Kafka

一. Kafka 概述

1.1 定义

Kafka 是一个分布式的基于发布/订阅模式的消息队列（Message Queue），主要应用于大数据实时处理领域。

1.2 消息队列

1.2.1 传统消息队列的应用场景

使用消息队列的好处：异步，消峰，解耦

1.2.2 消息队列的

（1 ）点对点模式（一对一，消费者主动拉取数据，消息收到后消息清除）

消息生产者生产消息发送到Queue中，然后消息消费者从Queue中取出并且消费消息。
消息被消费以后，queue 中不再有存储，所以消息消费者不可能消费到已经被消费的消息。Queue 支持存在多个消费者，但是对一个消息而言，只会有一个消费者可以消费。

（2 ）发布/ 订阅模式（一对多，消费者消费数据之后不会清除消息）

消息生产者（发布）将消息发布到 topic 中，同时有多个消息消费者（订阅）消费该消
息。和点对点方式不同，发布到 topic 的消息会被所有订阅者消费。

1.3 Kafka 基础架构

生产者，消费者，kafka集群，zk 四大块；
kafka直接向zk注册，zk会自动创建一个kafka集群；kafka想要集成集群，只要他们用同一个zk就可以组成了；
zk存消费者的offset，0.9版本之后保存到kafka集群内部了；和zk交互太过频繁，所以改了

1 ） Producer ：消息生产者，就是向 kafka broker 发消息的客户端；

2 ） Consumer ：消息消费者，向 kafka broker 取消息的客户端；

3 ） Consumer Group （CG ）：消费者组，由多个 consumer 组成。 消费者组内每个消费者负责消费不同分区的数据，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 消费者组是逻辑上的一个订阅者。消费者组就是一个消费团体

4 ） Broker ：一台 kafka 服务器就是一个 broker。一个集群由多个 broker 组成。一个 broker可以容纳多个 topic。

5 ） Topic ：可以理解为一个队列， 生产者和消费者面向的都是一个 topic；
主题是分区的，是有副本的；

6 ） Partition ：为了实现扩展性，一个非常大的 topic 可以分布到多个 broker（即服务器）上，一个 topic 可以分为多个 partition，每个 partition 是一个有序的队列；某一个分区只能被某一个消费者组里面的一个消费者消费，消费者组看做是一个大的消费体；分区策略提高某一个topic的负载能力，提高读写并发度；

7） ） Replica： ：副本，为保证集群中的某个节点发生故障时，该节点上的partition 数据不丢失，且 kafka 仍然能够继续工作，kafka 提供了副本机制，一个 topic 的每个分区都有若干个副本，一个 leader 和若干个 follower。

8 ） leader ：每个分区多个副本的“主”，生产者发送数据的对象，以及消费者消费数据的对象都是 leader。生产者消费者是直接面向leader的

9 ） follower ：每个分区多个副本中的“从”，实时从 leader 中同步数据，保持和 leader 数据的同步。leader 发生故障时，某个 follower 会成为新的 follower。仅仅是备份的作用，不提供读写能力，请求直接访问leader的；

二： Kafka 快速入门

mv kafka_2.11-0.11.0.0/ kafka
mkdir logs
cd config/
bin/kafka-server-start.sh  -daemon config/server.properties

#broker 的全局唯一编号，不能重复
broker.id=0
#删除 topic 功能使能
delete.topic.enable=true
#处理网络请求的线程数量
num.network.threads=3
#用来处理磁盘 IO 的现成数量
num.io.threads=8
#发送套接字的缓冲区大小
socket.send.buffer.bytes=102400
#接收套接字的缓冲区大小
socket.receive.buffer.bytes=102400
#请求套接字的缓冲区大小
socket.request.max.bytes=104857600
#kafka 运行日志存放的路径,这里是存放日志和数据一起了，可以设置数据日志分离
log.dirs=/opt/module/kafka/logs
#topic 在当前 broker 上的分区个数
num.partitions=1
#用来恢复和清理 data 下数据的线程数量
num.recovery.threads.per.data.dir=1
#segment 文件保留的最长时间，超时将被删除
log.retention.hours=168
#配置连接 Zookeeper 集群地址
zookeeper.connect=localhost:2181

bin/kafka-console-consumer.sh --zookeeper hadoop:2181 --topic first
bin/kafka-console-consumer.sh --bootstrap-server hadoop:9092 --topic first
消费者连接2种方式：
--zookeeper 是连接zk，0.9版本之前命令，offset存放在zk里面，以 消费者组+主题+分区 为存放offset位置偏移量信息
--bootstrap-server  连接kafka集群，0.9版本之后命令 默认50分区一个副本

