聊聊Kafka(一)Kafka架構

Kafka架構

• Kafka概念和基本架構
• • Kafka介紹
  • Kafka優勢
  • Kafka應用場景
  • 基本架構
  • • 消息和批次
    • 模式
    • 主題和分區
    • 生産者和消費者
    • broker和叢集
  • 核心概念
  • • Producer
    • Consumer
    • Broker
    • Topic
    • Partition
    • Replicas
    • Offset
    • 副本
• 總結

Kafka概念和基本架構

Kafka介紹

Kafka是最初由Linkedin公司開發，是一個分布式、分區的、多副本的、多生産者、多訂閱者，基于zookeeper協調的分布式日志系統（也可以當做MQ系統），常見可以用于web/nginx日志、通路日志，消息服務等等，Linkedin于2010年獻給了Apache基金會并成為頂級開源項目。

主要應用場景是：日志收集系統和消息系統。

Kafka主要設計目标如下：

• 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級以上資料也能保證常數時間的通路性能。
• 高吞吐率。即使在非常廉價的商用機器上也能做到單機支援每秒100K條消息的傳輸。
• 支援Kafka Server間的消息分區，及分布式消費，同時保證每個partition内的消息順序傳輸。
• 同時支援離線資料處理和實時資料處理。
• 支援線上水準擴充

  

  有兩種主要的消息傳遞模式：點對點傳遞模式、釋出-訂閱模式。大部分的消息系統選用釋出-訂閱模式。Kafka就是一種釋出-訂閱模式。

  對于消息中間件，消息分推拉兩種模式。Kafka隻有消息的拉取，沒有推送，可以通過輪詢實作消息的推送。

1. Kafka在一個或多個可以跨越多個資料中心的伺服器上作為叢集運作。
2. Kafka叢集中按照主題分類管理，一個主題可以有多個分區，一個分區可以有多個副本分區。
3. 每個記錄由一個鍵，一個值和一個時間戳組成。

Kafka具有四個核心API：

1. Producer API：允許應用程式将記錄流釋出到一個或多個Kafka主題。
2. Consumer API：允許應用程式訂閱一個或多個主題并處理為其生成的記錄流。
3. Streams API：允許應用程式充當流處理器，使用一個或多個主題的輸入流，并生成一個或多個輸出主題的輸出流，進而有效地将輸入流轉換為輸出流。
4. Connector API：允許建構和運作将Kafka主題連接配接到現有應用程式或資料系統的可重用生産者或使用者。例如，關系資料庫的連接配接器可能會捕獲對表的所有更改。

Kafka優勢

1. 高吞吐量：單機每秒處理幾十上百萬的消息量。即使存儲了許多TB的消息，它也保持穩定的性能。
2. 高性能：單節點支援上千個用戶端，并保證零停機和零資料丢失。
3. 持久化資料存儲：将消息持久化到磁盤。通過将資料持久化到硬碟以及replication防止資料丢失。
4. 零拷貝
5. 順序讀，順序寫
6. 利用Linux的頁緩存
7. 分布式系統，易于向外擴充。所有的Producer、Broker和Consumer都會有多個，均為分布式的。無需停機即可擴充機器。多個Producer、Consumer可能是不同的應用。
8. 可靠性 - Kafka是分布式，分區，複制和容錯的。
9. 用戶端狀态維護：消息被處理的狀态是在Consumer端維護，而不是由server端維護。當失敗時能自動平衡。
10. 支援online和offline的場景。
11. 支援多種用戶端語言。Kafka支援Java、.NET、PHP、Python等多種語言

Kafka應用場景

• 日志收集：一個公司可以用Kafka可以收集各種服務的Log，通過Kafka以統一接口服務的方式開放給各種Consumer；
• 消息系統：解耦生産者和消費者、緩存消息等；
• 使用者活動跟蹤：Kafka經常被用來記錄Web使用者或者App使用者的各種活動，如浏覽網頁、搜尋、點選等活動，這些活動資訊被各個伺服器釋出到Kafka的Topic中，然後消費者通過訂閱這些Topic來做實時的監控分析，亦可儲存到資料庫；
• 營運名額：Kafka也經常用來記錄營運監控資料。包括收集各種分布式應用的資料，生産各種操作的集中回報，比如報警和報告；
• 流式處理：比如Spark Streaming和Storm。

