Kafka設計解析（六）- Kafka高性能架構之道

02-05

原創文章，轉載請務必將下面這段話置於文章開頭處。
本文轉發自技術世界，原文鏈接 http://www.jasongj.com/kafka/high_throughput/

摘要

上一篇文章《Kafka設計解析（五）- Kafka性能測試方法及Benchmark報告》從測試角度說明了Kafka的性能。本文從宏觀架構層面和具體實現層面分析了Kafka如何實現高性能。

宏觀架構層面

利用Partition實現並行處理

Partition提供並行處理的能力

Kafka是一個Pub-Sub的消息系統，無論是發布還是訂閱，都須指定Topic。如《Kafka設計解析（一）- Kafka背景及架構介紹》一文所述，Topic只是一個邏輯的概念。每個Topic都包含一個或多個Partition，不同Partition可位於不同節點。同時Partition在物理上對應一個本地文件夾，每個Partition包含一個或多個Segment，每個Segment包含一個數據文件和一個與之對應的索引文件。在邏輯上，可以把一個Partition當作一個非常長的數組，可通過這個「數組」的索引（offset）去訪問其數據。

一方面，由於不同Partition可位於不同機器，因此可以充分利用集群優勢，實現機器間的並行處理。另一方面，由於Partition在物理上對應一個文件夾，即使多個Partition位於同一個節點，也可通過配置讓同一節點上的不同Partition置於不同的disk drive上，從而實現磁碟間的並行處理，充分發揮多磁碟的優勢。

利用多磁碟的具體方法是，將不同磁碟mount到不同目錄，然後在server.properties中，將log.dirs設置為多目錄（用逗號分隔）。Kafka會自動將所有Partition儘可能均勻分配到不同目錄也即不同目錄（也即不同disk）上。

註：雖然物理上最小單位是Segment，但Kafka並不提供同一Partition內不同Segment間的並行處理。因為對於寫而言，每次只會寫Partition內的一個Segment，而對於讀而言，也只會順序讀取同一Partition內的不同Segment。

Partition是最小並發粒度

如同《Kafka設計解析（四）- Kafka Consumer設計解析》一文所述，多Consumer消費同一個Topic時，同一條消息只會被同一Consumer Group內的一個Consumer所消費。而數據並非按消息為單位分配，而是以Partition為單位分配，也即同一個Partition的數據只會被一個Consumer所消費（在不考慮Rebalance的前提下）。

如果Consumer的個數多於Partition的個數，那麼會有部分Consumer無法消費該Topic的任何數據，也即當Consumer個數超過Partition後，增加Consumer並不能增加並行度。

簡而言之，Partition個數決定了可能的最大並行度。如下圖所示，由於Topic 2隻包含3個Partition，故group2中的Consumer 3、Consumer 4、Consumer 5 可分別消費1個Partition的數據，而Consumer 6消費不到Topic 2的任何數據。

以Spark消費Kafka數據為例，如果所消費的Topic的Partition數為N，則有效的Spark最大並行度也為N。即使將Spark的Executor數設置為N+M，最多也只有N個Executor可同時處理該Topic的數據。

ISR實現可用性與數據一致性的動態平衡

CAP理論

CAP理論是指，分散式系統中，一致性、可用性和分區容忍性最多只能同時滿足兩個。

一致性

通過某個節點的寫操作結果對後面通過其它節點的讀操作可見
如果更新數據後，並發訪問情況下後續讀操作可立即感知該更新，稱為強一致性
如果允許之後部分或者全部感知不到該更新，稱為弱一致性
若在之後的一段時間（通常該時間不固定）後，一定可以感知到該更新，稱為最終一致性

