实习项目用到了 Kafka，系统学习一下

成都创新互联公司是专业的绿春网站建设公司，绿春接单;提供成都网站建设、网站建设,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行绿春网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!文章目录

• Zookeeper
• • 一 概述
  • 二 数据结构和监听行为
  • 三 功能实现
  • • 1 统一配置管理
    • 2 统一命名管理
    • 3 分布式锁
    • 4 集群管理
• Kafka
• • 一 系统架构
  • • 1 架构图
    • 2 数量关系
    • 3 Consumer 重要参数
  • 二 工作流程
  • • 1 消息写入过程
    • 2 数据不丢失：ACK、ISR
    • 3 数据不重复：幂等性
    • 4 偏移量管理
    • 5 分区分配和重平衡
  • 三 常见问题
  • • 1 Kafka 高效读写原理

Zookeeper

参考链接

一 概述

• 主要用于管理分布式系统
• 客户端 / 服务器结构，类似 Redis
• 可以实现的功能
  • 统一配置管理
  • 统一命名服务
  • 分布式锁
  • 集群管理

二 数据结构和监听行为

• 类似 Unix 文件系统，呈树形结构
• 每个节点是一个 ZNode，节点携带配置文件，也可以有子节点
• 两种 ZNode 节点类型（每种又可分为带序号、不带序号）
  • 短暂 / 临时 Ephemeral：当客户端和服务端断开连接后，节点会自动删除
  • 持久 Persistent：当客户端和服务端断开连接后，节点不会删除
• 两种常用监听方式
  • 监听节点数据变化
  • 监听子节点增减变化

三 功能实现 1 统一配置管理

• 将common.yml放在节点中，系统 A、B、C 监听节点数据有无变更，如变更及时响应

2 统一命名管理

• 类似域名到IP地址的映射，访问节点数据即可获得IP地址

3 分布式锁

• 首先所有系统都尝试访问 /locks 节点，并创建临时的带序号节点
• 如果系统持有编号最小的临时节点时，则认为它获得了锁，否则监听其编号之前的节点状态
• 释放锁时删除临时节点

4 集群管理

• 系统启动时在 /groupMember 节点下创建临时节点，通过监听子节点感知系统状态
• 动态选举Master：如果使用带序号的临时节点，将编号最小的系统作为Master

Kafka 一 系统架构 1 架构图

组件	作用
Producer	消息生产者
Consumer	消息消费者
Consumer Group	消费者组
Broker	Kafka 实例
Topic	消息主题（逻辑概念）
Partition	Topic 分区（物理概念），一个 Topic 可以包含多个分区，单分区内消息有序；每个分区对应一个 Leader 和多个 Follower，仅 Leader 与生产者、消费者交互；Partition 在物理上对应一个文件夹
Segment	Partition 物理上被分成多个 Segment，每个 Segment 对应一个物理文件
Zookeeper	保存元信息，现已废除

2 数量关系

• 同一 Broker 对同一个分区也只能存放一个副本，所以分区副本数不能超过 Broker 数

• 消费者组内的消费者，与分区的关系

  • 同一个组的多个 Consumer 可以消费同一个 Topic 下不同分区的数据
  • 同一个分区只会被同一组内的某个 Consumer 所消费，防止出现组内消息重复消费的问题
  • 一个 Consumer 可以消费同一个 Topic 下的多个分区
    
  • 不同组的 Consumer，可以消费同一个分区的数据
    
  • 通常分区数 >= 一组内的Consumer数，以实现系统的可伸缩性，否则有一些 Consumer 是无法消费的
    

3 Consumer 重要参数

属性值	值	含义
enable_auto_commit	false	自动提交偏移量，当一个Group在一个Topic上提交偏移量时，下次再使用该Group读取该Topic的消息时，就会从偏移量的位置开始读取
session_timeout_ms	…	检测Consumer发生崩溃所需的最长时间。超过该时间Consumer未汇报心跳，则认为Consumer失效，将其移出group
auto_offset_reset	earliest	决定当Group在某Topic上无偏移时，开始读取的位置。设置为earliest使得每次抽样都从Topic的开始位置进行抽样，如果设置为latest就只能抽样那些正在写入消息的Topic
max_poll_records	…	单次poll()的大消息数
group_id	…	Group名
max_poll_interval_ms	…	两次poll()的大间隔时间，超过该时间则认为Consumer失效，将其移出Group
heartbeat_interval_ms	…	Consumer向Cooperator汇报心跳的间隔时间