基本架構

消息和批次

Kafka的資料單元稱為消息。可以把消息看成是資料庫裡的一個“資料行”或一條“記錄”。消息由位元組數組組成。

消息有鍵，鍵也是一個位元組數組。當消息以一種可控的方式寫入不同的分區時，會用到鍵。

為了提高效率，消息被分批寫入Kafka。批次就是一組消息，這些消息屬于同一個主題和分區。

把消息分成批次可以減少網絡開銷。批次越大，機關時間内處理的消息就越多，單個消息的傳輸時間就越長。批次資料會被壓縮，這樣可以提升資料的傳輸和存儲能力，但是需要更多的計算處理。

模式

消息模式（schema）有許多可用的選項，以便于了解。如JSON和XML，但是它們缺乏強類型處理能力。Kafka的許多開發者喜歡使用Apache Avro。Avro提供了一種緊湊的序列化格式，模式和消息體分開。當模式發生變化時，不需要重新生成代碼，它還支援強類型和模式進化，其版本既向前相容，也向後相容。

資料格式的一緻性對Kafka很重要，因為它消除了消息讀寫操作之間的耦合性。

主題和分區

Kafka的消息通過主題進行分類。主題可比是資料庫的表或者檔案系統裡的檔案夾。主題可以被分為若幹分區，一個主題通過分區分布于Kafka叢集中，提供了橫向擴充的能力。

生産者和消費者

生産者建立消息。消費者消費消息。

一個消息被釋出到一個特定的主題上。

生産者在預設情況下把消息均衡地分布到主題的所有分區上：

1. 直接指定消息的分區
2. 根據消息的key散列取模得出分區
3. 輪詢指定分區。

消費者通過偏移量來區分已經讀過的消息，進而消費消息。

消費者是消費組的一部分。消費組保證每個分區隻能被一個消費者使用，避免重複消費。

broker和叢集

一個獨立的Kafka伺服器稱為broker。broker接收來自生産者的消息，為消息設定偏移量，并送出消息到磁盤儲存。broker為消費者提供服務，對讀取分區的請求做出響應，傳回已經送出到磁盤上的消息。單個broker可以輕松處理數千個分區以及每秒百萬級的消息量。

每個叢集都有一個broker是叢集控制器（自動從叢集的活躍成員中選舉出來）。

控制器負責管理工作：

• 将分區配置設定給broker
• 監控broker

叢集中一個分區屬于一個broker，該broker稱為分區首領。

一個分區可以配置設定給多個broker，此時會發生分區複制。

分區的複制提供了消息備援，高可用。副本分區不負責處理消息的讀寫。

核心概念

Producer

生産者建立消息。

該角色将消息釋出到Kafka的topic中。broker接收到生産者發送的消息後，broker将該消息追加到目前用于追加資料的 segment 檔案中。

一般情況下，一個消息會被釋出到一個特定的主題上。

1. 預設情況下通過輪詢把消息均衡地分布到主題的所有分區上。
2. 在某些情況下，生産者會把消息直接寫到指定的分區。這通常是通過消息鍵和分區器來實作的，分區器為鍵生成一個散列值，并将其映射到指定的分區上。這樣可以保證包含同一個鍵的消息會被寫到同一個分區上。
3. 生産者也可以使用自定義的分區器，根據不同的業務規則将消息映射到分區。

Consumer

消費者讀取消息。

1. 消費者訂閱一個或多個主題，并按照消息生成的順序讀取它們。
2. 消費者通過檢查消息的偏移量來區分已經讀取過的消息。偏移量是另一種中繼資料，它是一個不斷遞增的整數值，在建立消息時，Kafka 會把它添加到消息裡。在給定的分區裡，每個消息的偏移量都是唯一的。消費者把每個分區最後讀取的消息偏移量儲存在Zookeeper 或Kafka上，如果消費者關閉或重新開機，它的讀取狀态不會丢失。
3. 消費者是消費組的一部分。群組保證每個分區隻能被一個消費者使用。
4. 如果一個消費者失效，消費組裡的其他消費者可以接管失效消費者的工作，再平衡，分區重新配置設定。