三：Kafka 架构深入

3.1 Kafka 工作流程及文件存储机制

Kafka 工作流程

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。

Kafka文件存储机制

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，默认1GB就会生成一个segment 分片；

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。

00000000000000000000.index
00000000000000000000.log
00000000000000170410.index
00000000000000170410.log
00000000000000239430.index
00000000000000239430.log

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文件和log文件详解：

“.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

• 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；
• 可以提高并发，因为可以以 Partition 为单位读写了。

2 ） 分区的原则

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

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？

解决：
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 producer 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；

acks = 1 数据丢失案例

-1（all）：producer 等待 broker 的 ack，partition 的 leader 和 follower(ISR中的) 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，也就是leader和follower持久化了该消息，但是在发送ack之前挂了的情况；

注意，这里当isr同步的follwer集合里面由于某些网络原因没有了一个follower的时候，这种情况就退化到了ack = 1的情况了，也就会发生丢失数据；

acks = -1 数据重复案例

4 ） 故障处理细节

场景：假设在数据同步的时候，leader自己同步了19条信息，follower1 同步了12条信息，follower2同步了15条信息，这个时候leader挂掉了，这个时候需要从isr集合中选取一个作为leader，由于各自同步的数据不一样，对消费者可能产生消费数据不一致的情况，通过 HW 和 LEO 就可以保证副本之间的数据一致性问题；多退少补…

Log文件中的HW和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 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。

3.2.3 Exactly Once 语义

3.3 Kafka 消费者

3.3.1 消费 方式

consumer 采用 pull（拉）模式从 broker 中读取数据。
push （推）模式很难适应消费速率不同的消费者，因为消息发送速率是由 broker 决定的。

它的目标是尽可能以最快速度传递消息，但是这样很容易造成 consumer 来不及处理消息，典型的表现就是拒绝服务以及网络拥塞。而 pull 模式则可以根据 consumer 的消费能力以适当的速率消费消息。

pull 模式不足之处是，如果 kafka 没有数据，消费者可能会陷入循环中，一直返回空数据。针对这一点，Kafka 的消费者在消费数据时会传入一个时长参数 timeout，如果当前没有数据可供消费，consumer 会等待一段时间之后再返回，这段时长即为 timeout。

3.3.2 分区分配策略

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。

Kafka 有两种分配策略，一是 RoundRobin(面向组的)，一是 Range(面向主题的)。

1 ）RoundRobin

分区分配策略之RoundRobin，按照group组来分的，面向组的

轮询，差值最多差一个，不会导致消费者消费分区数的不均衡；但是当消费者组的消费者消费的主题不一致时会出问题；

存在问题：

这种策略情况下，会把2个主题当做一个整体来看，封装成一个类，包含分区和主题，进行hash，排序，然后在进行轮询；它把消费者组订阅的主题全当做一个整理来看，这样会导致消费者B就会消费到T1主题的是消息了

这策略前提条件是：当前消费者组里面的消费者订阅的主题是一样的时候，否则会出问题；

2 ）Range

分区分配策略之Range 按照topic主题来分的，面向主题的

7/3=2余1，分为3,2,2 ；可能带来消费者消费的不对等问题

A订阅T1主题，B订阅T2主题，AB都属于同一个消费者组，按照主题来分的，主题1有3个分区，有2个订阅者，前2个给A消费者，后一个给B消费者；同样，T2也是这样分配，这样就会导致消费者A消费了4个分区，消费者B消费了2个分区，分配不均衡问题；

分区分配策略触发时机： 消费者的个数发生变化时都会触发分配策略，重新分配，即增加或者减少消费者的个数都会触发；

3.3.3 offset 的维护
由于 consumer 在消费过程中可能会出现断电宕机等故障，consumer 恢复后，需要从故障前的位置的继续消费，所以 consumer 需要实时记录自己消费到了哪个 offset，以便故障恢复后继续消费。 G(组) + T(主题) + P(分区) 确定offset位置

