[[277321]]

首先從kafka如何創(chuàng)建一個topic來開始：

kafka-topics --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test 

其中有這么幾個參數(shù)：

• --zookeeper：zookeeper的地址
• --replication-factor：副本因子
• --partitions：分區(qū)個數(shù)(默認是1)
• --topic：topic名稱

二.什么是分區(qū)

一個topic可以有多個分區(qū)，每個分區(qū)的消息都是不同的。 雖然分區(qū)可以提供更高的吞吐量，但是分區(qū)不是越多越好。一般分區(qū)數(shù)不要超過kafka集群的機器數(shù)量。分區(qū)越多占用的內存和文件句柄。 一般分區(qū)設置為3-10個。比如現(xiàn)在集群有3個機器，要創(chuàng)建一個名為test的topic，分區(qū)數(shù)為2，那么如圖：

partiton都是有序切順序不可變的記錄集，并且不斷追加到log文件，partition中的每一個消息都回分配一個id，也就是offset(偏移量)，offset用來標記分區(qū)的一條記錄 ，這里就用官網的圖了，我畫的不好：

2.1 producer端和分區(qū)關系

就圖上的情況，producer端會把mq給哪個分區(qū)呢?這也是上一節(jié)我們提到的一個參數(shù)partitioner.class。 默認分區(qū)器的處理是：有key則用murmur2算法計算key的哈希值，對總分區(qū)取模算出分區(qū)號，無key則輪詢。(org.apache.kafka.clients.producer.internals.DefaultPartitioner#partition)。當然了我們也可以自定義分區(qū)策略，只要實現(xiàn)org.apache.kafka.clients.producer.Partitioner接口即可：

/** 
 * Compute the partition for the given record. 
 * 
 * @param topic The topic name 
 * @param key The key to partition on (or null if no key) 
 * @param keyBytes serialized key to partition on (or null if no key) 
 * @param value The value to partition on or null 
 * @param valueBytes serialized value to partition on or null 
 * @param cluster The current cluster metadata 
 */ 
 public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) { 
 List<PartitionInfo> partitions = cluster.partitionsForTopic(topic); 
 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; 
 } 
 } 

2.2 consumer端和分區(qū)關系

先來看下官網對于消費組的定義：Consumers label themselves with a consumer group name, and each record published to a topic is delivered to one consumer instance within each subscribing consumer group.

翻譯：消費者使用一個消費者組名來標記自己，一個topic的消息會被發(fā)送到訂閱它的消費者組的 一個 消費者實例上。

consumer group是用于實現(xiàn)高伸縮性，高容錯性的consumer機制。如果有consumer掛了或者新增一個consumer，consumer group會進行重平衡(rebalance)，重平衡機制會在consumer篇具體講解，本節(jié)不講。那么按照上面的圖繼續(xù)畫消費者端：

這里是最好的情況，2個partition對應1個group中的2個consumer。那么思考，如果一個消費組的消費者大于分區(qū)數(shù)呢?或者小于分區(qū)數(shù)呢?

如果一個消費組的消費者大于分區(qū)數(shù)，那么相當于多余的消費者是一種浪費，多余的消費者將無法消費消息。

如果一個消費組的消費者小于分區(qū)數(shù)，會有對應的消費者分區(qū)分配策略。一種是Range(默認)，一種是RoundRobin(輪詢)，當然也可以自定義策略。 其實思想換湯不換藥的啊，每個消費者能負載均衡的工作。 具體會在消費者篇講解，這里不講。

建議：配置分區(qū)數(shù)是消費者數(shù)的整數(shù)倍

三.副本與ISR設計

3.1 什么是副本

在創(chuàng)建topic的時候有個參數(shù)是--replication-factor來設定副本數(shù)。Kafka利用多份相同的備份保持系統(tǒng)的高可用性，這些備份在Kafka中被稱為副本(replica)。副本分為3類：

• leader副本：響應producer端的讀寫請求
• follower副本：備份leader副本的數(shù)據(jù)， 不響應producer端的讀寫請求!
• ISR副本集合：包含1個leader副本和所有follower副本(也可能沒有follower副本)

Kafka會把所有的副本均勻分配到kafka-cluster中的所有broker上，并從這些副本中挑選一個作為leader副本，其他成為follow副本。如果leader副本所在的broker宕機了，那么其中的一個follow副本就會成為leader副本。leader副本接收producer端的讀寫請求，而follow副本只是向leader副本請求數(shù)據(jù)不會接收讀寫請求!

3.2 副本同步機制

上面說了ISR就是動態(tài)維護一組同步副本集合，leader副本總是包含在ISR集合中。只有ISR中的副本才有資格被選舉為leader副本。當producer端的ack參數(shù)配置為all(-1)時，producer寫入的mq需要ISR所有副本都接收到，才被視為已提交。當然了，上一節(jié)就提到了，使用ack參數(shù)必須配合broker端的min.insync.replicas(默認是1)參數(shù)一起用才能達到效果，該參數(shù)控制寫入isr中的多少副本才算成功。 如果ISR中的副本數(shù)少于min.insync.replicas時，客戶端會返回異常org.apache.kafka.common.errors.NotEnoughReplicasExceptoin: Messages are rejected since there are fewer in-sync replicas than required。

