淺談分散式消息技術 Kafka

淺談分散式消息技術 Kafka

Kafka的基本介紹

Kafka是最初由Linkedin公司開發,是一個分散式、分區的、多副本的、多訂閱者,基於zookeeper協調的分散式日誌系統(也可以當做MQ系統),常見可以用於web/nginx日誌、訪問日誌,消息服務等等,Linkedin於2010年貢獻給了Apache基金會並成為頂級開源項目。

主要應用場景是:日誌收集系統和消息系統。(加圖片下方數字來群學習交流)

Kafka主要設計目標如下:

  • 以時間複雜度為O(1)的方式提供消息持久化能力,即使對TB級以上數據也能保證常數時間的訪問性能。
  • 高吞吐率。即使在非常廉價的商用機器上也能做到單機支持每秒100K條消息的傳輸。
  • 支持Kafka Server間的消息分區,及分散式消費,同時保證每個Partition內的消息順序傳輸。
  • 同時支持離線數據處理和實時數據處理。

Kafka的設計原理分析

489034603

一個典型的Kafka集群中包含若干Producer,若干Broker,若干Consumer,以及一個Zookeeper集群。Kafka通過Zookeeper管理集群配置,選舉Leader,以及在Consumer Group發生變化時進行Rebalance。Producer使用push模式將消息發布到Broker,Consumer使用Pull模式從Broker訂閱並消費消息。

Kafka專用術語:

  • Broker:消息中間件處理結點,一個Kafka節點就是一個broker,多個broker可以組成一個Kafka集群。
  • Topic:一類消息,Kafka集群能夠同時負責多個topic的分發。
  • Partition:topic物理上的分組,一個topic可以分為多個partition,每個partition是一個有序的隊列。
  • Segment:partition物理上由多個segment組成。
  • offset:每個partition都由一系列有序的、不可變的消息組成,這些消息被連續的追加到partition中。partition中的每個消息都有一個連續的序列號叫做offset,用於partition唯一標識一條消息。
  • Producer:負責發布消息到Kafka broker。
  • Consumer:消息消費者,向Kafka broker讀取消息的客戶端。
  • Consumer Group:每個Consumer屬於一個特定的Consumer Group。

Kafka數據傳輸的事務特點(加圖片下方數字來群學習交流)

  • At most once:最多一次,這個和JMS中"非持久化"消息類似,發送一次,無論成敗,將不會重發。消費者fetch消息,然後保存offset,然後處理消息;當client保存offset之後,但是在消息處理過程中出現了異常,導致部分消息未能繼續處理。那麼此後"未處理"的消息將不能被fetch到,這就是"at most once"。
  • At least once:消息至少發送一次,如果消息未能接受成功,可能會重發,直到接收成功。消費者fetch消息,然後處理消息,然後保存offset。如果消息處理成功之後,但是在保存offset階段zookeeper異常導致保存操作未能執行成功,這就導致接下來再次fetch時可能獲得上次已經處理過的消息,這就是"at least once",原因offset沒有及時的提交給zookeeper,zookeeper恢復正常還是之前offset狀態。
  • Exactly once:消息只會發送一次。kafka中並沒有嚴格的去實現(基於2階段提交),我們認為這種策略在kafka中是沒有必要的。

通常情況下"at-least-once"是我們首選。

Kafka消息存儲格式

Topic & Partition

一個Topic可以認為一個一類消息,每個Topic將被分成多個Partition,每個Partition在存儲層面是Append Log文件。

489034603

在Kafka文件存儲中,同一個Topic下有多個不同Partition,每個Partition為一個目錄,Partiton命名規則為Topic名稱+有序序號,第一個Partiton序號從0開始,序號最大值為Partitions數量減1。

489034603

  • 每個Partion(目錄)相當於一個巨型文件被平均分配到多個大小相等Segment(段)數據文件中。但每個段Segment file消息數量不一定相等,這種特性方便old segment file快速被刪除。
  • 每個Partiton只需要支持順序讀寫就行了,segment文件生命周期由服務端配置參數決定。

這樣做的好處就是能快速刪除無用文件,有效提高磁碟利用率。

  • Segment file組成:由2大部分組成,分別為index file和data file,此2個文件一一對應,成對出現,後綴".index"和「.log」分別表示為segment索引文件、數據文件.
  • Segment文件命名規則:Partion全局的第一個Segment從0開始,後續每個Segment文件名為上一個Segment文件最後一條消息的Offset值。數值最大為64位long大小,19位數字字元長度,沒有數字用0填充。

Segment中index與data file對應關係物理結構如下:

上圖中索引文件存儲大量元數據,數據文件存儲大量消息,索引文件中元數據指向對應數據文件中message的物理偏移地址。

其中以索引文件中元數據3,497為例,依次在數據文件中表示第3個message(在全局partiton表示第368772個message),以及該消息的物理偏移地址為497。