---

二 工作流程 1 消息写入过程

只有完成所有流程的消息才可以被消费

1. 选择分区，根据以下策略
   • 写入时指定分区
   • 没有指定分区但设置了 Key，则根据 HashCode 选择分区
   • 没有指定分区和 Key，轮询选择分区
2. 获取指定分区 Leader
3. 生产者将消息发送给分区 Leader
4. Leader 将消息写入本地文件
5. 对应的 Follower 从 Leader 拉取消息并写入本地文件
6. Follower 向 Leader 发送 ACK
7. （ACK策略为-1时）Leader 收到所有 ISR Follower 的 ACK 后，向生产者发送 ACK

2 数据不丢失：ACK、ISR

acks	行为
0	生产者发起消息写入请求后，不会等待任何来自 Broker 器的响应（最不安全）
1	生产者发起消息写入请求后，分区的 Leader 成功落盘后，Broker 即向生产者返回成功响应
-1	生产者发起消息写入请求后，ISR 集合中的所有副本都落盘，Broker 才向生产者返回成功响应（最安全）

Kafka 副本备份策略——如何保证消息不丢失

AR（Assigned Repllicas）：一个分区的所有副本
ISR（In-Sync Replicas）：能够和 Leader 保持同步的 Follower + Leader本身 组成的集合
OSR（Out-Sync Relipcas）：不能和 Leader 保持同步的 Follower 集合
AR = ISR + OSR

• Kafka 只保证对 ISR 集合中的所有副本保证完全同步
• ISR 集合是动态调整的，如果一些副本**和 Leader 完全同步两次时间差超过阈值replica.lag.time.max.ms**则被移出 ISR（因为生产者可以批量发送消息，所以不能指定未同步的消息条数作为检测标准）
• 要使消息不丢失，需要满足(acks = -1) && (replication.factor>=2) && (min.insync.replicas>=2)

3 数据不重复：幂等性

• 数据传递语义
  • 至少一次 =(acks = -1) && (replication.factor>=2) && (min.insync.replicas>=2)
  • 最多一次 =(acks = 0)
  • 精确一次 =(幂等性) && (至少一次)
• 幂等性：生产者发送若干次重复的数据，Broker 都只会持久化一次
  • 配置方法 （默认）enable.idempotence = true
  • 判断的标准是，其中 PID 在 Kafka 启动时分配，Partition 代表分区，SeqNumber 自增
  • 仅保证单分区单会话内的幂等性
• 生产者事务
  • 开启事务的前提是开启幂等性
  • 需要给生产者指定全局唯一的事务 ID
  • 开启事务后，即使服务器重启，也能继续处理未完成的事务

4 偏移量管理

• Offset 存放于内置 Topic__consumer_offsets，由 Coordinator 管理

• Consumer 的偏移量是按照 组 + Topic + 分区 进行维护的

• 偏移量相关概念

  • LEO (Last End Offset)：某个分区 Leader 或其 Follower 的下一个 Offset 值
  • HW (High Watermark)：某个分区 ISR 中，LEO 的最小值，仅 HW 之前的消息是已提交的消息，对于消费者可见
    

• 偏移量的提交方式

  1. 自动提交（可能造成重复消费）
     • 指定enable_auto_commit = true和auto_commit_interval_ms设置自动提交间隔
  2. 手动提交（可能造成漏消费）
     • 同步提交 ：consumer.commitSync()提交失败的时候一直尝试提交，直到遇到无法重试的情况下才会结束
     • 异步提交+回调函数：consumer.commitAsync()消费者线程不会阻塞，提交失败的时候也不会进行重试，可以配合回调函数记录错误信息
     • 组合提交：消费时执行异步提交，停止消费后执行同步提交

