Kafka 架构深入（三）

3.1 Kafka 工作流程及文件存储机制

 

Kafka 中消息是以 topic 进行分类的，生产者生产消息，消费者消费消息，都是面向 topic

的。

topic 是逻辑上的概念，而 partition 是物理上的概念，每个 partition 对应于一个 log 文

件，该 log 文件中存储的就是 producer 生产的数据。 Producer 生产的数据会被不断追加到该

log 文件末端，且每条数据都有自己的 offset 。消费者组中的每个消费者，都会实时记录自己

消费到了哪个 offset ，以便出错恢复时，从上次的位置继续消费。

 

由于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 。

 

index 和 log 文件以当前 segment 的第一条消息的 offset 命名。下图为 index 文件和 log

文件的结构示意图。

 

“ .index ”文件存储大量的索引信息，“ .log ”文件存储大量的数据 ，索引文件中的元

数据指向对应数据文件中 message 的物理偏移地址。

3.2 Kafka 生产者

3.2.1 分区策略

1 ）分区的原因

（ 1 ） 方便在集群中扩展 ，每个 Partition 可以通过调整以适应它所在的机器，而一个 topic

又可以有多个 Partition 组成，因此整个集群就可以适应任意大小的数据了；

（2） 可以提高并发 ，因为可以以 Partition 为单位读写了。

2 ）分区的原则

我们需要将 producer 发送的数据封装成一个 ProducerRecord 对象。

 （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。

3.2.2 数据可靠性保证

为保证 producer 发送的数据，能可靠的发送到指定的 topic ， topic 的每个 partition 收到

producer 发送的数据后，都需要向 producer 发送 ack （ acknowledgement 确认收到），如果

producer 收到 ack ，就会进行下一轮的发送，否则重新发送数据。

 

1 ）副本数据同步策略

 

Kafka 选择了第二种方案，原因如下：

1. 同样为了容忍 n 台节点的故障，第一种方案需要 2n+1 个副本，而第二种方案只需要 n+1

个副本，而 Kafka 的每个分区都有大量的数据，第一种方案会造成大量数据的冗余。

2. 虽然第二种方案的网络延迟会比较高，但网络延迟对 Kafka 的影响较小

2 ） ISR

采用第二种方案之后，设想以下情景： leader 收到数据，所有 follower 都开始同步数据，

但有一个 follower ，因为某种故障，迟迟不能与 leader 进行同步，那 leader 就要一直等下去，

直到它完成同步，才能发送 ack 。这个问题怎么解决呢？

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 。

3 ） ack 应答机制

对于某些不太重要的数据，对数据的可靠性要求不是很高，能够容忍数据的少量丢失，

所以没必要等 ISR 中的 follower 全部接收成功。

所以 Kafka 为用户提供了三种可靠性级别，用户根据对可靠性和延迟的要求进行权衡，

选择以下的配置。

acks 参数配置：

acks ：

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 。

 4）故障处理细节

 

 LEO：指的是每个副本最大的 offset；

HW ：指的是消费者能见到的最大的 offset ， ISR 队列中最小的 LEO 。

（ 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 了。

（ 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。