1. 什么是Kafka
很多人常常把Kafka和消息队列相提并论,事实上这是一个错误的概念。
根据官网的解释,它的准确定义如下:
Apache Kafka is a distributed streaming platform.
A streaming platform has three key capabilities:
-
Publish and subscribe to streams of records
similar to a message queue or enterprise messaging system. -
Store streams of records in a fault-tolerant durable way
-
Process streams of records as they occur
好了,以上便是官网的解释。
从上面可以看出,准确的定义应该如下:
Apache Kafka是一个分布式的流平台。
Kafka有3项重要能力:
- 发布订阅流数据,有点类似于消息队列
- 以容错的方式持久化流数据
- 即时处理流数据
不同于基于队列和交换器的RabbitMQ,Kafka的存储层是使用分区事务日志来实现的。
2. Kafka 与传统 MQ 消息系统之间的区别
主要区别有3个:
- Kafka 持久化日志,这些日志可以被重复读取和无限期保留
- Kafka 是一个分布式系统, 它以集群的方式运行,可以灵活伸缩,在内部通过复制数据提升容错能力和高可用性
- Kafka 支持实时的流式处理
3. Kafka的一些重要概念
-
Broker
一台 Kafka 机器就是一个 Broker。
一个集群由多个 Broker 组成。
一个 Broker 可以容纳多个 Topic。 -
Producer
消息生产者,向 Kafka Broker 发消息的客户端。 -
Consumer
消息消费者,从 Kafka Broker 取消息的客户端。 -
Topic
可以理解为一个队列,Topic 将消息分类,生产者和消费者面向的是同一个 Topic。 -
Consumer Group
消费者组(CG),消费者组内每个消费者负责消费不同分区的数据,提高消费能力。
一个分区只能由组内一个消费者消费,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。 -
Partition
为了实现扩展性,提高并发能力,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。
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。 -
Replica
副本,为实现备份的功能,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。 -
Leader
每个分区多个副本的“主”副本,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。 -
Follower
每个分区多个副本的“从”副本,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 还会成为新的 Leader。 -
Offset
消费者消费的位置信息,监控数据消费到什么位置,当消费者挂掉再重新恢复的时候,可以从消费位置继续消费。 -
Zookeeper
Kafka 集群能够正常工作,需要依赖于 Zookeeper,Zookeeper 帮助 Kafka 存储和管理集群信息。
4. Kafka的存储机制
Kafka的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。
Kafka将每个 Partition 分为多个 Segment,每个 Segment 对应两个文件:
“.index” 索引文件和 “.log” 数据文件。
这些文件位于同一文件下,该文件夹的命名规则为:topic 名-分区号。
例如,first 这个 topic 有三分分区,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。
见下图:
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 的物理偏移量。
5. Kafka的分区分配策略
-
Range策略
默认分配策略
1. 将分区按数字顺序排行序,消费者按名称的字典序排序。
2. 用分区总数除以消费者总数。如果能够除尽,平均分配;若除不尽,则位于排序前面的消费者将多负责一个分区。
-
RoundRobin策略
基于轮询算法
1. 将所有主题的分区组成TopicAndPartition列表。
2. 对TopicAndPartition列表按照hashCode进行排序某个 topic。
6. Kafka和其它消息队列的比较
Kafka和其它消息队列的比较
7. Kafka常见问题解决
Kafka存储数据量过大,导致磁盘写满了怎么办
背景:
电商系统峰值的时候,Producer数据产生请求量很大,很容易写满。
解决方案:
保留短时间的数据。
eg: 只保留 2 个小时的数据,但此时我们的磁盘已经写满了。
怎么清除旧数据呢。我们只需要将保留策略设置成 2h(修改为log.retention.hours=2)
然后依次启动单个 kafka 的节点(注意: 是单个启动,一起启动会失败),此时 kafka 会自动清除本地过期的旧数据。
kafka如何保证消息的顺序消费
Kafka 分布式的单位是 partition,同一个 partition 用一个 write ahead log 组织,所以可以保证 FIFO 的顺序。不同 partition 之间不能保证顺序。但是绝大多数用户都可以通过 message key 来定义,因为 同一个 key 的 Message 可以保证只发送到同一个 partition。
Kafka 中发送 1 条消息的时候,可以指定(topic, partition, key) 3 个参数。partiton 和 key 是可选的。 如果你指定了 partition,那就是所有消息发往同 1个 partition,就是有序的。并且在消费端,Kafka 保 证,1 个 partition 只能被1 个 consumer 消费。或者你指定 key(比如 order id),具有同 1 个 key 的所有消息,会发往同 1 个 partition。
网友评论