了解到Segment data file由許多message組成,下面詳細說明message物理結構如下:

參數說明:

關鍵字解釋說明8 byte offset在parition(分區)內的每條消息都有一個有序的id號,這個id號被稱為偏移(offset),它可以唯一確定每條消息在parition(分區)內的位置。即offset表示partiion的第多少message4 byte message sizemessage大小4 byte CRC32用crc32校驗message1 byte 「magic"表示本次發布Kafka服務程序協議版本號1 byte 「attributes"表示為獨立版本、或標識壓縮類型、或編碼類型。4 byte key length表示key的長度,當key為-1時,K byte key欄位不填K byte key可選value bytes payload表示實際消息數據。

副本(replication)策略

Kafka的高可靠性的保障來源於其健壯的副本(replication)策略。(加圖片下方數字來群學習交流)

1. 數據同步

Kafka在0.8版本前沒有提供Partition的Replication機制,一旦Broker宕機,其上的所有Partition就都無法提供服務,而Partition又沒有備份數據,數據的可用性就大大降低了。所以0.8後提供了Replication機制來保證Broker的failover。

引入Replication之後,同一個Partition可能會有多個Replica,而這時需要在這些Replication之間選出一個Leader,Producer和Consumer只與這個Leader交互,其它Replica作為Follower從Leader中複製數據。

489034603

2. 副本放置策略

為了更好的做負載均衡,Kafka盡量將所有的Partition均勻分配到整個集群上。

Kafka分配Replica的演算法如下:

  • 將所有存活的N個Brokers和待分配的Partition排序
  • 將第i個Partition分配到第(i mod n)個Broker上,這個Partition的第一個Replica存在於這個分配的Broker上,並且會作為partition的優先副本
  • 將第i個Partition的第j個Replica分配到第((i + j) mod n)個Broker上

假設集群一共有4個brokers,一個Topic有4個partition,每個Partition有3個副本。下圖是每個Broker上的副本分配情況。

489034603

3. 同步策略

Producer在發布消息到某個Partition時,先通過ZooKeeper找到該Partition的Leader,然後無論該Topic的Replication Factor為多少,Producer只將該消息發送到該Partition的Leader。Leader會將該消息寫入其本地Log。每個Follower都從Leader pull數據。這種方式上,Follower存儲的數據順序與Leader保持一致。Follower在收到該消息並寫入其Log後,向Leader發送ACK。一旦Leader收到了ISR中的所有Replica的ACK,該消息就被認為已經commit了,Leader將增加HW並且向Producer發送ACK。

為了提高性能,每個Follower在接收到數據後就立馬向Leader發送ACK,而非等到數據寫入Log中。因此,對於已經commit的消息,Kafka只能保證它被存於多個Replica的內存中,而不能保證它們被持久化到磁碟中,也就不能完全保證異常發生後該條消息一定能被Consumer消費。

Consumer讀消息也是從Leader讀取,只有被commit過的消息才會暴露給Consumer。

Kafka Replication的數據流如下圖所示:

489034603

對於Kafka而言,定義一個Broker是否「活著」包含兩個條件:

  • 一是它必須維護與ZooKeeper的session(這個通過ZooKeeper的Heartbeat機制來實現)。
  • 二是Follower必須能夠及時將Leader的消息複製過來,不能「落後太多」。

Leader會跟蹤與其保持同步的Replica列表,該列表稱為ISR(即in-sync Replica)。如果一個Follower宕機,或者落後太多,Leader將把它從ISR中移除。這裡所描述的「落後太多」指Follower複製的消息落後於Leader後的條數超過預定值或者Follower超過一定時間未向Leader發送fetch請求。

Kafka只解決fail/recover,一條消息只有被ISR里的所有Follower都從Leader複製過去才會被認為已提交。這樣就避免了部分數據被寫進了Leader,還沒來得及被任何Follower複製就宕機了,而造成數據丟失(Consumer無法消費這些數據)。而對於Producer而言,它可以選擇是否等待消息commit。這種機制確保了只要ISR有一個或以上的Follower,一條被commit的消息就不會丟失。

4. leader選舉

Leader選舉本質上是一個分散式鎖,有兩種方式實現基於ZooKeeper的分散式鎖:

  • 節點名稱唯一性:多個客戶端創建一個節點,只有成功創建節點的客戶端才能獲得鎖
  • 臨時順序節點:所有客戶端在某個目錄下創建自己的臨時順序節點,只有序號最小的才獲得鎖

Majority Vote的選舉策略和ZooKeeper中的Zab選舉是類似的,實際上ZooKeeper內部本身就實現了少數服從多數的選舉策略。kafka中對於Partition的leader副本的選舉採用了第一種方法:為Partition分配副本,指定一個ZNode臨時節點,第一個成功創建節點的副本就是Leader節點,其他副本會在這個ZNode節點上註冊Watcher監聽器,一旦Leader宕機,對應的臨時節點就會被自動刪除,這時註冊在該節點上的所有Follower都會收到監聽器事件,它們都會嘗試創建該節點,只有創建成功的那個follower才會成為Leader(ZooKeeper保證對於一個節點只有一個客戶端能創建成功),其他follower繼續重新註冊監聽事件。(加圖片下方數字來群學習交流)

