Kafka源碼分析及圖解原理之Broker端

本文轉載自查看原文 2019-09-17 21:07 1472 Kafka

一.前言

　　https://www.cnblogs.com/GrimMjx/p/11354987.html

　　上一節說過，任何消息隊列都是萬變不離其宗都是3部分，消息生產者（Producer）、消息消費者（Consumer）和服務載體（在Kafka中用Broker指代）。上一節講了kafka producer端的一些細節，那么這一節來講broker端的一些設計與原理

　　首先從kafka如何創建一個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：

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

二.什么是分區

　　一個topic可以有多個分區，每個分區的消息都是不同的。雖然分區可以提供更高的吞吐量，但是分區不是越多越好。一般分區數不要超過kafka集群的機器數量。分區越多占用的內存和文件句柄。一般分區設置為3-10個。比如現在集群有3個機器，要創建一個名為test的topic，分區數為2，那么如圖：

　　partiton都是有序切順序不可變的記錄集，並且不斷追加到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端和分區關系

　　就圖上的情況，producer端會把mq給哪個分區呢？這也是上一節我們提到的一個參數partitioner.class。默認分區器的處理是：有key則用murmur2算法計算key的哈希值，對總分區取模算出分區號，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策略，只要實現org.apache.kafka.clients.producer.Partitioner接口即可：

 1 /**
 2  * Compute the partition for the given record.
 3  *
 4  * @param topic The topic name
 5  * @param key The key to partition on (or null if no key)
 6  * @param keyBytes serialized key to partition on (or null if no key)
 7  * @param value The value to partition on or null
 8  * @param valueBytes serialized value to partition on or null
 9  * @param cluster The current cluster metadata
10  */
11 public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
12     List<PartitionInfo> partitions = cluster.partitionsForTopic(topic);
13     int numPartitions = partitions.size();
14     if (keyBytes == null) {
15         int nextValue = nextValue(topic);
16         List<PartitionInfo> availablePartitions = cluster.availablePartitionsForTopic(topic);
17         if (availablePartitions.size() > 0) {
18             int part = Utils.toPositive(nextValue) % availablePartitions.size();
19             return availablePartitions.get(part).partition();
20         } else {
21             // no partitions are available, give a non-available partition
22             return Utils.toPositive(nextValue) % numPartitions;
23         }
24     } else {
25         // hash the keyBytes to choose a partition
26         return Utils.toPositive(Utils.murmur2(keyBytes)) % numPartitions;
27     }
28 }

2.2 consumer端和分區關系

　　先來看下官網對於消費組的定義：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的消息會被發送到訂閱它的消費者組的一個消費者實例上。

　　consumer group是用於實現高伸縮性，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，本節不講。那么按照上面的圖繼續畫消費者端：

　　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於分區數呢？或者小於分區數呢？

　　如果一個消費組的消費者大於分區數，那么相當於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於分區數，會有對應的消費者分區分配策略。一種是Range（默認），一種是RoundRobin（輪詢），當然也可以自定義策略。其實思想換湯不換葯的啊，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：配置分區數是消費者數的整數倍

三.副本與ISR設計

3.1 什么是副本

　　在創建topic的時候有個參數是--replication-factor來設定副本數。Kafka利用多份相同的備份保持系統的高可用性，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副本的數據，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，並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副本請求數據不會接收讀寫請求！

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，上一節就提到了，使用ack參數必須配合broker端的min.insync.replicas（默認是1）參數一起用才能達到效果，該參數控制寫入isr中的多少副本才算成功。如果ISR中的副本數少於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，小於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的消息數量！consumer只能消費小於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信息，這個Partition中維護了一個Replica列表，保存了該分區所有的副本對象。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，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發送一條消息時，leader/follower端broker的副本對象到底會發生什么事情以及分區HW是如何被更新的。首先是初始狀態：

　　此時producer給該topic分區發送了一條消息。此時的狀態如下圖所示：

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

　　顯然，現在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的數據了。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HW值為1——具體的更新規則參見上面的解釋。做完這些之后將當前分區HW值(1)封裝進FETCH response發送給follower。Follower端broker接收到FETCH response之后從中提取出當前分區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：replica.lag.time.max.ms來判定該副本是否應該在ISR集合中，這個參數默認值為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，每個分區都有記錄消息數據的日志文件：

　　圖中有個demo-topic的主題，這個topic有8個分區，每一個分區都存在[topic-partition]命名的消息日志文件。在分區日志文件中，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。