KafkaConsumerconsumer = new KafkaConsumer(configs);
        consumer.subscribe(Collections.singletonList("topic_0"));
        try {while (true){ConsumerRecordsrecords = consumer.poll(3000);
                for (ConsumerRecordrecord : records) {System.out.println(record.value());
                }
                consumer.commitAsync();  // 异步提交
            }
        } catch (Exception exception){// ...
        } finally {consumer.commitSync();  // 消费者关闭前，或者异步提交发生异常时，使用同步阻塞式提交
            consumer.close();
        }

5 分区分配和重平衡

• 分区分配的目的是，给定一个 Topic 和一个消费者组，决定组内哪个消费者消费 Topic 哪个分区的数据的问题
• 分区分配过程
  1. 同组的所有消费者向 Broker 的 Coordinator 发送 JoinGroup 请求（Broker 和 Coordinator 一一对应，负责管理消费者组）
  2. Coordinator 选出其中一个消费者作为 Leader，并把 Topic 的情况传递给 Leader
  3. Leader 根据指定的分区分配策略，决定消费方案，发送给 Coordinator
  4. Coordinator 将消费方案发送给每个消费者
• 对于同一个 Topic 的分区分配策略partition_assignment_strategy_config
  1.Range：计算每个消费者要消费的分区数，多余的分区分配给前几个消费者（Topic 增加时容易造成消费不均衡）
  2.RoundRobin：轮询向消费者分配分区
  3.Sticy：尽量均匀地分配分区，根据上次的分配结果尽量减少变动
• 重平衡 Rebalance
  • 重平衡是 Kafka 集群的一个保护设定，重新分配每个消费者消费的分区，用于剔除掉无法消费或者过慢的消费者
  • 进行重平衡时 Kafka 基本处于不可用状态，应该尽量避免
  • 发生重平衡的情况：组内消费者数量变化、订阅 Topic 分区数量变化、组订阅 Topic 变化、Coordinator 宕机

---

三 常见问题 1 Kafka 高效读写原理

1. 页缓存

   • Kafka 的数据并不是实时的写入硬盘，当上层有写操作时，操作系统只是将数据写入 PageCache，同时标记为 Dirty
   • 当读操作发生时，先从 PageCache 中查找，如果发生缺页才进行磁盘调度，最终返回需要的数据
   • 避免在 JVM 内部（堆内存）缓存数据，避免 GC 等机制带来的负面影响；如果进程重启，JVM 内的 Cache 会失效，但 PageCache 仍然可用
   • 实际上 PageCache 是把尽可能多的空闲内存都当做了磁盘来使用

2. 零拷贝
   参考链接

   • 作用是在数据报从网络设备到用户程序空间传递的过程中，减少数据拷贝次数，减少系统调用，实现 CPU 的零参与

   • 网络数据持久化到磁盘 (Producer 到 Broker)
     

   • 磁盘文件通过网络发送 (Broker 到 Consumer)
     

3. 磁盘顺序写入

   • 每条消息都是追加方式写入，不会从中间写入和删除消息，保证了磁盘的顺序访问

4. 批量操作

   • 在磁盘顺序写入的场景下有助于性能提升
   • 更大的数据包有利于在网络 I/O 时提高吞吐量

5. 分区并行处理

   • 不同 Partition 可位于不同机器，可以充分利用集群优势，实现机器间的并行处理

你是否还在寻找稳定的海外服务器提供商？创新互联www.cdcxhl.cn海外机房具备T级流量清洗系统配攻击溯源，准确流量调度确保服务器高可用性，企业级服务器适合批量采购，新人活动首月15元起，快前往官网查看详情吧

当前名称：后端学习-Zookeeper&Kafka-创新互联
新闻来源：http://njwzjz.com/article/hpehe.html