要了解副本同步機制需要先學習幾個術語：

• High Watermark：副本高水位值，簡稱HW， 小于HW或者說在HW以下的消息都被認為是“已備份的”，HW指向的也是下一條消息! leader副本的HW值決定consumer能poll的消息數(shù)量!consumer只能消費小于HW值的消息!
• LEO：log end offset，下一條消息的位移。 也就是說LEO指向的位置是沒有消息的!
• remote LEO：嚴格來說這是一個集合。leader副本所在broker的內存中維護了一個Partition對象來保存對應的分區(qū)信息，這個Partition中維護了一個Replica列表，保存了該分區(qū)所有的副本對象。除了leader Replica副本之外，該列表中其他Replica對象的LEO就被稱為remote LEO。

下面舉個一個實際的例子(本例子參考胡夕博客)，該例子中的topic是單分區(qū)，副本因子是2。也就是說一個leader副本，一個follower副本，ISR中包含這2個副本集合。我們首先看下當producer發(fā)送一條消息時，leader/follower端broker的副本對象到底會發(fā)生什么事情以及分區(qū)HW是如何被更新的。首先是初始狀態(tài)：

此時producer給該topic分區(qū)發(fā)送了一條消息。此時的狀態(tài)如下圖所示：

如上圖所見，producer發(fā)送消息成功后(假設acks=1, leader成功寫入即返回)，follower發(fā)來了新的FECTH請求，依然請求fetchOffset = 0的數(shù)據(jù)。和上次不同的是，這次是有數(shù)據(jù)可以讀取的，因此整個處理流程如下圖：

顯然，現(xiàn)在leader和follower都保存了位移是0的這條消息，但兩邊的HW值都沒有被更新，它們需要在下一輪FETCH請求處理中被更新，如下圖所示：

簡單解釋一下， 第二輪FETCH請求中，follower發(fā)送fetchOffset = 1的FETCH請求——因為fetchOffset = 0的消息已經成功寫入follower本地日志了，所以這次請求fetchOffset = 1的數(shù)據(jù)了。Leader端broker接收到FETCH請求后首先會更新other replicas中的LEO值，即將remote LEO更新成1，然后更新分區(qū)HW值為1——具體的更新規(guī)則參見上面的解釋。做完這些之后將當前分區(qū)HW值(1)封裝進FETCH response發(fā)送給follower。Follower端broker接收到FETCH response之后從中提取出當前分區(qū)HW值1，然后與自己的LEO值比較，從而將自己的HW值更新成1，至此完整的HW、LEO更新周期結束。

3.3 ISR維護

在0.9.0.0版本之后，只有一個參數(shù)：replica.lag.time.max.ms來判定該副本是否應該在ISR集合中，這個參數(shù)默認值為10s。意思是如果一個follower副本響應leader副本的時間超過10s，kafka會認為這個副本走遠了從同步副本列表移除。

四.日志設計

Kafka的每個主題相互隔離，每個主題可以有一個或者多個分區(qū)，每個分區(qū)都有記錄消息數(shù)據(jù)的日志文件：

圖中有個demo-topic的主題，這個topic有8個分區(qū)，每一個分區(qū)都存在[topic-partition]命名的消息日志文件 。在分區(qū)日志文件中，可以看到前綴一樣，但是文件類型不一樣的幾個文件。比如圖中的3個文件，(00000000000000000000.index、00000000000000000000.timestamp、00000000000000000000.log)。這稱之為一個LogSegment(日志分段)。

4.1 LogSegment

以一個測試環(huán)境的具體例子來講，一個名為ALC.ASSET.EQUITY.SUBJECT.CHANGE的topic，我們看partition0的日志文件：

每一個LogSegment都包含一些文件名一致的文件集合。文件名的固定是20位數(shù)字，如果文件名是00000000000000000000代表當前LogSegment的第一條消息的offset(偏移量)為0，如果文件名是00000000000000000097代表當前LogSegment的第一條消息的offset(偏移量)為97。日志文件有多種后綴的文件，重點關注.index、.timestamp、.log三種類型文件即可。

• .index：偏移量索引文件
• .timeindex：時間索引文件
• .log：日志文件
• .snapshot：快照文件
• .swap：Log Compaction之后的臨時文件

4.2 索引與日志文件

kafka有2種索引文件，第一種是offset(偏移量)索引文件，也就是.index結尾的文件。第二種是時間戳索引文件，也就是.timeindex結尾的文件。

我們可以用kafka-run-class.sh來查看offset(偏移量)索引文件的內容：

可以看到每一行都是offset：xxx position：xxxx。 這兩者沒有直接關系。

• offset：相對偏移量
• position：物理地址

那么第一行的offset：12 position：4423是什么意思呢?它代表偏移量從0-12的消息的物理地址在0-4423。

同理第二行的offset：24 position：8773的意思也能猜得出來：它代表偏移量從13-24的消息的物理地址在4424-8773。

我們可以再用kafka-run-class.sh來看下.log文件的文件內容，關注里面的baseOffset和postion的值。你看看和上面說的對應的上嗎。

4.3 如何用offset查找

按上面的例子，如何查詢偏移量為60的消息

根據(jù)offset首先找到對應的LogSegment，這里找到00000000000000000000.index

通過二分法找到不大于offset的最大索引項，這里找到offset：24 position：8773

打開00000000000000000000.log文件，從position為8773的那個地方開始順序掃描直到找到offset=60的消息