电商网站开发思路模版,怎么在百度发布信息,小程序 企业网站,百度免费校园网站建设文章目录 1 Kafka简介2 Kafka的架构2.1 Kafka 一些重要概念2.2 工作流程2.3 副本原理2.4 分区和主题的关系2.5 生产者2.5.1 分区可以水平扩展2.5.2 分区策略 2.6 消费者2.6.1 消费方式2.6.2 分区分配策略 2.7 数据可靠性保证2.7.1 副本数据同步策略2.7.2 ACK 应答机制2.7.3 可靠… 文章目录 1 Kafka简介2 Kafka的架构2.1 Kafka 一些重要概念2.2 工作流程2.3 副本原理2.4 分区和主题的关系2.5 生产者2.5.1 分区可以水平扩展2.5.2 分区策略 2.6 消费者2.6.1 消费方式2.6.2 分区分配策略 2.7 数据可靠性保证2.7.1 副本数据同步策略2.7.2 ACK 应答机制2.7.3 可靠性指标 总结 1 Kafka简介
Kafka 本质上是一个 MQMessage Queue使用消息队列的优点
解耦允许独立的扩展或修改队列两边的处理过程。可恢复性即使一个处理消息的进程挂掉加入队列中的消息仍然可以在系统恢复后被处理。缓冲有助于解决生产消息和消费消息的处理速度不一致的情况。灵活性和峰值处理能力不会因为突发的超负荷的请求而完全崩溃消息队列能够使关键组件顶住突发的访问压力。异步通信消息队列允许用户把消息放入队列但不立即处理它。
2 Kafka的架构 Kafka只写数据到leader副本也只从leader副本获取数据。如果leader失效会重新选择出leader。 优点类似MySQL的主从关系写数据都是到主机里面但是读数据不一样Kafka读数据只能从主机里面读。
Kafka 存储的消息来自任意多被称为 Producer 生产者的进程。数据从而可以被发布到不同的 Topic 主题下的不同 Partition 分区。在一个分区内这些消息被索引并连同时间戳存储在一起。其它被称为 Consumer 消费者的进程可以从分区订阅消息。Kafka 运行在一个由一台或多台服务器组成的集群上并且分区可以跨集群结点分布。
2.1 Kafka 一些重要概念
Producer消息生产者向 Kafka Broker 发消息的客户端。Consumer消息消费者从 Kafka Broker 获取消息的客户端。Consumer Group消费者组CG消费者组内每个消费者负责消费不同分区的数据提高消费能力。一个分区只能由组内一个消费者消费消费者组之间互不影响。所有的消费者都属于某个消费者组即消费者组是逻辑上的一个订阅者。Broker一台 Kafka 机器就是一个 Broker。一个集群(kafka cluster)由多个 Broker 组成。一个Broker 可以容纳多个 Topic。Topic可以理解为一个队列Topic 将消息分类生产者和消费者面向的是同一个Topic。Partition为了实现扩展性提高并发能力一个非常大的 Topic 可以分布到多个 Broker 即服务器上一个 Topic 可以分为多个 Partition同一个topic在不同的分区的数据是不重复的每个 Partition 是一个有序的队列其表现形式就是一个一个的文件夹。Replication每一个分区都有多个副本副本的作用是做备胎。当主分区Leader故障的时候会选择一个备胎Follower上位成为Leader。在kafka中默认副本的最大数量是10个且副本的数量不能大于Broker的数量follower和leader绝对是在不同的机器同一机器对同一个分区也只可能存放一个副本包括自己。Message消息每一条发送的消息主体。Leader每个分区多个副本的“主”副本生产者发送数据的对象以及消费者消费数据的对象都是 Leader。Follower每个分区多个副本的“从”副本实时从 Leader 中同步数据保持和 Leader 数据的同步。Leader 发生故障时某个 Follower 还会成为新的 Leader。Offset消费者消费的位置信息监控数据消费到什么位置当消费者挂掉再重新恢复的时候可以从消费位置继续消费。同一主题不同的分区它们的offset是独立的。ZooKeeperKafka 集群能够正常工作需要依赖于 ZooKeeperZooKeeper 帮助 Kafka 存储和管理集群信息。
