2）Kafka工作流程分析

Kafka生产过程分析：

• 写入方式
  producer采用push（推）的模式将消息发送到Broker，每条消息都被append（追加）到分区中，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）

• 分区（Partition）
  消息都会被发送到一个topic，其本质就是一个目录，而topic是由一些Partition Logs（分区日志）组成：
  
  
  我们可以看到，每个Partition中的消息都是有序的，生产的消息被不断追加到Partition log上，其中的每一个消息都被赋予了一个唯一的offset值。
  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。
  • 可以提高并发，因为可以以Partition为单位读写。

  2）分区的原则：

  • 指定了patition，则直接使用。
  • 未指定patition但指定key，通过对key的value进行hash出一个patition。
  • patition和key都未指定，使用轮询选出一个patition：

• 副本（Replication）

  同一个partition可能会有多个replication（对应 server.properties 配置中的
  default.replication.factor=N）。没有replication的情况下，一旦broker 宕机，其上所有 patition 的数据都不可被消费，同时producer也不能再将数据存于其上的patition。引入replication之 后， 同一个partition可能会有多个replication，而这时需要在这些replication之间选出一个 leader， producer和consumer只与这个leader交互，其它replication作为follower从leader 中复 制数据

• 写入流程
  
  1）roducer先从zookeeper的 "/brokers/…/state"节点找到该partition的leader
  2）producer将消息发送给该leader
  3）leader将消息写入本地log
  4）followers从leader pull消息，写入本地log后向leader发送ACK
  5）leader收到所有ISR中的replication的ACK后，增加HW（high watermark，最后commit 的offset）并向producer发送ACK

Broker保存消息：

• 存储方式
  物理上把topic分成一个或多个patition（对应 server.properties 中的num.partitions=3配置），每个patition物理上对应一个文件夹（该文件夹存储该patition的所有消息和索引文件），如下：

[zy@hd101 logs]$ ll
drwxrwxr-x. 2 zy zy  4096 8月   6 14:37 first-0
drwxrwxr-x. 2 zy zy  4096 8月   6 14:35 first-1
drwxrwxr-x. 2 zy zy  4096 8月   6 14:37 first-2
[zy@hd101 logs]$ cd first-0
[zy@hd101 first-0]$ ll
-rw-rw-r--. 1 zy zy  10485760 8月   6 14:33 00000000000000000000.index
-rw-rw-r--. 1 zy zy       219 8月   6 15:07 00000000000000000000.log
-rw-rw-r--. 1 zy zy  10485756 8月   6 14:33 00000000000000000000.timeindex
-rw-rw-r--. 1 zy zy         8 8月   6 14:37 leader-epoch-checkpoint

• 存储策略
  无论消息是否被消费，kafka都会保留所有消息。有两种策略可以删除旧数据:

  • 基于时间：log.retention.hours=168
  • 基于大小：log.retention.bytes=1073741824
  • 需要注意的是，因为Kafka读取特定消息的时间复杂度为O(1)，即与文件大小无关，所以这里删除过期文件与提高 Kafka 性能无关

• Zookeeper的存储结构
  
  注意：producer不在zk中注册，消费者在zk中注册

Broker消费过程分析：

kafka提供了两套consumer API：高级Consumer API和低级Consumer API

• 高级Consumer API:

  • 优点：
    ①高级API 写起来简单
    ②不需要自行去管理offset，系统通过zookeeper自行管理
    ③不需要管理分区，副本等情况，系统自动管理
    ④消费者断线会自动根据上一次记录在zookeeper中的offset去接着获取数据（默认设置1分钟更新一下zookeeper中存的offset）
    ⑤可以使用group来区分对同一个topic 的不同程序访问分离开来（不同的group记录不同的offset，这样不同程序读取同一个topic才不会因为offset互相影响）
  • 缺点：
    ①不能自行控制offset（对于某些特殊需求来说）
    ②不能细化控制如分区、副本、zk等

• 低级Consumer API：

  • 优点：
    ①能够让开发者自己控制offset，想从哪里读取就从哪里读取
    ②自行控制连接分区，对分区自定义进行负载均衡
    ③对zookeeper的依赖性降低（如：offset不一定非要靠zk存储，自行存储offset即可，比如存在文件或者内存中）
  • 缺点：
    ①太过复杂，需要自行控制offset，连接哪个分区，找到分区leader 等。

• 消费者组：
  

  • 消费者是以consumer group消费者组的方式工作，由一个或者多个消费者组成一个组，共同消费一个topic。每个分区在同一时间只能由group中的一个消费者读取，但是多个group可以同时消费这个partition。在图中，有一个由三个消费者组成的group，有一个消费者读取主题中的两个分区，另外两个分别读取一个分区。某个消费者读取某个分区，也可以叫做某个消费者是某个分区的拥有者.
  • 在这种情况下，消费者可以通过水平扩展的方式同时读取大量的消息。另外，如果一个消费者失败了，那么其他的group成员会自动负载均衡读取之前失败的消费者读取的分区。

• 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。
  • 对于Kafka而言，pull模式更合适，它可简化broker的设计，consumer可自主控制消费消息的速率，同时consumer可以自己控制消费方式——即可批量消费也可逐条消费，同时还能选择不同的提交方式从而实现不同的传输语义。
  • 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，一直等待数据到达。为了避免这种情况，我们在我们的拉请求中有参数，允许消费者请求在等待数据到达的“长轮询”中进行阻塞（并且可选地等待到给定的字节数，以确保大的传输大小）。