Kafka 0.9 版本之前，consumer 默认将 offset 保存在 Zookeeper 中

从 0.9 版本开始，consumer 默认将 offset 保存在 Kafka 一个内置的 topic 中，该 topic 为__consumer_offsets。

查看：
1）修改配置文件 consumer.properties

    添加属性   exclude.internal.topics=false

2）读取 offset

0.11.0.0 之前版本:

0.11.0.0 之后版本(含):

根据G + T + P 来记录offset，这样即使某个消费者宕机后相同组里面的消费者可以继续接着消费。

3.3.4 消费者组案例

3.4 Kafka 高效 读写 数据

1 ）顺序写磁盘(单机+集群)
Kafka 的 producer 生产数据，要写入到 log 文件中，写的过程是一直追加到文件末端，为顺序写。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。这与磁盘的机械机构有关，顺序写之所以快，是因为其省去了大量磁头寻址的时间。

2 ）零复制技术(单机+集群)

3 ）topic分区机制(集群)

3.5 Zookeeper 在 Kafka 中的作用

Leader选举流程

3.6 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。

场景：生产者向 topic 0,1,2 三个分区发送10,10,10 各10条数据，当发送给第三个分区的时候生产者就挂了；当生产者重启的时候应该把这30条数据重新发送一次，但是重新启动之后PID就变了，这样发送0,和1号分区的10条数据就重复发送了，2号分区不会出现重复的情况；这种情况是不能实现跨分区跨会话的幂等性的；下面解决Producer事务问题。

四：Kafka API

4.1 Producer API

4.1.1 消息发送流程
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。

KafkaProducer 发送消息流程

相关参数：

batch.size ：只有数据积累到 batch.size 之后，sender 才会发送数据。
linger.ms ：如果数据迟迟未达到 batch.size，sender 等待 linger.time 之后就会发送数据。

4.1.2 异步 发送 API

需要用到的类：
KafkaProducer：需要创建一个生产者对象，用来发送数据
ProducerConfig：获取所需的一系列配置参数
ProducerRecord：每条数据都要封装成一个 ProducerRecord 对象

1. 不带回调函数的 API
2. 带回调函数的 API

回调函数会在 producer 收到 ack 时调用，为异步调用，该方法有两个参数，分别是RecordMetadata 和 Exception，如果 Exception 为 null，说明消息发送成功，如果Exception 不为 null，说明消息发送失败。

注意：消息发送失败会自动重试，不需要我们在回调函数中手动重试。

4.1.3 同步发送 API

同步发送的意思就是，一条消息发送之后，会阻塞当前线程，直至返回 ack。由于 send 方法返回的是一个 Future 对象，根据 Futrue 对象的特点，我们也可以实现同步发送的效果，只需在调用 Future 对象的 get 方发即可。

4.1.4 自定义分区的生产者

4.2 Consumer API

Consumer 消费数据时的可靠性是很容易保证的，因为数据在 Kafka 中是持久化的，故不用担心数据丢失问题。

由于 consumer 在消费过程中可能会出现断电宕机等故障，consumer 恢复后，需要从故障前的位置的继续消费，所以 consumer 需要实时记录自己消费到了哪个 offset，以便故障恢复后继续消费。

所以 offset 的维护是 Consumer 消费数据是必须考虑的问题。

4.2.1 自动提交 offset

需要用到的类：
KafkaConsumer：需要创建一个消费者对象，用来消费数据
ConsumerConfig：获取所需的一系列配置参数
ConsuemrRecord：每条数据都要封装成一个 ConsumerRecord 对象

为了使我们能够专注于自己的业务逻辑，Kafka 提供了自动提交 offset 的功能。
自动提交 offset 的相关参数：
enable.auto.commit ：是否开启自动提交 offset 功能
auto.commit.interval.ms ：自动提交 offset 的时间间隔

4.2.2 手动 提交 offset

虽然自动提交 offset 十分简介便利，但由于其是基于时间提交的，开发人员难以把握offset 提交的时机。因此 Kafka 还提供了手动提交 offset 的 API。

手动提交 offset 的方法有两种：分别是 commitSync（同步提交）和 commitAsync（异步提交）。两者的相同点是，都会将次 本次 poll 的一批数据最高的偏移量提交；不同点是，commitSync 阻塞当前线程，一直到提交成功，并且会自动失败重试（由不可控因素导致，也会出现提交失败）；而 commitAsync 则没有失败重试机制，故有可能提交失败。