可用性

任何一個沒有發生故障的節點必須在有限的時間內返回合理的結果

分區容忍性

部分節點宕機或者無法與其它節點通信時，各分區間還可保持分散式系統的功能

一般而言，都要求保證分區容忍性。所以在CAP理論下，更多的是需要在可用性和一致性之間做權衡。

常用數據複製及一致性方案

Master-Slave

RDBMS的讀寫分離即為典型的Master-Slave方案
同步複製可保證強一致性但會影響可用性
非同步複製可提供高可用性但會降低一致性

WNR

主要用於去中心化的分散式系統中。DynamoDB與Cassandra即採用此方案或其變種
N代表總副本數，W代表每次寫操作要保證的最少寫成功的副本數，R代表每次讀至少要讀取的副本數
當W+R>N時，可保證每次讀取的數據至少有一個副本擁有最新的數據
多個寫操作的順序難以保證，可能導致多副本間的寫操作順序不一致。Dynamo通過向量時鐘保證最終一致性

Paxos及其變種

Google的Chubby，Zookeeper的原子廣播協議（Zab），RAFT等

基於ISR的數據複製方案

如《 Kafka High Availability（上）》一文所述，Kafka的數據複製是以Partition為單位的。而多個備份間的數據複製，通過Follower向Leader拉取數據完成。從一這點來講，Kafka的數據複製方案接近於上文所講的Master-Slave方案。不同的是，Kafka既不是完全的同步複製，也不是完全的非同步複製，而是基於ISR的動態複製方案。

ISR，也即In-sync Replica。每個Partition的Leader都會維護這樣一個列表，該列表中，包含了所有與之同步的Replica（包含Leader自己）。每次數據寫入時，只有ISR中的所有Replica都複製完，Leader才會將其置為Commit，它才能被Consumer所消費。

這種方案，與同步複製非常接近。但不同的是，這個ISR是由Leader動態維護的。如果Follower不能緊「跟上」Leader，它將被Leader從ISR中移除，待它又重新「跟上」Leader後，會被Leader再次加加ISR中。每次改變ISR後，Leader都會將最新的ISR持久化到Zookeeper中。

至於如何判斷某個Follower是否「跟上」Leader，不同版本的Kafka的策略稍微有些區別。

對於0.8.*版本，如果Follower在replica.lag.time.max.ms時間內未向Leader發送Fetch請求（也即數據複製請求），則Leader會將其從ISR中移除。如果某Follower持續向Leader發送Fetch請求，但是它與Leader的數據差距在replica.lag.max.messages以上，也會被Leader從ISR中移除。
從0.9.0.0版本開始，replica.lag.max.messages被移除，故Leader不再考慮Follower落後的消息條數。另外，Leader不僅會判斷Follower是否在replica.lag.time.max.ms時間內向其發送Fetch請求，同時還會考慮Follower是否在該時間內與之保持同步。
0.10.* 版本的策略與0.9.*版一致

對於0.8.*版本的replica.lag.max.messages參數，很多讀者曾留言提問，既然只有ISR中的所有Replica複製完後的消息才被認為Commit，那為何會出現Follower與Leader差距過大的情況。原因在於，Leader並不需要等到前一條消息被Commit才接收後一條消息。事實上，Leader可以按順序接收大量消息，最新的一條消息的Offset被記為High Wartermark。而只有被ISR中所有Follower都複製過去的消息才會被Commit，Consumer只能消費被Commit的消息。由於Follower的複製是嚴格按順序的，所以被Commit的消息之前的消息肯定也已經被Commit過。換句話說，High Watermark標記的是Leader所保存的最新消息的offset，而Commit Offset標記的是最新的可被消費的（已同步到ISR中的Follower）消息。而Leader對數據的接收與Follower對數據的複製是非同步進行的，因此會出現Commit Offset與High Watermark存在一定差距的情況。0.8.*版本中replica.lag.max.messages限定了Leader允許的該差距的最大值。

