kafka


KafKa 架构和实战

KafKa 介绍

Kafka 是一个分布式,分区的,多副本,多生产者,多订阅者,基于zookeeper协调的分布式日志系统(也可以当做MQ系统),常见可以用于web/nginx日志,访问日志, 消息服务等等,主要应用场景是:日志收集系统和消息系统。

kafka 主要设计目标:

  1. 以时间复杂度o(1)的方式提供消息持久化能力,即使对TB级以上数据也能保证正常时间的访问性能。
  2. 高吞吐率,最低一般也是每秒100k条消息的传递
  3. 支持kafka server键的消息分区,及分布式消费,同时保证每个partition内的消息顺序传输
  4. 同时支持离线数据处理和实施数据处理
  5. 支持在线水平拓展

两种主要的消息传递模式:

  1. 点对点模式
  2. 发布-订阅模式 大部分的消息选用的是发布-订阅模式,kafka 是一种发布订阅模式 对于消息中间件,消息分推拉两种模式,kafka 只有消息的拉取,没有推送,可以通过轮询实现消息的推送。

  3. kafka 在一个或多个可以跨越多个数据中心的服务器上作为集群运行。

  4. kafka 集群中按照主题分类管理,一个主题可以有多个分区,一个分区可以有多个副本分区。
  5. 每个记录由一个键,一个值和一个时间戳组成。

kafka 四个核心API:

  1. producer API : 允许应用程序将记录流发布到一个或多个kafka 主题
  2. Consumer API: 允许应用程序订阅一个或多个主题并处理为其生成的记录流
  3. Streams API: 允许应用程序充当流处理器,使用一个或多个主题的输入流,并生成一个或多个输出主题的输出流,从而有效地把输入流转换为输出流。
  4. Connector API: 允许构建和运行将kafka主题链接到现有应用程序或数据系统的可重用生产者或者使用者,例如,关系数据库的连接器可能会捕获对表的所有更改。

KafKa 优势

  1. 高吞吐量:单机每秒处理几十上百万的消息量,即使存储了许多TB 消息,也能保持稳定的性能
  2. 高性能: 单个节点可以支持上千个客户端,保证0停机和零数据的丢失
  3. 持久化数据存储: 将消息持久化到磁盘,通过数据持久化到硬盘以及replication 防止数据丢失 0拷贝 顺序读,顺序写 利用Linux的页缓存
  4. 分布式系统,易于向外拓展,所有的producer ,broker 和consumer 都会有多个,均为分布式的,无需停机即可拓展机器,多个producer,consumer可能是不同的应用。
  5. 可靠性-kafka 是分布式,分区,复制和容错的。
  6. 客户端状态维护: 消息被处理的状态是在consumer 端维护,不是由server 端维护,当失败时能自动平衡。
  7. 支持 online和 offline的场景
  8. 支持多种客户端语言。

kafka 应用场景

  1. 日志收集: 手机各种服务的log,通过统一接口服务的方式开放给各种consumer;
  2. 消息系统: 解耦生产者和消费者,缓存消息等
  3. 用户活动跟踪: 记录web或者app 的活动,活动信息被服务器发布到kafka的topic,然后消费者订阅topic来做实时的监控分析,也可以存在数据库
  4. 运营指标: 收集各种分布式应用的数据,生产各种操作的集中反馈,比如报警和报告
  5. 流式处理:spark streaming 和storm

基本架构

消息和批次

kafka 的数据单元称为消息,可以把消息看成数据库中一个数据行或者一条记录,消息由字节数组成,消息有键,键也是一个字节数组, 当消息以一种可控的方式写入不同的分区时,会用到键,为了提高效率,消息被分批写入kafka,批次就是一组消息,这些消息属于同一个主题和分区 把消息分成批次可以减少网络开销,批次越大,单位时间内处理的消息就越多,单个消息的传输时间就越长,批次数据被压缩,这样可以提升数据的 传输和生存能力,但是需要更多的计算处理。

模式

消息模式schema 有许多选项,像json 和xml ,但是缺乏强类型处理能力,可以使用apache avro,avro 提供了一种紧凑的序列化格式,消息和模式分开, 当模式发生变化时,不需要重新生成代码,还支持强类型和模式进化,数据格式一致性消除了消息读写操作之间的耦合性。

主题和分区

kafka 消息通过主题进行分类,主题类似于数据库表或者文件系统里的文件夹,主题可以被分为若干分区,一个主题通过分区分布于kafka集群中,提供了横向拓展的能力

生产者消费者

生产者创建消息,消费者消费消息 一个消息被发布到一个特定的主题上,生产者在默认情况下把消息均衡地分不到主题的所有分区上: 直接指定消息的分区 根据消息的key散列取模得出分区 轮询指定分区 消费者通过偏移量来区分已经读过的消息,从而消费消息。 消费者是消费组的一部分,消费组保证每个分区只能被一个消费者使用,避免重复消费

broker 和集群

一个独立的kafka 是一个broker,broker 接受来自生产者消息,为消息设置偏移量,并提交到磁盘保存,
broker 为消费者提供服务,对读取分区的请求做出响应,返回已经提交到磁盘上的消息,单个broker 可以轻松处理数千个分区以及每秒百万的消息量。
每个集群都有一个broker是集群控制器(自动从集群的活跃成员中选举出来)控制器负责管理工作:zookeeper 临时分布式锁
    将分区分配给broker
    监控broker
集群的一个分区属于一个broker为分区首领
一个分区可以分配给多个broker,此时会发生分区复制。
分区复制提供了消息冗余,高可用副本分区不负责消息的读写。

producer

生产者创建消息,该角色将消息发布到Kafka 的topic 中broker 接受到生产者发送的消息后,broker 把消息追加到当前用于追加数据的segment 文件中,一般情况下,一个消息会被发布到一个特定的主题上

