最新大厂关于线程池使用的场景题】
码哥讲源码-原理源码篇【揭秘join方法的唤醒本质上决定于jvm的底层析构函数】
码哥源码-原理源码篇【Doug Lea为什么要将成员变量赋值给局部变量后再操作？】
码哥讲源码【谁再说Spring不支持多线程事务，你给我抽他！】
打脸系列【020-3小时讲解MESI协议和volatile之间的关系，那些将x86下的验证结果当作最终结果的水货们请闭嘴】
KafkaProducer通过组件RecordAccumulator将消息按照批次缓存后，就立马返回了，也就是说消息的发送是 异步 的。那么，到底是谁负责从缓存中获取各个batch消息，然后通过网络组件发送给Broker呢？
没错，就是Sender线程。本章，我就来讲解Sender线程是如何完成消息发送的。
注：前面章节我讲解过KafkaProdcer的初始化流程，我们应该已经知道Sender本质是一个Runnable任务，实际创建的线程是“KafkaThread”，我这里习惯叫做”Sender线程“。
一、整体流程
我们先来回顾下Sender线程的整体处理流程，然后再逐节分析内部的细节。Sender线程启动后，会在一个Loop循环中不断执行run方法：
// Sender.java
void run(long now) {
// Cluster包含了元数据
Cluster cluster = metadata.fetch();
// 1.获取已经有消息就绪的Partition对应的Broker
RecordAccumulator.ReadyCheckResult result = this.accumulator.ready(cluster, now);
// 2.如果有Partition对应的元数据都没拉取到，就标识一下，后续需要尝试拉取元数据
if (!result.unknownLeaderTopics.isEmpty()) {
for (String topic : result.unknownLeaderTopics)
this.metadata.add(topic);
this.metadata.requestUpdate();
}
// 3.检查与Broker的连接状态
Iterator<Node> iter = result.readyNodes.iterator();
long notReadyTimeout = Long.MAX_VALUE;
while (iter.hasNext()) {
Node node = iter.next();
// 没有建立好连接就移除
if (!this.client.ready(node, now)) {
iter.remove();
notReadyTimeout = Math.min(notReadyTimeout, this.client.connectionDelay(node, now));
}
}
// 4.按照Broker维度，对Partition进行分组
Map<Integer, List<RecordBatch>> batches = this.accumulator.drain(cluster, result.readyNodes,
this.maxRequestSize, now);
if (guaranteeMessageOrder) {
for (List<RecordBatch> batchList : batches.values()) {
for (RecordBatch batch : batchList)
this.accumulator.mutePartition(batch.topicPartition);
}
}
// 5.剔除超时的batch（默认60s）
List<RecordBatch> expiredBatches = this.accumulator.abortExpiredBatches(this.requestTimeout, now);
for (RecordBatch expiredBatch : expiredBatches)
this.sensors.recordErrors(expiredBatch.topicPartition.topic(), expiredBatch.recordCount);
sensors.updateProduceRequestMetrics(batches);
// 6.计算超时时间
long pollTimeout = Math.min(result.nextReadyCheckDelayMs, notReadyTimeout);
if (!result.readyNodes.isEmpty()) {
log.trace("Nodes with data ready to send: {}", result.readyNodes);
pollTimeout = 0;
}
// 7.创建ClientReqeust对象，包括了多个Batch，形成一个请求
sendProduceRequests(batches, now);
// 8.负责真正的网络请求发送
this.client.poll(pollTimeout, now);
}
我来解释下上述的各个步骤：
-
首先，获取Cluster对象，里面包含了缓存的Broker集群的元数据信息（也可能没有元数据）；
-
接着，需要判断哪些Broker上的Partition已经准备好发送数据了，比如：
- 已经有写满的batch（16kb）的Partition；
- batch创建时间已经超过了
linger.ms的Partition。
-
第二步筛选完后，可能有一些Partition不知道Leader信息，对于这种情况，后面需要重新拉取元数据；
-
接着，检查这些数据已经就绪的Broker，看看客户端是否已经与它们建立了长连接，如果没有则建立连接；
-
接着，还需要对数据重新按照Broker维度分组：
<Integer, List<RecordBatch>>，一个Broker可以对应多个Partition的Batch； -
剔除超时的batch（默认60s），也就是说如果有batch在内存缓冲区里停留超过60s，就丢弃掉；
-
然后，针对每个要发送的Broker，创建一个ClientReqeust对象，里面包括了多个Batch，形成一个请求，后面会将它发送给Broker；
-
最后，通过 NetWorkClient 网络通信组件，发送实际的网络I/O通信请求，同时也读取响应结果；
以上就是Sender线程运行的整体流程，接下来我们分步骤来看内部实现细节。
二、就绪Batch筛选
首先来看RecordAccumulator是如何筛选哪些Broker上的Partition已经准备好发送数据了：
// Sender.java
// 1.获取已经可以发送消息的Partition
RecordAccumulator.ReadyCheckResult result = this.accumulator.ready(cluster, now);
核心就是RecordAccumulator的ready方法，该方法会筛选出就绪的Leader Partition所在的Broker节点，ReadyCheckResult本质是一个包装Bean对象，封装了以下内容：
public final static class ReadyCheckResult {
// 就绪Partition Leader所在的Broker
public final Set<Node> readyNodes;
// 下一次进行就绪筛选要等待的时间