1 ） 同步提交 offset


2 ）异步提交 offset

虽然同步提交 offset 更可靠一些，但是由于其会阻塞当前线程，直到提交成功。因此吞吐量会收到很大的影响。因此更多的情况下，会选用异步提交 offset 的方式。

3 ） 数据漏消费和重复消费分析

无论是同步提交还是异步提交 offset，都有可能会造成数据的漏消费或者重复消费。先提交 offset 后消费，如果消费消息发生异常，则这条消息就没有被完成消费掉，就有可能造成数据的漏消费；
而先消费后提交 offset，假如在提交offset的时候发生异常，那么在kafka或者zk上面维护的offset位置偏移就不会发生改变，下次消费就有会造成数据的重复消费。

当需要从新消费数据的时候可以重置offset的偏移量

可以从官网查看参数默认值及含义：

4.2.3 自定义存储 offset

4.3 自定义 Interceptor

是捕获每个 interceptor 可能抛出的异常记录到错误日志中而非在向上传递。这在使用过程中
要特别留意。

4.3.2 拦截器案例
1）需求：
实现一个简单的双 interceptor 组成的拦截链。第一个 interceptor 会在消息发送前将时间戳信息加到消息 value 的最前部；第二个 interceptor 会在消息发送后更新成功发送消息数或失败发送消息数
2）案例实操
…

五： Kafka 监控

Kafka Eagle

六：Kafka 面试题

面试问题

1. Kafka 中的 ISR(InSyncRepli)、OSR(OutSyncRepli)、AR(AllRepli)代表什么？
ISR(InSyncRepli) + OSR(OutSyncRepli) = AR(AllRepli)

2. Kafka 中的 HW、LEO 等分别代表什么？
HW：消费者可见的最大offset；
LEO：每一个分区里面多个副本都有一个自己最大的offset值；

3. Kafka 中是怎么体现消息顺序性的？
某个分区内有序，各分区之间是无序的；

4. Kafka 中的分区器、序列化器、拦截器是否了解？它们之间的处理顺序是什么？
见 4.1.1 消息发送流程

5. Kafka 生产者客户端的整体结构是什么样子的？使用了几个线程来处理？分别是什么？
见 4.1.1 消息发送流程；RecordAccumulator 数据时已经分好区的数据； 2个

6. “消费组中的消费者个数如果超过 topic 的分区，那么就会有消费者消费不到数据”这句话是否正确？
正确

7. 消费者提交消费位移时提交的是当前消费到的最新消息的 offset 还是 offset+1？
offset+1

8. 有哪些情形会造成重复消费？
先处理数据，再提交offset

9. 那些情景会造成消息漏消费？
先提交offset，再处理数据

10. 当你使用 kafka-topics.sh 创建（删除）了一个 topic 之后，Kafka 背后会执行什么逻辑？
1）会在 zookeeper 中的/brokers/topics 节点下创建一个新的 topic 节点，如：
/brokers/topics/first
2）触发 Controller 的监听程序
3）kafka Controller 负责 topic 的创建工作，并更新 metadata cache

11. topic 的分区数可不可以增加？如果可以怎么增加？如果不可以，那又是为什么？
可增不可减，增可以，减的话已经存在分区内的数据没法处理

12. topic 的分区数可不可以减少？如果可以怎么减少？如果不可以，那又是为什么？
可增不可减，增可以，减的话已经存在分区内的数据没法处理

13. Kafka 有内部的 topic 吗？如果有是什么？有什么所用？
有，__ConsumerOffsets；给普通的消费者存offset用的

14. Kafka 分区分配的概念？
2种策略，见 3.3.2 分区 分配策略

15. 简述 Kafka 的日志目录结构？
.index .log 二分查找法

16. 如果我指定了一个 offset，Kafka Controller 怎么查找到对应的消息？

17. 聊一聊 Kafka Controller 的作用？
临时选的老大，元数据之类的

18. Kafka 中有那些地方需要选举？这些地方的选举策略又有哪些？
Controller 和 leader(ISR) 选举

19. 失效副本是指什么？有那些应对措施？

20. Kafka 的哪些设计让它有如此高的性能
分布式，顺序写磁盘，零拷贝

Kafka史上最详细原理总结
Kafka-高性能的分布式消息队列
Kafka