161 lines
13 KiB
Markdown
161 lines
13 KiB
Markdown
# 深入理解Kafka副本机制
|
||
|
||
<nav>
|
||
<a href="#一Kafka集群">一、Kafka集群</a><br/>
|
||
<a href="#二副本机制">二、副本机制</a><br/>
|
||
<a href="#21-分区和副本">2.1 分区和副本</a><br/>
|
||
<a href="#22-ISR机制">2.2 ISR机制</a><br/>
|
||
<a href="#23-不完全的首领选举">2.3 不完全的首领选举</a><br/>
|
||
<a href="#24-最少同步副本">2.4 最少同步副本</a><br/>
|
||
<a href="#25-发送确认">2.5 发送确认</a><br/>
|
||
<a href="#三数据请求">三、数据请求</a><br/>
|
||
<a href="#31-元数据请求机制">3.1 元数据请求机制</a><br/>
|
||
<a href="#32-数据可见性">3.2 数据可见性</a><br/>
|
||
<a href="#33-零拷贝">3.3 零拷贝</a><br/>
|
||
<a href="#四物理存储">四、物理存储</a><br/>
|
||
<a href="#41-分区分配">4.1 分区分配</a><br/>
|
||
<a href="#42-分区数据保留规则">4.2 分区数据保留规则</a><br/>
|
||
<a href="#43-文件格式">4.3 文件格式</a><br/>
|
||
<a href="#"></a><br/>
|
||
</nav>
|
||
|
||
|
||
## 一、Kafka集群
|
||
|
||
Kafka使用Zookeeper来维护集群成员(brokers)的信息。每个broker都有一个唯一标识`broker.id`，用于标识自己在集群中的身份，可以在配置文件`server.properties`中进行配置，或者由程序自动生成。下面是Kafka brokers集群自动创建的过程：
|
||
|
||
+ 每一个broker启动的时候，它会在Zookeeper的`/brokers/ids`路径下创建一个`临时节点`，并将自己的`broker.id`写入，从而将自身注册到集群；
|
||
+ 当有多个broker时，所有broker会竞争性地在Zookeeper上创建`/controller`节点，由于Zookeeper上的节点不会重复，所以必然只会有一个broker创建成功，此时该broker称为controller broker。它除了具备其他broker的功能外，**还负责管理主题分区及其副本的状态**。
|
||
+ 当broker出现宕机或者主动退出从而导致其持有的Zookeeper会话超时时，会触发注册在Zookeeper上的watcher事件，此时Kafka会进行相应的容错处理；如果宕机的是controller broker时，还会触发新的controller选举。
|
||
|
||
## 二、副本机制
|
||
|
||
为了保证高可用，kafka的分区是多副本的，如果一个副本丢失了，那么还可以从其他副本中获取分区数据。但是这要求对应副本的数据必须是完整的，这是Kafka数据一致性的基础，所以才需要使用`controller broker`来进行专门的管理。下面将详解介绍Kafka的副本机制。
|
||
|
||
### 2.1 分区和副本
|
||
|
||
Kafka 的主题被分为多个分区 ，分区是Kafka最基本的存储单位。每个分区可以有多个副本(可以在创建主题时使用` replication-factor`参数进行指定)。其中一个副本是首领副本(Leader replica)，所有的事件都直接发送给首领副本；其他副本是跟随者副本(Follower replica)，需要通过复制来保持与首领副本数据一致，当首领副本不可用时，其中一个跟随者副本将成为新首领。
|
||
|
||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/kafka-cluster.png"/> </div>
|
||
|
||
### 2.2 ISR机制
|
||
|
||
每个分区都有一个ISR(in-sync Replica)列表，用于维护所有同步的、可用的副本。首领副本必然是同步副本，而对于跟随者副本来说，它需要满足以下条件才能被认为是同步副本：
|
||
|
||
+ 与Zookeeper之间有一个活跃的会话，即必须定时向Zookeeper发送心跳；
|
||
+ 在规定的时间内从首领副本那里低延迟地获取过消息。
|
||
|
||
如果副本不满足上面条件的话，就会被从ISR列表中移除，直到满足条件才会被再次加入。
|
||
|
||
这里给出一个主题创建的示例：使用`--replication-factor`指定副本系数为3，创建成功后使用`--describe `命令可以看到分区0的有0,1,2三个副本，且三个副本都在ISR列表中，其中1为首领副本。
|
||
|
||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/kafka-分区副本.png"/> </div>
