Kafka 架构分析(1)

Stella981
• 阅读 617

本次kafka相关分析总结,以apache kafka为准。

地址:http://kafka.apache.org/documentation/

中文文档地址:https://kafka.apachecn.org/

了解kafka需要先了解以下几个基本概念:

名称

说明

Broker

kafka作为中件,帮我们存储和转发消息,所以我们把kafkar的服务叫做Broker。

Record(消息)

客户端之间传输的数据

Topic

生产者与消费者关联的途径,可以理解为其他消息中间件的队列

Producer

发送消息的生产者

Consumer

接收消息的消费者

Partition与Cluster

topic分区

Segment

partition再做一个切分,切分出来的单位叫段(segment)

Consumer Group

消费组

Consumer Offset

消费偏移量

Broker

Kafka 架构分析(1)

Brokder :kafka做为一个中间件,是帮我们存储和转发消息的,它做的事有点像中介,所以我们把kafka的服务叫Broker。生产者和消费者都需要跟这个Broker建立一个连接,才可以实现消息的收发。

消息

客户端之间传输的数据叫做消息,或者叫记录(Record)。 生产者对应的封装类是ProducerRecord,消费者对应的封装类是ConsumerRecord。

消息在服务端存储的格式(Record Batch和Record)

Record Batch
baseOffset: int64
batchLength: int32
partitionLeaderEpoch: int32
magic: int8 (current magic value is 2)
crc: int32
attributes: int16
    bit 0~2:
        0: no compression
        1: gzip
        2: snappy
        3: lz4
        4: zstd
    bit 3: timestampType
    bit 4: isTransactional (0 means not transactional)
    bit 5: isControlBatch (0 means not a control batch)
    bit 6~15: unused
lastOffsetDelta: int32
firstTimestamp: int64
maxTimestamp: int64
producerId: int64
producerEpoch: int16
baseSequence: int32
records: [Record]
Control Batches
version: int16 (current version is 0)
type: int16 (0 indicates an abort marker, 1 indicates a commit)
Record
length: varint
attributes: int8
    bit 0~7: unused
timestampDelta: varint
offsetDelta: varint
keyLength: varint
key: byte[]
valueLen: varint
value: byte[]
Headers => [Header]
Record Header
headerKeyLength: varint
headerKey: String
headerValueLength: varint
Value: byte[]

生产者

发送消息的一方叫做生产者,接收消息的一方叫做消费者。

为了提升发送速率,生产者不是逐条发送消息给Broker,而是批量发送的。

参数名

默认值

说明

batch.size

16384(byte)

多少条发送一次

linger.ms

5(ms)

批量发送的等待时间

acks

1

0 发出去就确认、1 leader落盘就确认 、all所有Follower同步才完成

retries

3

异常自动重试次数

buffer.memory

33554432(32M)

客户端缓冲区大小,满了也会触发发送

max.block.ms

3000(ms)

获取元数据时生产者的相亲阻塞时间,超时后抛出异常

消费者

一般来说消费者有两种消费模式,一种是pull模式,一种是push模式。

Pull模式就是消息放到Broker,消费者自己决定什么时候去获取。

Push模式是消息放在Consumer,只要消息到达Broker,都直接给消费者。

Kafka只有pull模式。 是因Push模式下,如果消息生产的速度远远大于消费者的速率,那消费者就会不堪重负,直到挂掉。而Pull模式,消费者可以自己控制一次获取多少条消息。

参数名

默认值

说明

max.poll.records

500

一次获取消息数

auto.commit.interval.ms

1000(ms)

消费者自动提交间隔时间

auto.offset.reset

earliest

从最早的数据开始消费(earliest 、 latest、 none)

Topic

Kafka 架构分析(1)

生产者如何与消费者关联起来?其他的消息中间件的关联名叫队列,也就是说,生产者发送消息,要指定发给哪个队列。消费者接收消息,要指定从哪个队列接收。

在kafka里面,这个队列叫Topic,是一个逻辑概念,可以理解为一组消息的集合。

参数名

默认值

说明

auto.create.topic.enable

true

是否开启默认创建Topic(生产环境建议关闭,手动控制)

Partition 与 Cluster

如果一个Topic中的消息太多,会带来两个问题:

  1. 不方便横向扩展,比如想在集群中把数据分布在不同的机器上实现扩展,而不是通过升级硬件做到,如果一个Topic的消息无法在物理上拆分到多台机器的时候,这个是做不到的。

  2. 并发或负载问题,所有客户端操作的都是一个Topic,在高并发场景下性能会大大下降。

如何解决这个问题?我们想到的就是把一个Topic进行拆分(分片思想)。

kafka引入了一个分区(Partition)的概念。一个Topic可以划分成多个分区。

Partition思想上有点类似于分库分表,实现的也是横向扩展负载的目的。

如:Topic有3个分区,生产者依次发送9条消息,对消息进行编号。

第一个分区 1、4、7,第二个分区2、5、8、第三个分区3、6、9,这个就实现了负载。

Kafka 架构分析(1)