public final long nextReadyCheckDelayMs;
// 未知Leader的Topic
public final Set<String> unknownLeaderTopics;
}
2.1 流程
我们再来看RecordAccumulator.ready()的处理流程，它的核心思路就是：
- 遍历缓存的map
<TopicPartition, Deque<RecordBatch>>，针对每一个Partition，获取队列头的batch，检查该batch 是否符合就绪条件 ； - 如果符合就绪条件，就把Partition对应的Leader Partition所在的Broker加入结果集；
- 如果不符合就绪条件，就计算出下一次处理的时间
nextReadyCheckDelayMs，那么Sender线程后续会等待该时间之后再来检查。
// RecordAccumulator.java
public ReadyCheckResult ready(Cluster cluster, long nowMs) {
// 定义各类返回对象
Set<Node> readyNodes = new HashSet<>();
long nextReadyCheckDelayMs = Long.MAX_VALUE;
Set<String> unknownLeaderTopics = new HashSet<>();
// 判断BufferPool可用内存是否已经耗尽
boolean exhausted = this.free.queued() > 0;
for (Map.Entry<TopicPartition, Deque<RecordBatch>> entry : this.batches.entrySet()) {
TopicPartition part = entry.getKey();
Deque<RecordBatch> deque = entry.getValue();
// Leader Partition
Node leader = cluster.leaderFor(part);
synchronized (deque) {
// 不存在Leader，说明要重新拉取元数据
if (leader == null && !deque.isEmpty()) {
unknownLeaderTopics.add(part.topic());
} else if (!readyNodes.contains(leader) && !muted.contains(part)) {
// 从队列头获取batch，因为入队是从队尾入的
RecordBatch batch = deque.peekFirst();
if (batch != null) {
// 判断是否有就绪的Batch
boolean backingOff = batch.attempts > 0 && batch.lastAttemptMs + retryBackoffMs > nowMs;
long waitedTimeMs = nowMs - batch.lastAttemptMs;
long timeToWaitMs = backingOff ? retryBackoffMs : lingerMs;
long timeLeftMs = Math.max(timeToWaitMs - waitedTimeMs, 0);
boolean full = deque.size() > 1 || batch.isFull();
boolean expired = waitedTimeMs >= timeToWaitMs;
boolean sendable = full || expired || exhausted || closed || flushInProgress();
if (sendable && !backingOff) {
readyNodes.add(leader);
} else {
// 计算下一次ready check的时间
nextReadyCheckDelayMs = Math.min(timeLeftMs, nextReadyCheckDelayMs);
}
}
}
}
}
return new ReadyCheckResult(readyNodes, nextReadyCheckDelayMs, unknownLeaderTopics);
}
上述流程中，还需要关注的一点是：判断缓冲池BufferPool是否已经耗尽。当BufferPool没用可用空间时，条件等待队列 waiters 不为空：
// BufferPool.java
private final Deque<Condition> waiters;
public int queued() {
lock.lock();
try {
return this.waiters.size();
} finally {
lock.unlock();
}
}
2.2 筛选条件
那么，哪些batch才算是已经就绪的batch呢？判断逻辑在如下代码中，每个变量我都加了详尽注释：
// RecordAccumulator.java
// 是否属于重试batch
boolean backingOff = batch.attempts > 0 && batch.lastAttemptMs + retryBackoffMs > nowMs;
// 表示这个batch目前已经等待了多久：waitedTimeMs = 当前时间 - 上一次重试时间，默认情况下batch.lastAttemptMs为创建时间
long waitedTimeMs = nowMs - batch.lastAttemptMs;
// 表示这个batch最多要等待多久才被发送：timeToWaitMs = 重试时间间隔 或 最大可逗留时间，
long timeToWaitMs = backingOff ? retryBackoffMs : lingerMs;
// 表示这个batch的剩余等待时间
long timeLeftMs = Math.max(timeToWaitMs - waitedTimeMs, 0);
// 表示batch空间是否已经满了
boolean full = deque.size() > 1 || batch.isFull();
// 表示batch是否到期，到期就是就绪了
boolean expired = waitedTimeMs >= timeToWaitMs;
boolean sendable = full || expired || exhausted || closed || flushInProgress();
if (sendable && !backingOff) {
// 把就绪batch所在的Leader Partition加入readyNodes
readyNodes.add(leader);
}
从上述代码可以看出，以下情况就会认为已经就绪：
- BufferPool缓冲区满了，默认32MB；
- Batch空间满了，默认16KB；
- RecordAccumulator已经关闭，因为当客户端关闭时，必须立马把内存缓冲区中的Batch发送出去；
- Batch的缓存时间超过了
linger.ms。
三、总结
本章，我对Sender线程Loop处理流程中， 就绪Batch消息筛选 的底层原理进行了讲解。我们需要主要关注的是，在哪些情况下，缓冲区中的消息会被立马发送。
933
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