2.2 工作流程 不同的partition的offerset 是独立的。Kafka 中消息是以 Topic 进行分类的生产者生产消息消费者消费消息面向的都是同一个 Topic。Topic 是逻辑上的概念而 Partition 是物理上的概念每个 Partition 对应于一个 log 文件该 log 文件中存储的就是 Producer 生产的数据。Producer 生产的数据会不断追加到该 log 文件末端顺序写且每条数据都有自己的 Offset。消费者组中的每个消费者都会实时记录自己消费到了哪个 Offset以便出错恢复时从上次的位置继续消费。日志默认在/tmp/kafka-logs
2.3 副本原理
副本机制Replication也可以称之为备份机制通常是指分布式系统在多台网络互联的机器上保存有相同的数据拷贝。副本机制的好处在于
提供数据冗余即提高可用性。提供高伸缩性支撑更高的读请求量。改善数据局部性降低系统延时。
目前Kafka只实现了副本机制带来的第 1 个好处即是提供数据冗余实现高可用性和高持久性。
在kafka生产环境中每台 Broker 都可能保存有各个主题下不同分区的不同副本因此单个 Broker上存有成百上千个副本的现象是非常正常的。
比如了一个有 3 台 Broker 的 Kafka 集群上的副本分布情况。主题 1 分区 0 的 3 个副本分散在 3 台 Broker 上其他主题分区的副本也都散落在不同的 Broker 上从而实现数据冗余。 Kafka是基于领导者Leader-based的副本机制
在 Kafka 中副本分成两类领导者副本和追随者副本。每个分区在创建时都要选举一个副本称为领导者副本其余的副本自动称为追随者副本。Kafka 副本机制中的追随者副本是不对外提供服务的。当领导者副本挂掉了或领导者副本所在的 Broker 宕机时Kafka 依托于 ZooKeeper 提供的监控功能能够实时感知到并立即开启新一轮的领导者选举从追随者副本中选一个作为新的领导者。老 Leader 副本重启回来后只能作为追随者副本加入到集群中。
2.4 分区和主题的关系
一个分区只属于一个主题。一个主题可以有多个分区。同一主题的不同分区内容不一样每个分区有自己独立的offset。同一主题不同的分区能够放置到不同节点的broker。分区规则设置得当可以使得同一主题的消息均匀落在不同的分区。
2.5 生产者
生产者是数据的入口。Producer在写入数据的时候永远是找leader不会直接将数据写入follower。
2.5.1 分区可以水平扩展
Kafka 的消息组织方式实际上是三级结构主题 - 分区 - 消息。主题下的每条消息只会保存在某一个分区中而不会在多个分区中被保存多份。
分区的作用主要提供负载均衡的能力能够实现系统的高伸缩性Scalability)。不同的分区能够被放置到不同节点的机器上而数据的读写操作也都是针对分区这个粒度而进行的这样每个节点的机器都能独立地执行各自分区的读写请求处理。这样当性能不足的时候可以通过添加新的节点机器来增加整体系统的吞吐量。
分区原则需要将 Producer 发送的数据封装成一个 ProducerRecord 对象。 该对象需要指定一些参数
topicstring 类型NotNull。partitionint 类型可选。timestamplong 类型可选。keystring 类型可选。valuestring 类型可选。headersarray 类型Nullable。
2.5.2 分区策略
所谓分区策略是决定生产者将消息发送到哪个分区的算法。Kafka 为我们提供了默认的分区策略同时它也支持自定义分区策略。
