前言
在日常開發過程中使用kafka來實限流削峯作用但是往往kafka會存放多份副本來防止數據丟失,那你知道他的機制是什麼樣的嗎?本篇文章就帶給大家講解下。
一、Kafka集羣
Kafka 使用 Zookeeper 來維護集羣成員 (brokers) 的信息。每個 broker 都有一個唯一標識 broker.id
,用於標識自己在集羣中的身份,可以在配置文件 server.properties
中進行配置,或者由程序自動生成。下面是 Kafka brokers 集羣自動創建的過程:
- 每一個 broker 啓動的時候,它會在 Zookeeper 的
/brokers/ids
路徑下創建一個臨時節點
,並將自己的broker.id
寫入,從而將自身註冊到集羣; - 當有多個 broker 時,所有 broker 會競爭性地在 Zookeeper 上創建
/controller
節點,由於 Zookeeper 上的節點不會重複,所以必然只會有一個 broker 創建成功,此時該 broker 稱爲 controller broker。它除了具備其他 broker 的功能外,還負責管理主題分區及其副本的狀態。 - 當 broker 出現宕機或者主動退出從而導致其持有的 Zookeeper 會話超時時,會觸發註冊在 Zookeeper 上的 watcher 事件,此時 Kafka 會進行相應的容錯處理;如果宕機的是 controller broker 時,還會觸發新的 controller 選舉。
二、副本機制
爲了保證高可用,kafka 的分區是多副本的,如果一個副本丟失了,那麼還可以從其他副本中獲取分區數據。但是這要求對應副本的數據必須是完整的,這是 Kafka 數據一致性的基礎,所以才需要使用 controller broker
來進行專門的管理。下面將詳解介紹 Kafka 的副本機制。
2.1 分區和副本
Kafka 的主題被分爲多個分區 ,分區是 Kafka 最基本的存儲單位。每個分區可以有多個副本 (可以在創建主題時使用 replication-factor
參數進行指定)。其中一個副本是首領副本 (Leader replica),所有的事件都直接發送給首領副本;其他副本是跟隨者副本 (Follower replica),需要通過複製來保持與首領副本數據一致,當首領副本不可用時,其中一個跟隨者副本將成爲新首領。
2.2 ISR機制
每個分區都有一個 ISR(in-sync Replica) 列表,用於維護所有同步的、可用的副本。首領副本必然是同步副本,而對於跟隨者副本來說,它需要滿足以下條件才能被認爲是同步副本:
- 與 Zookeeper 之間有一個活躍的會話,即必須定時向 Zookeeper 發送心跳;
- 在規定的時間內從首領副本那裏低延遲地獲取過消息。
如果副本不滿足上面條件的話,就會被從 ISR 列表中移除,直到滿足條件纔會被再次加入。
這裏給出一個主題創建的示例:使用 --replication-factor
指定副本系數爲 3,創建成功後使用 --describe
命令可以看到分區 0 的有 0,1,2 三個副本,且三個副本都在 ISR 列表中,其中 1 爲首領副本。
2.3 不完全的首領選舉
對於副本機制,在 broker 級別有一個可選的配置參數 unclean.leader.election.enable
,默認值爲 fasle,代表禁止不完全的首領選舉。這是針對當首領副本掛掉且 ISR 中沒有其他可用副本時,是否允許某個不完全同步的副本成爲首領副本,這可能會導致數據丟失或者數據不一致,在某些對數據一致性要求較高的場景 (如金融領域),這可能無法容忍的,所以其默認值爲 false,如果你能夠允許部分數據不一致的話,可以配置爲 true。
2.4 最少同步副本
ISR 機制的另外一個相關參數是 min.insync.replicas
, 可以在 broker 或者主題級別進行配置,代表 ISR 列表中至少要有幾個可用副本。這裏假設設置爲 2,那麼當可用副本數量小於該值時,就認爲整個分區處於不可用狀態。此時客戶端再向分區寫入數據時候就會拋出異常 org.apache.kafka.common.errors.NotEnoughReplicasExceptoin: Messages are rejected since there are fewer in-sync replicas than required。
2.5 發送確認
Kafka 在生產者上有一個可選的參數 ack,該參數指定了必須要有多少個分區副本收到消息,生產者纔會認爲消息寫入成功:
- acks=0 :消息發送出去就認爲已經成功了,不會等待任何來自服務器的響應;
- acks=1 :只要集羣的首領節點收到消息,生產者就會收到一個來自服務器成功響應;
- acks=all :只有當所有參與複製的節點全部收到消息時,生產者纔會收到一個來自服務器的成功響應。
三、數據請求
3.1 元數據請求機制
在所有副本中,只有領導副本才能進行消息的讀寫處理。由於不同分區的領導副本可能在不同的 broker 上,如果某個 broker 收到了一個分區請求,但是該分區的領導副本並不在該 broker 上,那麼它就會向客戶端返回一個 Not a Leader for Partition
的錯誤響應。爲了解決這個問題,Kafka 提供了元數據請求機制。
首先集羣中的每個 broker 都會緩存所有主題的分區副本信息,客戶端會定期發送發送元數據請求,然後將獲取的元數據進行緩存。定時刷新元數據的時間間隔可以通過爲客戶端配置 metadata.max.age.ms
來進行指定。有了元數據信息後,客戶端就知道了領導副本所在的 broker,之後直接將讀寫請求發送給對應的 broker 即可。