Kafka基於ISR的數據複製方案原理如下圖所示。

如上圖所示，在第一步中，Leader A總共收到3條消息，故其high watermark為3，但由於ISR中的Follower只同步了第1條消息（m1），故只有m1被Commit，也即只有m1可被Consumer消費。此時Follower B與Leader A的差距是1，而Follower C與Leader A的差距是2，均未超過默認的replica.lag.max.messages，故得以保留在ISR中。在第二步中，由於舊的Leader A宕機，新的Leader B在replica.lag.time.max.ms時間內未收到來自A的Fetch請求，故將A從ISR中移除，此時ISR={B，C}。同時，由於此時新的Leader B中只有2條消息，並未包含m3（m3從未被任何Leader所Commit），所以m3無法被Consumer消費。第四步中，Follower A恢復正常，它先將宕機前未Commit的所有消息全部刪除，然後從最後Commit過的消息的下一條消息開始追趕新的Leader B，直到它「趕上」新的Leader，才被重新加入新的ISR中。

使用ISR方案的原因

由於Leader可移除不能及時與之同步的Follower，故與同步複製相比可避免最慢的Follower拖慢整體速度，也即ISR提高了系統可用性。
ISR中的所有Follower都包含了所有Commit過的消息，而只有Commit過的消息才會被Consumer消費，故從Consumer的角度而言，ISR中的所有Replica都始終處於同步狀態，從而與非同步複製方案相比提高了數據一致性。
ISR可動態調整，極限情況下，可以只包含Leader，極大提高了可容忍的宕機的Follower的數量。與Majority Quorum方案相比，容忍相同個數的節點失敗，所要求的總節點數少了近一半。

ISR相關配置說明

Broker的min.insync.replicas參數指定了Broker所要求的ISR最小長度，默認值為1。也即極限情況下ISR可以只包含Leader。但此時如果Leader宕機，則該Partition不可用，可用性得不到保證。
只有被ISR中所有Replica同步的消息才被Commit，但Producer發布數據時，Leader並不需要ISR中的所有Replica同步該數據才確認收到數據。Producer可以通過acks參數指定最少需要多少個Replica確認收到該消息才視為該消息發送成功。acks的默認值是1，即Leader收到該消息後立即告訴Producer收到該消息，此時如果在ISR中的消息複製完該消息前Leader宕機，那該條消息會丟失。而如果將該值設置為0，則Producer發送完數據後，立即認為該數據發送成功，不作任何等待，而實際上該數據可能發送失敗，並且Producer的Retry機制將不生效。更推薦的做法是，將acks設置為all或者-1，此時只有ISR中的所有Replica都收到該數據（也即該消息被Commit），Leader才會告訴Producer該消息發送成功，從而保證不會有未知的數據丟失。

具體實現層面

高效使用磁碟

順序寫磁碟

根據《一些場景下順序寫磁碟快於隨機寫內存》所述，將寫磁碟的過程變為順序寫，可極大提高對磁碟的利用率。

Kafka的整個設計中，Partition相當於一個非常長的數組，而Broker接收到的所有消息順序寫入這個大數組中。同時Consumer通過Offset順序消費這些數據，並且不刪除已經消費的數據，從而避免了隨機寫磁碟的過程。

由於磁碟有限，不可能保存所有數據，實際上作為消息系統Kafka也沒必要保存所有數據，需要刪除舊的數據。而這個刪除過程，並非通過使用「讀-寫」模式去修改文件，而是將Partition分為多個Segment，每個Segment對應一個物理文件，通過刪除整個文件的方式去刪除Partition內的數據。這種方式清除舊數據的方式，也避免了對文件的隨機寫操作。

通過如下代碼可知，Kafka刪除Segment的方式，是直接刪除Segment對應的整個log文件和整個index文件而非刪除文件中的部分內容。

/**n * Delete this log segment from the filesystem.n *n * @throws KafkaStorageException if the delete fails.n */ndef delete() {n val deletedLog = log.delete()n val deletedIndex = index.delete()n val deletedTimeIndex = timeIndex.delete()n if(!deletedLog && log.file.exists)n throw new KafkaStorageException("Delete of log " + log.file.getName + " failed.")n if(!deletedIndex && index.file.exists)n throw new KafkaStorageException("Delete of index " + index.file.getName + " failed.")n if(!deletedTimeIndex && timeIndex.file.exists)n throw new KafkaStorageException("Delete of time index " + timeIndex.file.getName + " failed.")n}n