|
||
|
||
### 2.3 不完全的首领选举
|
||
|
||
对于副本机制，在broker级别有一个可选的配置参数`unclean.leader.election.enable`，默认值为fasle，代表禁止不完全的首领选举。这是针对当首领副本挂掉且ISR中没有其他可用副本时，是否允许某个不完全同步的副本成为首领副本，这可以会导致数据丢失或者数据不一致，在某些对数据一致性要求较高的场景(如金融领域)，这可能无法容忍的，所以其默认值为false，如果你能够允许部分数据不一致的话，可以配置为true。
|
||
|
||
### 2.4 最少同步副本
|
||
|
||
ISR机制的另外一个相关参数是`min.insync.replicas` , 可以在broker或者主题级别进行配置，代表ISR列表中至少要有几个可用副本。这里假设设置为2，那么当可用副本数量小于该值时，就认为整个分区处于不可用状态。此时客户端再向分区写入数据时候就会抛出异常`org.apache.kafka.common.errors.NotEnoughReplicasExceptoin: Messages are rejected since there are fewer in-sync replicas than required。`
|
||
|
||
### 2.5 发送确认
|
||
|
||
Kafka在生产者上有一个可选的参数ack，该参数指定了必须要有多少个分区副本收到消息，生产者才会认为消息写入是成功的：
|
||
|
||
- acks=0 ：消息发送出去就认为已经成功了，不会等待任何来自服务器的响应；
|
||
- acks=1 ： 只要集群的首领节点收到消息，生产者就会收到一个来自服务器成功响应；
|
||
- acks=all ：只有当所有参与复制的节点全部收到消息时，生产者才会收到一个来自服务器的成功响应。
|
||
|
||
## 三、数据请求
|
||
|
||
### 3.1 元数据请求机制
|
||
|
||
在所有副本中，只有领导副本才能进行消息的读写处理。由于不同分区的领导副本可能在不同的broker上，如果某个broker收到了一个分区请求，但是该分区的领导副本并不在该broker上，那么它就会向客户端返回一个`Not a Leader for Partition`的错误响应。 为了解决这个问题，Kafka提供了元数据请求机制。
|
||
|
||
首先集群中的每个broker都会缓存所有主题的分区副本信息，客户端会定期发送发送元数据请求，然后将获取的元数据进行缓存。定时刷新元数据的时间间隔可以通过为客户端配置`metadata.max.age.ms`来进行指定。
|
||
|
||
如果在定时请求的时间间隔内发生的分区副本的选举，则意味着原来缓存的信息可能已经过时了，此时有可能会收到`Not a Leader for Partition`的错误响应，这种情况下客户端会再次求发出元数据请求，然后刷新本地缓存，之后再去正确的broker上执行对应的操作，过程如下图：
|
||
|
||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/kafka-元数据请求.png"/> </div>
|
||
|
||
### 3.2 数据可见性
|
||
|
||
需要注意的是，并不是所有保存在分区首领上的数据都可以被客户端读取到，为了保证数据一致性，只有被所有同步副本(ISR中所有副本)都保存了的数据才能被客户端读取到。
|
||
|
||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/kafka-数据可见性.png"/> </div>
|
||
|
||
### 3.3 零拷贝
|
||
|
||
Kafka所有数据的写入和读取都是通过零拷贝来实现的。传统拷贝与零拷贝的区别如下：
|
||
|
||
#### 传统模式下的四次拷贝与四次上下文切换
|
||
|
||
以将磁盘文件通过网络发送为例。传统模式下，一般使用如下伪代码所示的方法先将文件数据读入内存，然后通过Socket将内存中的数据发送出去。
|
||
|
||
```java
|
||
buffer = File.read
|
||
Socket.send(buffer)
|
||
```
|
||
|
||
这一过程实际上发生了四次数据拷贝。首先通过系统调用将文件数据读入到内核态Buffer（DMA拷贝），然后应用程序将内存态Buffer数据读入到用户态Buffer（CPU拷贝），接着用户程序通过Socket发送数据时将用户态Buffer数据拷贝到内核态Buffer（CPU拷贝），最后通过DMA拷贝将数据拷贝到NIC Buffer。同时，还伴随着四次上下文切换，如下图所示：
|
||
|
||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/kafka-BIO.png"/> </div>
|
||
|
||
#### sendfile和transferTo实现零拷贝
|
||
|
||