1轮询策略。 Round-robin 策略即顺序分配。比如一个主题下有 3 个分区那么第一条消息被发送到分区 0第二 条被发送到分区 1第三条被发送到分区 2以此类推。当生产第 4 条消息时又会重新开始即将其分 配到分区 0 轮询策略有非常优秀的负载均衡表现它总是能保证消息最大限度地被平均分配到所有分区上故默认 情况下它是最合理的分区策略也是我们最常用的分区策略之一。
2随机策略-Randomness 策略。 随机就是我们随意地将消息放置到任意一个分区上如下面这张图所示。 随机策略是老版本生产者使用的分区策略在新版本中已经改为轮询了。
3按消息键保序策略-Key-ordering 策略。 Kafka 允许为每条消息定义消息键简称为 Key。这个 Key 的作用非常大它可以是一个有着明确业务 含义的字符串比如客户代码、部门编号或是业务 ID 等也可以用来表征消息元数据。特别是在 Kafka 不支持时间戳的年代在一些场景中工程师们都是直接将消息创建时间封装进 Key 里面的。一旦消息 被定义了 Key那么你就可以保证同一个 Key 的所有消息都进入到相同的分区里面由于每个分区下的 消息处理都是有顺序的故这个策略被称为按消息键保序策略。 key1 — 落在同一分区 key2 — 落在同一个分区
4默认分区规则。
如果指定的partition那么直接进入该partition。如果没有指定partition但是指定了key使用key的 hash一选择partition。如果既没有指定partition也没有指定key使用轮询一的方式进入partition。
2.6 消费者
传统的消息队列模型的消息一旦被消费就会从队列中被删除而且只能被下游的一个Consumer 消费。这种模型的伸缩性scalability很差因为下游的多个 Consumer 都要“抢”这个共享消息队列的消息。发布 / 订阅模型倒是允许消息被多个 Consumer 消费但它的问题也是伸缩性不高因为每个订阅者都必须要订阅主题的所有分区。这种全量订阅的方式既不灵活也会影响消息的真实投递效果。
当 Consumer Group 订阅了多个主题后组内的每个实例不要求一定要订阅主题的所有分区它只会消 费部分分区中的消息。Consumer Group 之间彼此独立互不影响它们能够订阅相同的一组主题而互 不干涉。再加上 Broker 端的消息留存机制Kafka 的 Consumer Group 完美地规避了上面提到的伸缩 性差的问题。可以这么说Kafka 仅仅使用 Consumer Group 这一种机制却同时实现了传统消息引擎 系统的两大模型
如果所有实例消费者都属于同一个 Group那么它实现的就是点对点消息队列模型如果所有实例消费者分别属于不同的 Group那么它实现的就是发布 / 订阅模型。
2.6.1 消费方式
Consumer 采用 Pull拉取模式从 Broker 中读取数据。
Pull 模式则可以根据 Consumer 的消费能力以适当的速率消费消息。Pull 模式不足之处是如果 Kafka没有数据消费者可能会陷入循环中一直返回空数据。 因为消费者从 Broker 主动拉取数据需要维护一个长轮询针对这一点 Kafka 的消费者在消费数据时会传入一个时长参数 timeout。如果当前没有数据可供消费Consumer 会等待一段时间之后再返回这段时长即为 timeout。
2.6.2 分区分配策略
一个消费者可以订阅多个主题可以去消费多个分区一个分区不支持多个消费者同一个消费组读 取。
一个消费者组中有多个 consumer一个 topic 有多个 partition所以必然会涉及到 partition 的分 配问题即确定那个 partition 由哪个 consumer 来消费。当消费者组里面的消费者个数发生改变的时 候也会触发再平衡。
Kafka 有四种分配策略可以通过参数 partition.assignment.strategy 来配置默认 Range CooperativeSticky。