充分利用Page Cache

使用Page Cache的好處如下

I/O Scheduler會將連續的小塊寫組裝成大塊的物理寫從而提高性能
I/O Scheduler會嘗試將一些寫操作重新按順序排好，從而減少磁碟頭的移動時間
充分利用所有空閑內存（非JVM內存）。如果使用應用層Cache（即JVM堆內存），會增加GC負擔
讀操作可直接在Page Cache內進行。如果消費和生產速度相當，甚至不需要通過物理磁碟（直接通過Page Cache）交換數據
如果進程重啟，JVM內的Cache會失效，但Page Cache仍然可用

Broker收到數據後，寫磁碟時只是將數據寫入Page Cache，並不保證數據一定完全寫入磁碟。從這一點看，可能會造成機器宕機時，Page Cache內的數據未寫入磁碟從而造成數據丟失。但是這種丟失只發生在機器斷電等造成操作系統不工作的場景，而這種場景完全可以由Kafka層面的Replication機制去解決。如果為了保證這種情況下數據不丟失而強制將Page Cache中的數據Flush到磁碟，反而會降低性能。也正因如此，Kafka雖然提供了flush.messages和flush.ms兩個參數將Page Cache中的數據強制Flush到磁碟，但是Kafka並不建議使用。

如果數據消費速度與生產速度相當，甚至不需要通過物理磁碟交換數據，而是直接通過Page Cache交換數據。同時，Follower從Leader Fetch數據時，也可通過Page Cache完成。下圖為某Partition的Leader節點的網路/磁碟讀寫信息。

從上圖可以看到，該Broker每秒通過網路從Producer接收約35MB數據，雖然有Follower從該Broker Fetch數據，但是該Broker基本無讀磁碟。這是因為該Broker直接從Page Cache中將數據取出返回給了Follower。

支持多Disk Drive

Broker的log.dirs配置項，允許配置多個文件夾。如果機器上有多個Disk Drive，可將不同的Disk掛載到不同的目錄，然後將這些目錄都配置到log.dirs里。Kafka會儘可能將不同的Partition分配到不同的目錄，也即不同的Disk上，從而充分利用了多Disk的優勢。

零拷貝

Kafka中存在大量的網路數據持久化到磁碟（Producer到Broker）和磁碟文件通過網路發送（Broker到Consumer）的過程。這一過程的性能直接影響Kafka的整體吞吐量。

傳統模式下的四次拷貝與四次上下文切換

以將磁碟文件通過網路發送為例。傳統模式下，一般使用如下偽代碼所示的方法先將文件數據讀入內存，然後通過Socket將內存中的數據發送出去。

buffer = File.readnSocket.send(buffer)n

這一過程實際上發生了四次數據拷貝。首先通過系統調用將文件數據讀入到內核態Buffer（DMA拷貝），然後應用程序將內存態Buffer數據讀入到用戶態Buffer（CPU拷貝），接著用戶程序通過Socket發送數據時將用戶態Buffer數據拷貝到內核態Buffer（CPU拷貝），最後通過DMA拷貝將數據拷貝到NIC Buffer。同時，還伴隨著四次上下文切換，如下圖所示。

sendfile和transferTo實現零拷貝

Linux 2.4+內核通過sendfile系統調用，提供了零拷貝。數據通過DMA拷貝到內核態Buffer後，直接通過DMA拷貝到NIC Buffer，無需CPU拷貝。這也是零拷貝這一說法的來源。除了減少數據拷貝外，因為整個讀文件-網路發送由一個sendfile調用完成，整個過程只有兩次上下文切換，因此大大提高了性能。零拷貝過程如下圖所示。

從具體實現來看，Kafka的數據傳輸通過TransportLayer來完成，其子類PlaintextTransportLayer通過Java NIO的FileChannel的transferTo和transferFrom方法實現零拷貝，如下所示。