Kafka消息分組,消息消費原理

同一Topic的一條消息只能被同一個Consumer Group內的一個Consumer消費,但多個Consumer Group可同時消費這一消息。

489034603

這是Kafka用來實現一個Topic消息的廣播(發給所有的Consumer)和單播(發給某一個Consumer)的手段。一個Topic可以對應多個Consumer Group。如果需要實現廣播,只要每個Consumer有一個獨立的Group就可以了。要實現單播只要所有的Consumer在同一個Group里。用Consumer Group還可以將Consumer進行自由的分組而不需要多次發送消息到不同的Topic。

Push vs. Pull

作為一個消息系統,Kafka遵循了傳統的方式,選擇由Producer向broker push消息並由Consumer從broker pull消息。

push模式很難適應消費速率不同的消費者,因為消息發送速率是由broker決定的。push模式的目標是儘可能以最快速度傳遞消息,但是這樣很容易造成Consumer來不及處理消息,典型的表現就是拒絕服務以及網路擁塞。而pull模式則可以根據Consumer的消費能力以適當的速率消費消息。

對於Kafka而言,pull模式更合適。pull模式可簡化broker的設計,Consumer可自主控制消費消息的速率,同時Consumer可以自己控制消費方式——即可批量消費也可逐條消費,同時還能選擇不同的提交方式從而實現不同的傳輸語義。

Kafak順序寫入與數據讀取

生產者(producer)是負責向Kafka提交數據的,Kafka會把收到的消息都寫入到硬碟中,它絕對不會丟失數據。為了優化寫入速度Kafak採用了兩個技術,順序寫入和MMFile。

順序寫入

因為硬碟是機械結構,每次讀寫都會定址,寫入,其中定址是一個「機械動作」,它是最耗時的。所以硬碟最「討厭」隨機I/O,最喜歡順序I/O。為了提高讀寫硬碟的速度,Kafka就是使用順序I/O。

每條消息都被append到該Partition中,屬於順序寫磁碟,因此效率非常高。

對於傳統的message queue而言,一般會刪除已經被消費的消息,而Kafka是不會刪除數據的,它會把所有的數據都保留下來,每個消費者(Consumer)對每個Topic都有一個offset用來表示讀取到了第幾條數據。

即便是順序寫入硬碟,硬碟的訪問速度還是不可能追上內存。所以Kafka的數據並不是實時的寫入硬碟,它充分利用了現代操作系統分頁存儲來利用內存提高I/O效率。

在Linux Kernal 2.2之後出現了一種叫做「零拷貝(zero-copy)」系統調用機制,就是跳過「用戶緩衝區」的拷貝,建立一個磁碟空間和內存空間的直接映射,數據不再複製到「用戶態緩衝區」系統上下文切換減少2次,可以提升一倍性能。

通過mmap,進程像讀寫硬碟一樣讀寫內存(當然是虛擬機內存)。使用這種方式可以獲取很大的I/O提升,省去了用戶空間到內核空間複製的開銷(調用文件的read會把數據先放到內核空間的內存中,然後再複製到用戶空間的內存中。)

消費者(讀取數據)

試想一下,一個Web Server傳送一個靜態文件,如何優化?答案是zero copy。傳統模式下我們從硬碟讀取一個文件是這樣的。

489034603

先複製到內核空間(read是系統調用,放到了DMA,所以用內核空間),然後複製到用戶空間(1、2);從用戶空間重新複製到內核空間(你用的socket是系統調用,所以它也有自己的內核空間),最後發送給網卡(3、4)。

Zero Copy中直接從內核空間(DMA的)到內核空間(Socket的),然後發送網卡。這個技術非常普遍,Nginx也是用的這種技術。

實際上,Kafka把所有的消息都存放在一個一個的文件中,當消費者需要數據的時候Kafka直接把「文件」發送給消費者。當不需要把整個文件發出去的時候,Kafka通過調用Zero Copy的sendfile這個函數,這個函數包括:

  • out_fd作為輸出(一般及時socket的句柄)
  • in_fd作為輸入文件句柄
  • off_t表示in_fd的偏移(從哪裡開始讀取)
  • size_t表示讀取多少個

本文轉載自 linkedkeeper.com (文/張松然)

推薦閱讀:

kafka消費者組數量較大對性能有什麼影響?
知識布局-大數據apache基礎組件安裝文檔-kafka
Kafka(二)高可用系統設計心得
為何流處理最近很火,而同根的複雜事件處理一直不溫不火?

TAG:Kafka | 分散式系統 |