RoundRobin针对集群中的所有topic轮询的方式依次将分区分配给消费者。Range默认为Range针对每个topic通过 分区数 / 消费者数 决定每个消费者消费几个分区。如果除不尽则前面几个消费者会多消费1个分区最好要保证分区数量可以整除消费者数量不然会随着topic数量的增多数据倾斜会越严重。Sticky首先会尽量均衡放置分区到消费者上面出现同一消费组内消费者出现问题的时候会尽量保持原有分配的分区不变化。CooperativeSticky在不停止消费的情况下进行增量再平衡。
1RangeAssignor分配策略 RangeAssignor 分配策略的原理是按照消费者总数和分区总数进行整除运算来获得一个跨度 然后将分 区按照跨度进行平均分配以保证分区尽可能均匀地分配给所有的消费者。
每一个主题RangeAssignor策略会将消费组内所有订阅这个主题的消费者按照名称的字典序排序然 后为每个消费者划分固定的分区范围如果不够平均分配那么字典序靠前的消费者会被多分配一个分 区。
假设n 分区数消费者数量m 分区数消费者数量那么前m个消费者每个分配n1个分区后面 的消费者数量-m)个消费者每个分配n个分区。
假设消费组内有2个消费者C0和C1都订阅了主题t0和t1, 并且每个主题都有4个分区那 么订阅的所有分 区可以标识为 t0p0、t0p1、t0p2、t0p3、t1p0、t1p1、t1p2、t1p3。最终的分配结果为
消费者C0: t0p0、t0p1、t1p0、t1p1消费者C1: t0p2、t0p3、t1p2、t1p3
这样分配得很均匀那么这个分配策略能够一直保持这种良好的特性吗我们不妨再来看 另一种情况。 假设上面例子中2个主题都只有3个分区那么订阅的所有分区可以标识为t0p0、 t0p1、t0p2、 t1p0、t1p1、t1p2最终的分配结果为
消费者C0: t0p0、t0p1、t1p0、t1p1消费者C1: t0p2、t1p2
可以明显地看到这样的分配并不均匀如果将类似的情形扩大则有可能出现部分消费者过载的情况。 对此我们再来看另一种RoundRobinAssignor策略的分配效果如何。
总结 最好要保证分区数量可以整除消费者数量不然会随着topic数量的增多数据倾斜会越严重
2RoundRobinAssignor分配策略 RoundRobinAssi gnor 分配策略的原理是将消费组内所有消费者及消费者订阅的所有主题的分 区按照字 典序排序然后通过轮询方式逐个将分区依次分配给每个消费者。RoundRobinAssignor 分配策略对应 的Partition.assignment.strategy参数值为org.apache.kafka.C1ients.Consumer.RoundRobinAssignor。
如果同一个消费组内所有的消费者的订阅信息都是相同的那么RoundRobinAssignor分配策略的分区 分配会是均匀的。
比如假设消费组中有2个消费者C0 和C1都订阅了主题 t0和t1, 并且每个主题都有3个分区那么订阅的 所有分区可以标识为t0p0、t0p1、t0p2、t1p0、 t1p1、t1p2。最终的分配结果为
消费者C0: t0p0、t0p2、t1p1消费者C1: t0p1、t1p0、t1p2
如果同一个消费组内的消费者订阅的信息是不相同的 那么在执行分区分配的时候就不是完全的轮询分 配有可能导致分区分配得不均匀。 如果某个消费者没有订阅消费组内的某个主题 那么在分配分区的 时候此消费者将分配不到这个主题的任何分区。
比如假设消费组内有3个消费者(C0、 C1和C2), 它们共订阅了3个主题(t0、t1、 t2) , 这 3个主题分别有 1、2、3个分区 即整个消费组订阅了t0p0、 t1p0、 t1p1、 t2p0、 t2p1、 t2p2这6个分区。 具体而 言 消费者 C0 订阅的是主题t0, 消费者C1 订阅的是主题t0和t1, 消费者C2 订阅的是主题t0、t1和t2, 那 么最终的分配结果为
消费者C0: t0p0消费者C1: t1p0消费者C2: t1p1、t2p0、 t2p1、t2p2
可以看到RoundRobinAssignor策略也不是十分完美 这样分配其实并不是最优解 因为完全可以将分 区t1p1 分配给消费者C1。