@Overridenpublic long transferFrom(FileChannel fileChannel, long position, long count) throws IOException {n return fileChannel.transferTo(position, count, socketChannel);n}n

註： transferTo和transferFrom並不保證一定能使用零拷貝。實際上是否能使用零拷貝與操作系統相關，如果操作系統提供sendfile這樣的零拷貝系統調用，則這兩個方法會通過這樣的系統調用充分利用零拷貝的優勢，否則並不能通過這兩個方法本身實現零拷貝。

減少網路開銷

批處理

批處理是一種常用的用於提高I/O性能的方式。對Kafka而言，批處理既減少了網路傳輸的Overhead，又提高了寫磁碟的效率。

Kafka 0.8.1及以前的Producer區分同步Producer和非同步Producer。同步Producer的send方法主要分兩種形式。一種是接受一個KeyedMessage作為參數，一次發送一條消息。另一種是接受一批KeyedMessage作為參數，一次性發送多條消息。而對於非同步發送而言，無論是使用哪個send方法，實現上都不會立即將消息發送給Broker，而是先存到內部的隊列中，直到消息條數達到閾值或者達到指定的Timeout才真正的將消息發送出去，從而實現了消息的批量發送。

Kafka 0.8.2開始支持新的Producer API，將同步Producer和非同步Producer結合。雖然從send介面來看，一次只能發送一個ProducerRecord，而不能像之前版本的send方法一樣接受消息列表，但是send方法並非立即將消息發送出去，而是通過batch.size和linger.ms控制實際發送頻率，從而實現批量發送。

由於每次網路傳輸，除了傳輸消息本身以外，還要傳輸非常多的網路協議本身的一些內容（稱為Overhead），所以將多條消息合併到一起傳輸，可有效減少網路傳輸的Overhead，進而提高了傳輸效率。

從零拷貝章節的圖中可以看到，雖然Broker持續從網路接收數據，但是寫磁碟並非每秒都在發生，而是間隔一段時間寫一次磁碟，並且每次寫磁碟的數據量都非常大（最高達到718MB/S）。

數據壓縮降低網路負載

Kafka從0.7開始，即支持將數據壓縮後再傳輸給Broker。除了可以將每條消息單獨壓縮然後傳輸外，Kafka還支持在批量發送時，將整個Batch的消息一起壓縮後傳輸。數據壓縮的一個基本原理是，重複數據越多壓縮效果越好。因此將整個Batch的數據一起壓縮能更大幅度減小數據量，從而更大程度提高網路傳輸效率。

Broker接收消息後，並不直接解壓縮，而是直接將消息以壓縮後的形式持久化到磁碟。Consumer Fetch到數據後再解壓縮。因此Kafka的壓縮不僅減少了Producer到Broker的網路傳輸負載，同時也降低了Broker磁碟操作的負載，也降低了Consumer與Broker間的網路傳輸量，從而極大得提高了傳輸效率，提高了吞吐量。

高效的序列化方式

Kafka消息的Key和Payload（或者說Value）的類型可自定義，只需同時提供相應的序列化器和反序列化器即可。因此用戶可以通過使用快速且緊湊的序列化-反序列化方式（如Avro，Protocal Buffer）來減少實際網路傳輸和磁碟存儲的數據規模，從而提高吞吐率。這裡要注意，如果使用的序列化方法太慢，即使壓縮比非常高，最終的效率也不一定高。

Kafka系列文章

Kafka設計解析（一）- Kafka背景及架構介紹
Kafka設計解析（二）- Kafka High Availability （上）
Kafka設計解析（三）- Kafka High Availability （下）
Kafka設計解析（四）- Kafka Consumer設計解析
Kafka設計解析（五）- Kafka性能測試方法及Benchmark報告
Kafka設計解析（六）- Kafka高性能架構之道
Kafka設計解析（七）- Kafka Stream