作者：ninetyhe，騰訊 CDG 后臺開發(fā)工程師

溫故而知新，反復(fù)學(xué)習(xí)優(yōu)秀的框架，定有所獲。因為工作原因，需要用到 Kafka 的特殊場景，周末再次閱讀了 kafka 的資料，收獲不少。

應(yīng)用場景

• 異步解構(gòu)：在上下游沒有強依賴的業(yè)務(wù)關(guān)系或針對單次請求不需要立刻處理的業(yè)務(wù);
• 系統(tǒng)緩沖：有利于解決服務(wù)系統(tǒng)的吞吐量不一致的情況，尤其對處理速度較慢的服務(wù)來說起到緩沖作用;
• 消峰作用：對于短時間偶現(xiàn)的極端流量，對后端的服務(wù)可以啟動保護作用;
• 數(shù)據(jù)流處理：集成 spark 做實事數(shù)據(jù)流處理。

Kafka 拓?fù)鋱D(多副本機制)

由上圖我們可以發(fā)現(xiàn) Kafka 是分布式，同時對于每一個分區(qū)都存在多副本，同時整個集群的管理都通過 zookeeper 管理。

Kafka 核心組件

broker

Kafka 服務(wù)器，負(fù)責(zé)消息存儲和轉(zhuǎn)發(fā);一 broker 就代表一個 kafka 節(jié)點。一個 broker 可以包含多個 topic

topic

消息類別，Kafka 按照 topic 來分類消息

partition

• topic 的分區(qū)，一個 topic 可以包含多個 partition，topic 消息保存在各個 partition 上;由于一個 topic 能被分到多個分區(qū)上，給 kafka 提供給了并行的處理能力，這也正是 kafka 高吞吐的原因之一。
• partition 物理上由多個 segment 文件組成，每個 segment 大小相等，順序讀寫(這也是 kafka 比較快的原因之一，不需要隨機寫)。每個 Segment 數(shù)據(jù)文件以該段中最小的 offset ，文件擴展名為.log。當(dāng)查找 offset 的 Message 的時候，通過二分查找快找到 Message 所處于的 Segment 中。

offset

• 消息在日志中的位置，可以理解是消息在 partition 上的偏移量，也是代表該消息的唯一序號。
• 同時也是主從之間的需要同步的信息。

Producer

生產(chǎn)者，負(fù)責(zé)向 Kafka Broker 發(fā)消息的客戶端

Consumer

消息消者，負(fù)責(zé)消費 Kafka Broker 中的消息

Consumer Group

消費者組，每個 Consumer 必須屬于一個 group;(注意的是 一個分區(qū)只能由組內(nèi)一個消費者消費，消費者組之間互不影響。)

Zookeeper

管理 kafka 集群，負(fù)責(zé)存儲了集群 broker、topic、partition 等 meta 數(shù)據(jù)存儲，同時也負(fù)責(zé) broker 故障發(fā)現(xiàn)，partition leader 選舉，負(fù)載均衡等功能。

服務(wù)治理既然 Kafka 是分布式的發(fā)布/訂閱系統(tǒng)，這樣如果做的集群之間數(shù)據(jù)同步和一致性，kafka 是不是肯定不會丟消息呢?以及宕機的時候如果進行 Leader 選舉呢?

數(shù)據(jù)同步

在 Kafka 中的 Partition 有一個 leader 與多個 follower，producer 往某個 Partition 中寫入數(shù)據(jù)是，只會往 leader 中寫入數(shù)據(jù)，然后數(shù)據(jù)才會被復(fù)制進其他的 Replica 中。而每一個 follower 可以理解成一個消費者，定期去 leader 去拉去消息。而只有數(shù)據(jù)同步了后，kafka 才會給生產(chǎn)者返回一個 ACK 告知消息已經(jīng)存儲落地了。

ISR

在 Kafka 中，為了保證性能，Kafka 不會采用強一致性的方式來同步主從的數(shù)據(jù)。而是維護了一個：in-sync Replica 的列表，Leader 不需要等待所有 Follower 都完成同步，只要在 ISR 中的 Follower 完成數(shù)據(jù)同步就可以發(fā)送 ack 給生產(chǎn)者即可認(rèn)為消息同步完成。同時如果發(fā)現(xiàn) ISR 里面某一個 follower 落后太多的話，就會把它剔除。

具體流程如下：

 

 

 

 

 

 

 

上述的做法并無法保證 kafka 一定不丟消息。 雖然 Kafka 通過多副本機制中最大限度保證消息不會丟失，但是如果數(shù)據(jù)已經(jīng)寫入系統(tǒng) page cache 中但是還沒來得及刷入磁盤，此時突然機器宕機或者掉電，那消息自然而然的就會丟失。

Kafka 故障恢復(fù)

Kafka 通過 Zookeeper 連坐集群的管理，所以這里的選舉機制采用的是 Zab(zookeeper 使用)。

• 生產(chǎn)者發(fā)生消息給 leader，這個時候 leader 完成數(shù)據(jù)存儲，突然發(fā)生故障，沒有給 producer 返回 ack;
• 通過 ZK 選舉，其中一個 follower 成為 leader，這個時候 producer 重新請求新的 leader，并存儲數(shù)據(jù)。

Kafka 為什么這么快

順序?qū)懘疟P

Kafka 采用了順序?qū)懘疟P，而由于順序?qū)懘疟P相對隨機寫，減少了尋地址的耗費時間。(在 Kafka 的每一個分區(qū)里面消息是有序的。

Page Cache

Kafka 在 OS 系統(tǒng)方面使用了 Page Cache 而不是我們平常所用的 Buffer。Page Cache 其實不陌生，也不是什么新鮮事物。