Broker

一個獨立的Kafka 伺服器被稱為broker。

broker 為消費者提供服務，對讀取分區的請求作出響應，傳回已經送出到磁盤上的消息。

1. 如果某topic有N個partition，叢集有N個broker，那麼每個broker存儲該topic的一個partition。
2. 如果某topic有N個partition，叢集有(N+M)個broker，那麼其中有N個broker存儲該topic的一個partition，剩下的M個broker不存儲該topic的partition資料。
3. 如果某topic有N個partition，叢集中broker數目少于N個，那麼一個broker存儲該topic的一個或多個partition。在實際生産環境中，盡量避免這種情況的發生，這種情況容易導緻Kafka叢集資料不均衡。

broker 是叢集的組成部分。每個叢集都有一個broker 同時充當了叢集控制器的角色（自動從叢集的活躍成員中選舉出來）。

控制器負責管理工作，包括将分區配置設定給broker 和監控broker。

在叢集中，一個分區從屬于一個broker，該broker 被稱為分區的首領。

Topic

每條釋出到Kafka叢集的消息都有一個類别，這個類别被稱為Topic。

實體上不同Topic的消息分開存儲。

主題就好比資料庫的表，尤其是分庫分表之後的邏輯表。

Partition

1. 主題可以被分為若幹個分區，一個分區就是一個送出日志。
2. 消息以追加的方式寫入分區，然後以先入先出的順序讀取。
3. 無法在整個主題範圍内保證消息的順序，但可以保證消息在單個分區内的順序。
4. Kafka 通過分區來實作資料備援和伸縮性。
5. 在需要嚴格保證消息的消費順序的場景下，需要将partition數目設為1。

Replicas

Kafka 使用主題來組織資料，每個主題被分為若幹個分區，每個分區有多個副本。那些副本被儲存在broker 上，每個broker 可以儲存成百上千個屬于不同主題和分區的副本。

副本有以下兩種類型：

首領副本

每個分區都有一個首領副本。為了保證一緻性，所有生産者請求和消費者請求都會經過這個副本。

跟随者副本

首領以外的副本都是跟随者副本。跟随者副本不處理來自用戶端的請求，它們唯一的任務就是從首領那裡複制消息，保持與首領一緻的狀态。如果首領發生崩潰，其中的一個跟随者會被提升為新首領。

Offset

生産者Offset

消息寫入的時候，每一個分區都有一個offset，這個offset就是生産者的offset，同時也是這個分區的最新最大的offset。

有些時候沒有指定某一個分區的offset，這個工作kafka幫我們完成。

消費者Offset

這是某一個分區的offset情況，生産者寫入的offset是最新最大的值是12，而當Consumer A進行消費時，從0開始消費，一直消費到了9，消費者的offset就記錄在9，Consumer B就紀錄在了11。等下一次他們再來消費時，他們可以選擇接着上一次的位置消費，當然也可以選擇從頭消費，或者跳到最近的記錄并從“現在”開始消費。

副本

Kafka通過副本保證高可用。副本分為首領副本(Leader)和跟随者副本(Follower)。

跟随者副本包括同步副本和不同步副本，在發生首領副本切換的時候，隻有同步副本可以切換為首領副本。

AR

分區中的所有副本統稱為AR（Assigned Repllicas）。

AR=ISR+OSR

ISR

所有與leader副本保持一定程度同步的副本（包括Leader）組成ISR（In-Sync Replicas），ISR集合是AR集合中的一個子集。消息會先發送到leader副本，然後follower副本才能從leader副本中拉取消息進行同步，同步期間内follower副本相對于leader副本而言會有一定程度的滞後。前面所說的“一定程度”是指可以忍受的滞後範圍，這個範圍可以通過參數進行配置

OSR

與leader副本同步滞後過多的副本（不包括leader）副本，組成OSR(Out-Sync Relipcas)。在正常情況下，所有的follower副本都應該與leader副本保持一定程度的同步，即AR=ISR,OSR集合為空。

HW

HW是High Watermak的縮寫， 俗稱高水位，它表示了一個特定消息的偏移量（offset），消費者隻能拉取到這個offset之前的消息。

LEO

LEO是Log End Offset的縮寫，它表示了目前日志檔案中下一條待寫入消息的offset

總結

本節主要介紹了kafka的架構。