每个partition都有一个物理目录。在配置的数据目录下(日志就是数据):

/tmp/kafka-logs/

test-topic-0
test-topic-1

与RabbitMQ不一样的地方是,Partition里面的消息被读取后不会被删除,所以同一批消息在一个Partition里面顺序、追加写入的。这个也是kafka吞吐量大的一个很重要的原因。

Partition 副本 Replica机制

如果partition数据只存储一份,在发生网络或者硬件故障时,该分区的数据就无法访问或者无法回复了。

每个partition可以有若干个副本(Replica),副本必须在不同的Broker上面。一般我们说的副本包括其中的主节点。

举例:部署了3个Broker,该Topic有3个分区,每个分区一共3个副本。 Kafka 架构分析(1)

注意:这些存放相同数据的partition副本有Leader(图中红色)和follower(图中绿色)的概念。Leader在哪台机器是不一定的,是通过选举算法选举出来的。

生产者发消息、消费者读消息都是针对leader,主要是为一致性考虑,如Mysql中的主从同步会有一定的延迟问题。follower的数据是从leader同步过来的。

Segment

kafka的数据是放在后缀.log的文件里的。如果一个partition只有一个log文件,消息不断的追加,这个log文件也会越来越大,这个时候要检索数据效率就很低了。

所以把partiton再做一个切分,切分出来的单位就叫做段(Segment)。kafka的存储文件是划分成段来存储的。

默认存储路径:/tmp/kafka-logs/

每个segment都至少有1个数据文件和2个索引文件,这3个文件是成套出现的。

Kafka 架构分析(1)

参数名

默认值

说明

log.segment.bytes

1G

一个segment大小

Consumer Group

如果生产者产生消息的速度过快,会造成消息在Broker的堆积,影响Broker的性能。怎么提升消息的消费速率呢?增加消费者的数量。但是这么多消费者,怎么知道大家是不是消费的同一个Topic呢?

所以引入了一个Consumer Group消费组的概念,在代码中通过group id来配置。消费同一个topic的消费者不一定是同一个组,只有group id相同的消费者才是同一个消费者组。

Kafka 架构分析(1)

注意:同一个group中的消费者,不能消费相同的partition——partition要在消费者之间分配。

Consumer Offset

上边我们说了,partition里面的消息是顺序写入的,被读取之后不会被删除。

如果消费者挂了或者下一次读取,想要接着上次的位置读取消息,或者从某个特定的位置读取消息,该怎么办呢?会不会出现重复消费的情况?

因为消息是有序的,我们可以对消息进行编号,用来标识一条唯一的消息。

Kafka 架构分析(1)

这个编号我们不把它叫做offset,偏移量。

offset记录着下一条将要发送给consumer的消息的序号。

这个消费者跟partition之间的偏移量没有保存在ZK,而是直接保存在服务端。

架构图:

Kafka 架构分析(1)

总览:

Kafka 架构分析(1)

点赞
收藏
评论区
推荐文章
blmius blmius
3年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为
待兔 待兔
3个月前
手写Java HashMap源码
HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程22
Jacquelyn38 Jacquelyn38
3年前
2020年前端实用代码段,为你的工作保驾护航
有空的时候,自己总结了几个代码段,在开发中也经常使用,谢谢。1、使用解构获取json数据let jsonData  id: 1,status: "OK",data: 'a', 'b';let  id, status, data: number   jsonData;console.log(id, status, number )
Stella981 Stella981
3年前
KVM调整cpu和内存
一.修改kvm虚拟机的配置1、virsheditcentos7找到“memory”和“vcpu”标签,将<namecentos7</name<uuid2220a6d1a36a4fbb8523e078b3dfe795</uuid
Wesley13 Wesley13
3年前
mysql设置时区
mysql设置时区mysql\_query("SETtime\_zone'8:00'")ordie('时区设置失败,请联系管理员!');中国在东8区所以加8方法二:selectcount(user\_id)asdevice,CONVERT\_TZ(FROM\_UNIXTIME(reg\_time),'08:00','0
Wesley13 Wesley13
3年前
00:Java简单了解
浅谈Java之概述Java是SUN(StanfordUniversityNetwork),斯坦福大学网络公司)1995年推出的一门高级编程语言。Java是一种面向Internet的编程语言。随着Java技术在web方面的不断成熟,已经成为Web应用程序的首选开发语言。Java是简单易学,完全面向对象,安全可靠,与平台无关的编程语言。
Stella981 Stella981
3年前
Django中Admin中的一些参数配置
设置在列表中显示的字段,id为django模型默认的主键list_display('id','name','sex','profession','email','qq','phone','status','create_time')设置在列表可编辑字段list_editable
Wesley13 Wesley13
3年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
Python进阶者 Python进阶者
9个月前
Excel中这日期老是出来00:00:00,怎么用Pandas把这个去除
大家好,我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据筛选的问题。问题如下:这日期老是出来00:00:00,怎么把这个去除。二、实现过程后来【论草莓如何成为冻干莓】给了一个思路和代码如下:pd.toexcel之前把这