所以需要注意如果使用RoundRobinAssignor策略则消费者应该订阅相同的主题。
3StickyAssignor分配策略 我们再来看一下StickyAssignor分配策略 “sticky这个单词可以翻译为“ 黏性的”, Kafka 从0.11.x版本 开始引入这种分配策略 它主要有两个目的 (1)分区的分配要尽可能均匀。 (2)分区的分配尽可能与上次分配的保待相同。
当两者发生冲突时 第一个目标优先于第二个目标。
鉴于这两个目标 StickyAssignor分配策略的具体实现要比RangeAssignor和RoundRobinAssignor这 两种分配策略要复杂得多。 我们举 例来看一下StickyAssignor分配策略的实际效果。
假设消费组内有3个消费者(C0、C1和C2)它们都订阅了4个主题(t0、t1、t2、t3)并且每个主题有2个 分区。 也就是说整个消费组订阅了t0p0、 t0p1、 t1p0、 t1p1、 t2p0、 t2p1、 t3p0、 t3p1这8个分 区。 最终的分配结果如下
消费者C0: t0p0、t1p1、t3p0消费者C1: t0p1、t2p0、t3p1消费者C2: t1p0、t2p1
这样初看上去似乎与采用RoundRobinAssignor分配策略所分配的结果相同 但事实是否真的如此呢 再假设此时消费者 C1脱离了消费组 那么消费组就会执行再均衡操作进而消费分区会重新分配。 如 果采用RoundRobinAssignor 分配策略 那么此时的分配结果如下
消费者C0: t0p0、t1p0、t2p0、t3p0消费者C2: t0p1、t1p1、t2p1、t3p1
如分配结果所示RoundRobinAssignor分配策略会按照消费者C0 和C2进行重新轮询分配。 如果此时 使用的是StickyAssignor分配策略那么分配结果为
消费者C0: t0p0、t1p1、t3p0、t2p0消费者C2: t1p0、t2p1、t0p1、t3p1
可以看到分配结果中保留了上一次分配中对消费者 C0 和C2的所有分配结果并将原来消费者C1的 “ 负 担 “ 分配给了剩余的两个消费者 C0 和C2, 最终 C0 和C2的分配还保持了均衡。
如果发生分区重分配那么对于同一个分区而言有可能之前的消费者和新指派的消费者不是同一个 之前消费者进行到一半的处理还要在新指派的消费者中再次复现一遍这显然很浪费系统资源。
StickyAssignor 分配策略如同其名称中的st1cky 一样让分配策略具备一定 的 “ 黏性 ” 尽可能地让 前后两次分配相同进而减少系统资源的损耗及其他异常情况的发生。
到目前为止我们分析的都是消费者的订阅信息都是相同的情况我们来看一下订阅信息不同的清况下 的处理。
举个例子同样消费组内有3个消费者(C0、C1和C2) , 集群中有3个主题(t0、t1和 t2) , 这3个主题分别有 1、2、3个分区。也就是说集群中有t0p0、 t1p0、 t1p1、 t2p0、 t2p1、 t2p2这6个分区。消费者 C0 订阅了主题t0消费者C1订阅了主题t0和t1, 消费者C2订阅了主题t0、t1和t2。 如果此时采用 RoundRobinAssignor分配策略那么最终的分配结果如RoundRobinAssignor分配策略时的一样
RoundRobinAssignor分配策略的分配结果
消费者C0: t0p0消费者C1: t1p0消费者C2: t1p1、t2p0、t2p1、t2p2
如果此时采用的是StickyAssignor分配策略那么最终的分配结果如下所示。 StickyAssignor分配策略的分配结果
消费者C0: t0p0消费者C1: t1p0、t1p1消费者C2: t2p0、t2p1、t2p2
可以看到这才是一个最优解消费者C0 没有订阅主题t1和t2, 所以不能分配主题t1和t2 中的任何分区给 它 对于消费者C1也可同理推断。
假如此时消费者C0 脱离了消费组 那么RoundRobinAssignor分配策略的分配结果为
消费者C1: t0p0、t1p1消费者C2: t1p0、t2p0 、t2p1、 t2p2
