Apache Kafka Notes


Kafka简介

  • 分布式日志分发系统，可用于消息队列
  • 创建背景
    • LinkedIn开发，2011年贡献给Apache基金会
    • 使用 Scala 编写
  • 设计目标
    • 以时间复杂度为O(1)的方式提供消息持久化能力，即使对TB级以上数据也能保证常数时间复杂度的访问性能。
    • 高吞吐率。即使在非常廉价的商用机器上也能做到单机支持每秒100K条以上消息的传输。
    • 支持Kafka Server间的消息分区，及分布式消费，同时保证每个Partition内的消息顺序传输。
    • 同时支持离线数据处理和实时数据处理。
    • Scale out：支持在线水平扩展。
  • 和常用MQ对比
    • 吞吐快
  • 与ZooKeeper配合使用

Performance Numbers

Kafka架构

Terminology

Broker
Kafka物理机器节点，一个Kafka集群包含多个Kafka Broker

Topic
消息的类别（逻辑上概念）

Partition
消息存储物理上的概念

Producer
消息生产者

Consumer
消息消费者

Consumer Group
每个Consumer属于一个特定的Consumer Group（可为每个Consumer指定group name，若不指定group name则属于默认的group）

拓扑结构

Topological graph

  • Kafka通过Zookeeper管理集群配置，选举leader，以及在Consumer Group发生变化时进行rebalance。
  • Producer使用push模式将消息发布到broker，Consumer使用pull模式从broker订阅并消费消息。

Topic & Partition

  • Topic在逻辑上可以被认为是一个queue，每条消费都必须指定它的Topic
  • 物理上把Topic分成一个或多个Partition，每个Partition在物理上对应一个文件夹，该文件夹下存储这个Partition的所有消息和索引文件。
  • 消息文件会分成多个segment，每个segment以该segment第一条消息的offset命名并以“.kafka”为后缀。
  • 索引文件标明了每个segment下包含的消息的offset范围，如下图所示。

Segment offset

  • 在一个Partition上，每条消息都是顺序写入，因此在一个Partition上是有时序的。

Partition Order

Producer消息路由

通过指定key将消息发送到某个Partition。

Consumer Group

同一Topic的一条消息只能被同一个Consumer Group内的一个Consumer消费，但多个Consumer Group可同时消费这一消息。

Queue

HA

Replica 分配策略

尽量将所有的Partition均匀分配到整个集群上。
Replica分配算法如下：

  • 将所有Broker（假设共n个Broker）和待分配的Partition排序
  • 将第i个Partition分配到第（i mod n）个Broker上
  • 将第i个Partition的第j个Replica分配到第（(i + j) mode n）个Broker上

消息接受

  1. Producer通过ZooKeeper找到Partition的Leader，只将消息发给Leader
  2. Follower从Leader pull数据，在接收到数据后就立马向Leader发送ACK。（一个在性能和持久化上比较好的平衡）
  3. 一旦Leader收到了ISR中的所有Replica的ACK，就认为已经commit，Leader将增加HW并且向Producer发送ACK。

对于已经commit的消息，Kafka只能保证它被存于多个Replica的内存中，而不能保证它们被持久化到磁盘中，也就不能完全保证异常发生后该条消息一定能被Consumer消费。但这种场景非常少见

Leader会跟踪与其保持同步的Replica列表，该列表称为ISR（即in-sync Replica）。如果一个Follower宕机，或者落后太多，Leader将把它从ISR中移除。

Leader Election

ISR谁先连接到就是谁

赏

很惭愧，就做了一点微小的工作

支付宝
微信

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

一个人的命运啊，当然要靠自我奋斗，但是也要考虑到历史的行程。

很惭愧，就做了一点微小的工作，谢谢大家。