一、基本概念
kafka中每条记录包含一个key,一个value和一个时间戳。
Topics
每个Topic,kafka都会维持一个分区日志,每个分区都是有序且不可变
的记录集,分区中的每一个记录都有对应的id表示顺序,kafka中称之为offset。用于唯一的标识分区中的每一条记录。
kafka中增加或者减少消费者对已经存在的消费者消费数据是没有影响的,因为每一个消费者中唯一保存的元数据是offset。
分区
kafka中,每个分区都有一台server作为leader,其他为follwers,leader处理对分区的读写,follwers被动的从leader上同步数据。
每个分区内的记录是有序的,但并不保证主体中不同分区的顺序
消费者
一个消费者组是一个逻辑订阅者
1、如果所有的消费者实例在同一消费组中,消息记录会负载平衡到每一个消费者实例.
2、如果所有的消费者实例在不同的消费组中,每条消息记录会广播到所有的消费者进程.
3、kafka会将topic中的partion划分到每一个消费者实例上,确保每个实例都是分区唯一的消费者,有新的实例加入组或者有实例离开组时,都会动态的接管一些partion。
kafka消费者正是基于以上特点,和传统的消息系统不同,
kafka同时具备队列和发布-订阅的特性
,同一个消费者组中,消费者实例处理消息记录后消息即被丢弃(offset偏移),这是kafka的队列特性,同时,消息可以广播分发给不同消费者组,这是kafka的发布-订阅特性。
kafka相比传统消息系统具备更严格的顺序保证
如下图所示,传统消息系统中,虽然服务器顺序的存储消息并顺序输出,但是消息异步到达消费者,因此在并行消费的情况下,无法保证消息的顺序性。
kafka中,每个partion由一个消费者组中的一个消费者所消费,该消费者即为分区的唯一读者,并按顺序消费数据,因此可以保证消息的顺序性。但是
消费者组中的消费者实例个数不能超过分区的数量
。如果某主题对顺序有强一致性,可以通过kafka的该特性将该主题的数据写入到指定的partion中(我们可通过props.put("partitioner.class","***")指定分区策略),可以通过实现Partitioner接口来自定义我们的分区策略,如果是spring-cloud-stream,可通过下面方式指定分区策略,具体可参考spring-cloud-stream官网说明
@InboundChannelAdapter(channel = Source.OUTPUT, poller = @Poller(fixedRate = "5000"))
public Message<?> generate() {
String value = data[RANDOM.nextInt(data.length)];
System.out.println("Sending: " + value);
return MessageBuilder.withPayload(value)
.setHeader("partitionKey", value)
.build();
kafka集群的扩展
只需要分配新的brokerID并启动就可以加入到集群,但是新加入的broker是不会被分配任何数据分区,直到有新的topic创建。但是可以使用kafka-reassign-partitions.sh工具来重新分配partition
二、kafka的高可靠性
2.1 kafka的存储结构
一个topic可以分为多个partition,而一个partition又可分为多个segment(数据段)。第一个segment命名从0开始,后面每个segment名称为上一个segment最后一条消息的offset。
而每个segment由.index和.log和.timeindex文件组成
index存储元数据,log存储消息, timeindex是kafka的时间日志。元数据指向log文件中message的偏移地址。对应关系如下图所示
2.2 副本同步机制
kafka每个partition都有一个leader和若干个follower, leader对外提供读写能力,follower会不断的向leader发送请求尝试拉取数据,拉取到的数据会写入到本地磁盘。关于副本的同步机制在之前一篇中已经介绍过。https://www.jianshu.com/p/d6bae5407d7f
2.3 kafka零拷贝机制
传统的四次拷贝机制
1、操作系统将数据从磁盘文件读取到内核空间
2、应用从内核空间读入到用户空间
3、应用程序将数据写入到内核空间,放入到socket缓冲区
4、操作系统将数据从socket缓冲区复制到网卡接口
四次拷贝伴随这四次上下文的切换
kafka零拷贝机制
kafka则借助操作系统的sendfile,直接将数据从一个fd传输到另一个fd.
1、网卡直接访问系统主内存,解放了CPU
2、不在需要内核态到用户态的文件拷贝和上线文切换
2.4 kafka的三种消费模式
1、At most once 最多一次
第一步如果先提交offset,第二步再处理消息。如果②之前consumer宕机,则消息4不会被处理,这样就造成消息的丢失。
2、At least once 最少一次
第一步如果先处理消息4,第二步再提交offset。如果②之前consumer宕机,则消息4下次会继续消费,这样就造成重复消费。
3、Exactly once 精确一次
1、依赖业务来实现
即关闭offset自动提交,可以将offset作为关系型数据库的唯一索引,并将①和②放到一个事务中处理。消息处理成功同时提交offset的请求发送成功,提交事务。如果重复处理消息时,在数据库中有相同offset记录则不处理。
2、依赖kafka实现
当从一个 kafka topic 中消费并输出到另一个 topic 时 (正如在一个Kafka Streams 应用中所做的那样),我们可以使用 0.11.0.0 版本中的新事务型 producer,并将 consumer 的位置存储为一个 topic 中的消息,所以我们可以在输出 topic 接收已经被处理的数据的时候,在同一个事务中向 Kafka 写入 offset。如果事务被中断,则消费者的位置将恢复到原来的值,而输出 topic 上产生的数据对其他消费者是否可见,取决于事务的“隔离级别”。 在默认的“read_uncommitted”隔离级别中,所有消息对 consumer 都是可见的,即使它们是中止的事务的一部分,但是在“read_committed”的隔离级别中,消费者只能访问已提交的事务中的消息
附录 kafka和RabbitMQ的区别
kafka结构
一个topic会分散为多个分区存储,分区可以并发消费,所以kafka有非常高的吞吐量。
RabbitMQ结构
RabbitMQ每个broker只有一个master和一个镜像,所有的读写操作都是发生在master队列中,master的单节点导致吞吐量的下降,这是架构设计上的硬伤。
所以从架构上就能看出,如果对并发要求高的系统,选型kafka会更适合。