可以看到RoundRobinAssignor策略保留了消费者C1和C2中原有的3个分区的分配t2p0、 t2p I和t2p2。
如果采用的是StickyAssignor分配策略 那么分配结果为
消费者C1: t1p0、t1p1、t0p0消费者C2: t2p0、t2p1、 t2p2
可以看到StickyAssignor分配策略保留了消费者C1和C2中原有的5个分区的分配t1p0、t1p1、t2p0、 t2p1、t2p2。
使用StickyAssignor分配策略的一个优点就是可以使分区重分配具备 “ 黏性’ 减少不必要的分区移动即 一个分区剥离之前的消费者转而分配给另一个新的消费者。 StickyAssignor分配策略比另外两者分配策略而言显得更加优异但这个策略的代码实现也异常复杂
2.7 数据可靠性保证
为保证 Producer 发送的数据能可靠地发送到指定的 TopicTopic 的每个 Partition 收到 Producer发送的数据后都需要向 Producer 发送 ACKACKnowledge 确认收到。如果 Producer 收到 ACK就会进行下一轮的发送否则重新发送数据。
2.7.1 副本数据同步策略
确保有 Follower 与 Leader 同步完成Leader 再发送 ACK这样才能保证 Leader 挂掉之后能在 Follower 中选举出新的 Leader 而不丢数据。 当采用第二种方案时所有 Follower 完成同步Producer 才能继续发送数据设想有一个 Follower 因为某种原因出现故障那 Leader 就要一直等到它完成同步。这个问题怎么解决
Leader维护了一个动态的 in-sync replica setISR 和 Leader 保持同步的 Follower 集合。当 ISR 集合中的 Follower 完成数据的同步之后Leader 就会给 Follower 发送 ACK。如果 Follower 长时间未向 Leader 同步数据则该 Follower 将被踢出 ISR 集合该时间阈值由replica.lag.time.max.ms 参数设定。Leader 发生故障后就会从 ISR 中选举出新的 Leader。
2.7.2 ACK 应答机制
Kafka 为用户提供了三种可靠性级别用户根据可靠性和延迟的要求进行权衡选择以下的配置。 ACK 参数配置
0Producer 不等待 Broker 的 ACK这提供了最低延迟Broker 一收到数据还没有写入磁盘就已经返回当 Broker 故障时有可能丢失数据。1Producer 等待 Broker 的 ACKPartition 的 Leader 落盘成功后返回 ACK如果在 Follower同步成功之前 Leader 故障那么将会丢失数据。-1allProducer 等待 Broker 的 ACKPartition 的 Leader 和 Follower 全部落盘成功后才返回 ACK。但是在 Broker 发送 ACK 时Leader 发生故障则会造成数据重复。
2.7.3 可靠性指标
分区副本你可以创建更多的分区来提升可靠性但是分区数过多也会带来性能上的开销一般来说3个副本就能满足对大部分场景的可靠性要求。ACKS生产者发送消息的可靠性也就是我要保证我这个消息一定是到了broker并且完成了多副本的持久化。保障消息到了broker之后消费者也需要有一定的保证因为消费者也可能出现某些问题导致消息没有消费到。enable.auto.commit默认为true也就是自动提交offset自动提交是批量执行的有一个时间窗口这种方式会带来重复提交或者消息丢失的问题所以对于高可靠性要求的程序要使用手动提交。 对于高可靠要求的应用来说宁愿重复消费也不应该因为消费异常而导致消息丢失。
总结
一个主题多个分区的场景下kafka只能保证同一个分区的消息顺序性不能保证不同分区间的消息顺序性。一般配置三个副本就可以满足绝大部分需求。一个消费者可以订阅多个主题可以去消费多个分区但一个分区不支持多个消费者同一个消费组读取。