Linux 2.4+内核通过`sendfile`系统调用，提供了零拷贝。数据通过DMA拷贝到内核态Buffer后，直接通过DMA拷贝到NIC Buffer，无需CPU拷贝。这也是零拷贝这一说法的来源。除了减少数据拷贝外，因为整个读文件到网络发送由一个`sendfile`调用完成，整个过程只有两次上下文切换，因此大大提高了性能。零拷贝过程如下图所示：
|
||
|
||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/kafka-零拷贝.png"/> </div>
|
||
|
||
从具体实现来看，Kafka的数据传输通过TransportLayer来完成，其子类`PlaintextTransportLayer`的`transferFrom`方法通过调用Java NIO中FileChannel的`transferTo`方法实现零拷贝，如下所示：
|
||
|
||
```java
|
||
@Override
|
||
public long transferFrom(FileChannel fileChannel, long position, long count) throws IOException {
|
||
return fileChannel.transferTo(position, count, socketChannel);
|
||
}
|
||
```
|
||
|
||
**注：** `transferTo`和`transferFrom`并不保证一定能使用零拷贝。实际上是否能使用零拷贝与操作系统相关，如果操作系统提供`sendfile`这样的零拷贝系统调用，则这两个方法会通过这样的系统调用充分利用零拷贝的优势，否则并不能通过这两个方法本身实现零拷贝。
|
||
|
||
## 四、物理存储
|
||
|
||
### 4.1 分区分配
|
||
|
||
在创建主题时，Kafka会首先决定如何在broker间分配分区副本，它遵循以下原则：
|
||
|
||
+ 在所有broker上均匀地分配分区副本；
|
||
+ 确保分区的每个副本分布在不同的broker上；
|
||
+ 如果使用了`broker.rack`参数为broker指定了机架信息，那么会尽可能的把每个分区的副本分配到不同机架的broker上，以避免一个机架不可用而导致整个分区不可用。
|
||
|
||
基于以上原因，如果你在一个单节点上创建一个3副本的主题，通常会抛出下面的异常：
|
||
|
||
```properties
|
||
Error while executing topic command : org.apache.kafka.common.errors.InvalidReplicationFactor Exception: Replication factor: 3 larger than available brokers: 1.
|
||
```
|
||
|
||
### 4.2 分区数据保留规则
|
||
|
||
保留数据是 Kafka 的一个基本特性， 但是Kafka不会一直保留数据，也不会等到所有消费者都读取了消息之后才删除消息。相反， Kafka为每个主题配置了数据保留期限，规定数据被删除之前可以保留多长时间，或者清理数据之前可以保留的数据量大小。分别对应以下四个参数：
|
||
|
||
- `log.retention.bytes` ：删除数据前允许的最大数据量；默认值-1，代表没有限制；
|
||
- `log.retention.ms`：保存数据文件的毫秒数，如果未设置，则使用`log.retention.minutes`中的值，默认为null；
|
||
- `log.retention.minutes`：保留数据文件的分钟数，如果未设置，则使用`log.retention.hours`中的值，默认为null；
|
||
- `log.retention.hours`：保留数据文件的小时数，默认值为168，也就是一周。
|
||
|
||
因为在一个大文件里查找和删除消息是很费时的，也很容易出错，所以Kafka把分区分成若干个片段，当前正在写入数据的片段叫作活跃片段。活动片段永远不会被删除。如果按照默认值保留数据一周，而且每天使用一个新片段，那么你就会看到，在每天使用一个新片段的同时会删除一个最老的片段，所以大部分时间该分区会有7个片段存在。
|
||
|
||
### 4.3 文件格式
|
||
|
||
通常保存在磁盘上的数据格式与生产者发送过来消息格式是一样的。 如果生产者发送的是压缩过的消息，那么同一个批次的消息会被压缩在一起，被当作“包装消息”进行发送(格式如下所示) ，然后保存到磁盘上。之后消费者读取后再自己解压这个包装消息，获取每条消息的具体信息。
|
||
|
||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/kafka-compress-message.png"/> </div>
|
||
|
||
###
|
||
|
||
## 参考资料
|
||
|
||
1. Neha Narkhede, Gwen Shapira ,Todd Palino(著) , 薛命灯(译) . Kafka权威指南 . 人民邮电出版社 . 2017-12-26
|
||
|
||
2. [Kafka高性能架构之道](http://www.jasongj.com/kafka/high_throughput/) |