Kafka流程分析-生产者

Kafka 工作流程分析

1、Kafka生产过程分析

（1）写入方式

producer采用推（push）模式将消息发布到broker，每条消息都被追加（append）到分区（patition）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）

（2）partition

说明：

• 消息发送时都被发送到一个topic，其本质就是一个目录，而topic是由一些Partition Logs(分区日志)组成.
• 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。

分区原因：

• 提升拓展性：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
• 提高吞吐能力：在进行数据写入时以 Partition 为单位进行写入。

分区依据：

public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
        List<PartitionInfo> partitions = cluster.partitionsForTopic(topic);
        // (1) 指定了patition，则直接使用该 Partition
        int numPartitions = partitions.size();
        if (keyBytes == null) {
            int nextValue = nextValue(topic);
            List<PartitionInfo> availablePartitions = cluster.availablePartitionsForTopic(topic);
            if (availablePartitions.size() > 0) {
                int part = Utils.toPositive(nextValue) % availablePartitions.size();
                return availablePartitions.get(part).partition();
            } else {
                // no partitions are available, give a non-available partition
                return Utils.toPositive(nextValue) % numPartitions;
            }
        } else {
            // hash the keyBytes to choose a partition
            return Utils.toPositive(Utils.murmur2(keyBytes)) % numPartitions;
        }
    }

• 对于已经指定了 partition 的，则直接使用该partition；
• 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；

（3）Replica（副本）

Replica流程

（4）写入流程

流程图：

producer写入流程
流程描述：

• producer先从zookeeper的 "/brokers/.../state"节点找到该partition的leader
• producer将消息发送给该leader
• leader将消息写入本地log
• followers从leader pull消息
• Follower将 pull到的消息写入本地log
• Follower 写入成功值后向leader发送ACK
• leader收到所有ISR中的replication的ACK后，增加HW
• 向producer发送ACK

2、 Broker 保存消息

(1)存储说明

• 物理上把topic分成一个或多个patition，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）
• Kafka读取特定消息的时间复杂度为O(1);
• 消息数据是存储在partition文件夹下的*.log文件中的；
• 消息存储时常有两个策略，分别为：

基于时间存储策略：默认保留168小时（log.retention.hours=168）  
基于大小保留策略：默认保留 1G（log.retention.bytes=1073741824）

(2)Zk存储结构

Zk存储结构

3、consumer flow

(1) 高级API与低级API

• kafka提供了两套consumer API：高级Consumer API和低级Consumer API。
• 高级API不需要自行去管理offset，partition replica等，系统通过Zk自行管理。(低级 API反之)

(2)Consumer Group(消费者组)

流程图：

Consumer Group
描述说明：

• Consumer Group 由多个Consumer 组成，同时一个Consumer只有属于一个Consumer Group。
• Consumer Group 保证了其订阅的Topic partition 会被该Consumer Group 中的Consumer消费。对于多个Consumer Group订阅了同一个Topic，每个Consumer Group之间互不影响。
• 如果要实现一个消息被多个 consumer 消费，则可以将当consumer 单独添加到单独的Consumer Group中（反之，如果要实现一个消息 被一个 consumer 消费，则可以将当consumer 添加到同一个Consumer Group中）