- 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。
传统消息队列的应用场景
- 使用消息队列的好处：
-
解耦：允许你独立地扩展或修改两边的处理过程，只要确保它们遵守同样的接口约束。
-
可恢复性：系统的一部分组件失效时，不会影响到整个系统。消息队列降低了进程间的耦合度，所以即使一个处理消息的进程挂掉，加入队列中的消息仍然可以在系统恢复后被处理。
-
缓冲：有助于控制和优化数据流经过系统的速度，解决生产消息和消费消息的处理速度不一致的情况。
-
削峰：在访问量剧增的情况下，使用消息队列能够使关键组件顶住突发的访问压力，而不会因为突发的超负荷的请求而完全崩溃。
-
异步通信：很多时候用户不需要立即处理消息。消息队列提供了异步处理机制，允许用户把一个消息放入队列，但并不立即处理它。想向队列中放入多少消息就放多少，然后在需要的时候再去处理它们。
- 消息队列的两种模式:
-
点对点模式：一对一，消费者主动拉取消息，消费者消费消息后，消息就被清除。队列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。
-
发布/订阅模式：一对多，生产者生产消息放到队列中，队列推送消息，消费者消费消息后，消息不会被清除。
点对点模式
发布/订阅模式（缺点：消费者长轮询）
kafka基础架构
-
Producer：消息生产者，就是向 kafka broker 发消息的客户端；
-
Consumer：消息消费者，向 kafka broker 取消息的客户端；
-
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某个消费者消费；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。
-
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。
-
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；
-
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；
-
Replication：副本，为保证集群中的某个节点发生故障时，该节点上的分区数据不丢失，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”，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 leader。
kafka工作流程
- kafka中消息是以
topic进行分类的，producer生产消息，consumer消费消息，都是面向topic的。（从命令行操作看出）
-
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。（topic = N partition，partition = log）
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，该文件夹的命名规则为：topic name+分区序号。例如：first-topic这个topic有三个分区，则其对应的文件夹为first-topic-0，first-topic-1，first-topic-2。
00000000000000000000.index
00000000000000000000.log
00000000000000170410.index
00000000000000170410.log
00000000000000239430.index
00000000000000239430.log
.index文件和.log文件的结构示意图
-
.index和.log文件以当前segment的第一条消息的offset命名。.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。
- 主题分区的原因：
-
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适合的数据了；
-
可以提高并发，因为可以以partition为单位进行读写了。
- 分区的原则：
- 指明
partition的情况下，直接将指明的值作为partiton值；
- 没有指明
partition值但有key的情况下，将key的 hash 值与 topic 的 partition 总数进行取余得到的partition值；
- 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，即round-robin算法。
生产者发送数据分装为ProducerRecord对象的API
- 生产者数据可靠性保证：为保证
producer发送的数据，能可靠地发送到指定的 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），若producer收到 ack，则会进行下一轮的发送，否则重新发送数据。
生产者数据可靠性保证机制
- 何时发送ack？确保有
follower与leader同步完成，leader再发送ack，这样才能保证leader挂掉之后，能在follower中选举出新的leader。
- 多少个follower同步完成之后发送ack？①半数以上的follower同步完成，即可发送ack；②全部的follower同步完成，才可以发送ack。
| 序号 |
方案 |
优点 |
缺点 |
| 1 |
半数以上完成同步，就发送ack |
延迟低 |
选举新的 leader 时，容忍 n 台节点的故障，需要 2n+1 个副本。容错率：1/2。 |
| 2 |
全部完成同步，才发送ack |
选举新的 leader 时， 容忍 n 台节点的故障，需要 n+1 个副本。容错率：1。 |
延迟高 |
- kafka选取了第二种方案，原因：①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，又 kafka 的每个分区都有大量的数据， 因此，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。
- kafka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，就会给 leader 发送 ack。若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。当leader 发生故障之后，就会从 ISR 中选举新的 leader。
-
replica.lag.time.max.ms：If a follower hasn't sent any fetch requests or hasn't consumed up to the leaders log end offset for at least this time, the leader will remove the follower from isr。TYPE: long。DEFAULT: 10000。
- 若对数据的可靠性要求不是很高，能够容忍少量数据的丢失，则没必要等 ISR 中的 follower 全部接收成功，因此，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，选择以下配置：
-
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 落盘成功后返回才ack，若在 follower同步成功之前 leader 故障，则将会丢失数据；
-
-1（all）：producer等待 broker 的 ack，partition的 leader 和 ISR 的follower 全部落盘成功后才返回 ack。但若在 follower 同步完成后，broker 发送 ack 之前， leader 发生故障，则会造成数据重复。
acks=1
acks=-1
- 助记：返ACK前，0无落盘，1一落盘，-1全落盘，（落盘：消息存到本地）
- kafka数据一致性
-
LEO（Log End Offset）：每个副本的最后一个offset。
-
HW（High Watermark）：高水位，指消费者能见到的最大的offset，ISR 队列中最小的 LEO。
网友评论