  1. 默认情况下,通过轮询把消息均衡地发布到主题的所有分区上
  2. 在某些情况下,生产这会把消息直接写到指定的分区,通过消息键和分区器来实现,分区器为键生成一个散列值,将其映射到指定的分区上,这样可保证包含通一个键的消息会被写到同一个分区上。
  3. 生产者也可以使用自定义的分区器,根据不同的业务规则将消息映射到分区。

consumer

消费者读取消息

  1. 消费者订阅一个或者多个主题,并且按照消息生成的顺序读取他们
  2. 消费者通过检查消息的偏移量来区分已经读取过的消息,偏移量是另一种元数据,它是一个不断递增的整数值,在创建消息时,kafka 会把它添加到消息里,在给定的分区里,每个消息的偏移量都是唯一的,消费者把每个分区最后读取的消息偏移量保存在zookeeper 或 kafka 上,如果消费者关闭或重启,他的读取状态不会丢失
  3. 消费者是消费组的一部分,确保每个分区只能被一个消费者使用
  4. 如果一个消费者失效,消费组里的其他消费者可以接管失效消费者的工作,再平衡,分区重新分配

Broker

一个独立的kafka服务器成为broker,broker为消费者提供服务,对读取分区的请求做出响应,返回已经提交到磁盘上的消息。

  1. 如果某topic 有N 个partition ,集群有N个broker,每个broker 存储该topic 的一个partition
  2. 如果某topic 有 N 个partition ,集群有(N+M)个broker,那么其中N个broker 存储该topic 的一个partition,剩下的M个broker 不存储该topic 的partition
  3. 如果某topic 有 N 个partition ,集群中 broker少于N个,那么一个 broker存储该topic 的一个或多个partition ,会造成kafka 集群不均衡

    broker 是集群的组成部分,每个集群都有一个broker, 同时充当了集群控制器的角色 控制器负责管理工作,包括将分区分配给broker 和监控broker 在集群中,一个分区从属于一个broker,该broker被成为分区的首领

Topic

每条发布到kafka 集群的消息都有一个类别,这个类别被称为Topic
物理上不同topic 的消息分开存储
主题就好比数据库的表,尤其是分库分表之后的逻辑表。

Partition

  1. 主题可以被分为若干个分区,一个分区就是一个提交日志
  2. 消息以追加的方式写入分区,然后以先入先出的顺序读取
  3. 无法在整个主题范围内保证消息的顺序,但可以保证消息在单个分区内的顺序
  4. kafka通过分区来实现数据冗余和伸缩性。
  5. 需要严格保证消息的消费顺序的场景下,需要将partition数目设置为1

replicas

kafka使用主题来组织数据,每个主题被分为若干个分区,每个分区有多个副本,那些副本被保存在broker上,每个broker 可以保存成百上千个属于不同主题和分区的副本。 副本有以下两种类型:

  1. 首领副本,每个分区都有一个首领副本,为了保证一致性,所有生产者请求和消费者请求都会经过这个副本。
  2. 跟随者副本,首领副本之外的副本都是跟随者副本,跟随者副本不处理来自客户端的请求,他们的唯一任务就是从首领那里复制消息,保持与首领一致的状态,如果首领发生崩溃,其中的一个跟随者会被提升为新首领。

offset

生产者offset

消息写入的时候,每个分区都有一个offset,这个offset 就是生产者offset,同时也是这个分区的最新最大的offset 有些时候没有指定某一个分区的offset,这个工作kafka帮我们完成

副本

kafka通过副本保证高可用,副本分为首领副本和追随者副本,跟随者副本包括同步副本和不同步副本,在发生首领副本切换时候, 只有同步副本可以切换为首领副本,

AR

分区中的所有副本统称为AR AR=ISR+OSR

ISR

所有与 leader 副本保持一定程度同步的副本,包括leader 组成ISR ,ISR 集合是AR 集合中的一个子集,消息也会发送到leader副本, 然后follower副本才能从leader 副本中拉取消息进行同步,同步期间内follower 副本相对于leader 副本而言会有一定程度的滞后,可以通过参数进行配置。

OSR

与Leader副本同步滞后过多的副本(不包括leader) 副本,组成osr,在正常情况下,所有的follower副本都应该与 Leader 副本保持一定程度的同步,即AR=ISR ,OSR 集合为空。

HW

HW 是High Watermak 的缩写,表示一个特定消息的偏移量,消费只能拉取到这个offset之前的消息

LEO

last end offset 当前日志文件中下一条待写入消息的offset

生产和消费