我們在linux上查看內(nèi)存的時候，經(jīng)?？梢钥吹絙uff/cache，兩者都是用來加速IO讀寫用的，而cache是作用于讀，也就是說，磁盤的內(nèi)容可以讀到cache里面這樣，應(yīng)用程序讀磁盤就非?？?而buff是作用于寫，我們開發(fā)寫磁盤都是，一般如果寫入一個buff里面再flush就非?？?。而kafka正是把這兩者發(fā)揮了極致：Kafka雖然是scala寫的，但是依舊在Java的虛擬機上運行，盡管如此，kafka它還是盡量避開了JVM的限制，它利用了Page cache來存儲，這樣躲開了數(shù)據(jù)在JVM因為GC而發(fā)生的STW。另一方面也是Page Cache使得它實現(xiàn)了零拷貝，具體下面會講。

零拷貝

無論是優(yōu)秀的 Netty 還是其他優(yōu)秀的 Java 框架，基本都在零拷貝減少了 CPU 的上下文切換和磁盤的 IO。當(dāng)然 Kafka 也不例外。零拷貝的概念具體這里不作太詳細(xì)的復(fù)述，大致的給大家講一下這個概念。

傳統(tǒng)的一次應(yīng)用程請求數(shù)據(jù)的過程

這里大致可以發(fā)傳統(tǒng)的方式發(fā)生了 4 次拷貝，2 次 DMA 和 2 次 CPU，而 CPU 發(fā)生了 4 次的切換。_(DMA 簡單理解就是，在進行 I/O 設(shè)備和內(nèi)存的數(shù)據(jù)傳輸?shù)臅r候，數(shù)據(jù)搬運的工作全部交給 DMA 控制器，而 CPU 不再參與任何與數(shù)據(jù)搬運相關(guān)的事情)。

零拷貝的方式

通過優(yōu)化我們可以發(fā)現(xiàn)，CPU 只發(fā)生了 2 次的上下文切換和 3 次數(shù)據(jù)拷貝。(linux 系統(tǒng)提供了系統(tǒng)事故調(diào)用函數(shù)“ sendfile()”，這樣系統(tǒng)調(diào)用，可以直接把內(nèi)核緩沖區(qū)里的數(shù)據(jù)拷貝到 socket 緩沖區(qū)里，不再拷貝到用戶態(tài))。

分區(qū)分段

我們上面也介紹過了，kafka 采取了分區(qū)的模式，而每一個分區(qū)又對應(yīng)到一個物理分段，而查找的時候可以根據(jù)二分查找快速定位。這樣不僅提供了數(shù)據(jù)讀的查詢效率，也提供了并行操作的方式。

數(shù)據(jù)壓縮

Kafka 對數(shù)據(jù)提供了：Gzip 和 Snappy 壓縮協(xié)議等壓縮協(xié)議，對消息結(jié)構(gòu)體進行了壓縮，一方面減少了帶寬，也減少了數(shù)據(jù)傳輸?shù)南摹?/p>

Kafka 安裝

安裝 JDK

由于使用壓縮包還需要自己配置環(huán)境變量，所以這里推薦直接用 yum 安裝，熟悉查看目前 Java 的版本：

yum -y list Java* 

安裝你想要的版本，這里我是 1.8

yum install java-1.8.0-openjdk-devel.x86_64 

查看是否安裝成功

Java -version 

安裝 Zookeeper

首先需要去官網(wǎng)下載安裝包，然后解壓

tar -zxvf zookeeper-3.4.9.tar.gz 

要做的就是將這個文件復(fù)制一份，并命名為：zoo.cfg，然后在 zoo.cfg 中修改自己的配置即可

cp zoo_sample.cfg zoo.cfg 
vim zoo.cfg 

主要配置解釋如下

# zookeeper內(nèi)部的基本單位，單位是毫秒，這個表示一個tickTime為2000毫秒，在zookeeper的其他配置中，都是基于tickTime來做換算的 
tickTime=2000 
# 集群中的follower服務(wù)器(F)與leader服務(wù)器(L)之間 初始連接 時能容忍的最多心跳數(shù)（tickTime的數(shù)量）。 
initLimit=10 
#syncLimit：集群中的follower服務(wù)器(F)與leader服務(wù)器(L)之間 請求和應(yīng)答 之間能容忍的最多心跳數(shù)（tickTime的數(shù)量） 
syncLimit=5 
# 數(shù)據(jù)存放文件夾，zookeeper運行過程中有兩個數(shù)據(jù)需要存儲，一個是快照數(shù)據(jù)（持久化數(shù)據(jù)）另一個是事務(wù)日志 
dataDir=/tmp/zookeeper 
## 客戶端訪問端口 
clientPort=2181 

配置環(huán)境變量

vim ~/.bash_profile 
export ZK=/usr/local/src/apache-zookeeper-3.7.0-bin 
export PATH=$PATH:$ZK/bin 
export PATH 
// 啟動 
zkServer.sh start 

下面能看啟動成功

 

安裝 Kafka

下載 kafka

https://www.apache.org/dyn/closer.cgi?path=/kafka/2.8.0/kafka-2.8.0-src.tgz

安裝 kafka

tar -xzvf kafka_2.12-2.0.0.tgz 

配置環(huán)境變量

export ZK=/usr/local/src/apache-zookeeper-3.7.0-bin 
export PATH=$PATH:$ZK/bin 
export KAFKA=/usr/local/src/kafka 
export PATH=$PATH:$KAFKA/bin 

啟動 Kafka

nohup kafka-server-start.sh 自己的配置文件路徑/server.properties & 

 

大功告成!