如果在定時請求的時間間隔內發生的分區副本的選舉,則意味着原來緩存的信息可能已經過時了,此時還有可能會收到 Not a Leader for Partition
的錯誤響應,這種情況下客戶端會再次求發出元數據請求,然後刷新本地緩存,之後再去正確的 broker 上執行對應的操作,過程如下圖:
3.2 數據可見性
需要注意的是,並不是所有保存在分區首領上的數據都可以被客戶端讀取到,爲了保證數據一致性,只有被所有同步副本 (ISR 中所有副本) 都保存了的數據才能被客戶端讀取到。
3.3 零拷貝
Kafka 所有數據的寫入和讀取都是通過零拷貝來實現的。傳統拷貝與零拷貝的區別如下:
傳統模式下的四次拷貝與四次上下文切換
以將磁盤文件通過網絡發送爲例。傳統模式下,一般使用如下僞代碼所示的方法先將文件數據讀入內存,然後通過 Socket 將內存中的數據發送出去。
buffer = File.read
Socket.send(buffer)
這一過程實際上發生了四次數據拷貝。首先通過系統調用將文件數據讀入到內核態 Buffer(DMA 拷貝),然後應用程序將內存態 Buffer 數據讀入到用戶態 Buffer(CPU 拷貝),接着用戶程序通過 Socket 發送數據時將用戶態 Buffer 數據拷貝到內核態 Buffer(CPU 拷貝),最後通過 DMA 拷貝將數據拷貝到 NIC Buffer。同時,還伴隨着四次上下文切換,如下圖所示:
sendfile和transferTo實現零拷貝
Linux 2.4+ 內核通過 sendfile
系統調用,提供了零拷貝。數據通過 DMA 拷貝到內核態 Buffer 後,直接通過 DMA 拷貝到 NIC Buffer,無需 CPU 拷貝。這也是零拷貝這一說法的來源。除了減少數據拷貝外,因爲整個讀文件到網絡發送由一個 sendfile
調用完成,整個過程只有兩次上下文切換,因此大大提高了性能。零拷貝過程如下圖所示: 從具體實現來看,Kafka 的數據傳輸通過 TransportLayer 來完成,其子類 PlaintextTransportLayer
的 transferFrom
方法通過調用 Java NIO 中 FileChannel 的 transferTo
方法實現零拷貝,如下所示:
@Override
public long transferFrom(FileChannel fileChannel, long position, long count) throws IOException {
return fileChannel.transferTo(position, count, socketChannel);
}
注: transferTo
和 transferFrom
並不保證一定能使用零拷貝。實際上是否能使用零拷貝與操作系統相關,如果操作系統提供 sendfile
這樣的零拷貝系統調用,則這兩個方法會通過這樣的系統調用充分利用零拷貝的優勢,否則並不能通過這兩個方法本身實現零拷貝。
四、物理存儲
4.1 分區分配
在創建主題時,Kafka 會首先決定如何在 broker 間分配分區副本,它遵循以下原則:
- 在所有 broker 上均勻地分配分區副本;
- 確保分區的每個副本分佈在不同的 broker 上;
- 如果使用了
broker.rack
參數爲 broker 指定了機架信息,那麼會盡可能的把每個分區的副本分配到不同機架的 broker 上,以避免一個機架不可用而導致整個分區不可用。
基於以上原因,如果你在一個單節點上創建一個 3 副本的主題,通常會拋出下面的異常:
Error while executing topic command : org.apache.kafka.common.errors.InvalidReplicationFactor
Exception: Replication factor: 3 larger than available brokers: 1.
4.2 分區數據保留規則
保留數據是 Kafka 的一個基本特性, 但是 Kafka 不會一直保留數據,也不會等到所有消費者都讀取了消息之後才刪除消息。相反, Kafka 爲每個主題配置了數據保留期限,規定數據被刪除之前可以保留多長時間,或者清理數據之前可以保留的數據量大小。分別對應以下四個參數:
log.retention.bytes
:刪除數據前允許的最大數據量;默認值-1,代表沒有限制;log.retention.ms
:保存數據文件的毫秒數,如果未設置,則使用log.retention.minutes
中的值,默認爲 null;log.retention.minutes
:保留數據文件的分鐘數,如果未設置,則使用log.retention.hours
中的值,默認爲 null;log.retention.hours
:保留數據文件的小時數,默認值爲 168,也就是一週。
因爲在一個大文件裏查找和刪除消息是很費時的,也很容易出錯,所以 Kafka 把分區分成若干個片段,當前正在寫入數據的片段叫作活躍片段。活動片段永遠不會被刪除。如果按照默認值保留數據一週,而且每天使用一個新片段,那麼你就會看到,在每天使用一個新片段的同時會刪除一個最老的片段,所以大部分時間該分區會有 7 個片段存在。
4.3 文件格式
通常保存在磁盤上的數據格式與生產者發送過來消息格式是一樣的。如果生產者發送的是壓縮過的消息,那麼同一個批次的消息會被壓縮在一起,被當作“包裝消息”進行發送 (格式如下所示) ,然後保存到磁盤上。之後消費者讀取後再自己解壓這個包裝消息,獲取每條消息的具體信息。
小結
本篇文章講解了關於kafka的存放副本的機制的原理,以及數據是如何存儲的kafka爲了防止數據丟失添加了ack的方式,這個ack可能會影響一些效率,這ack的值可以根據場景進行設置比如說丟失一些數據沒有問題那就設置爲0我將消息發出去我就不管了。我在這裏爲大家提供大數據的資料
需要的朋友可以去下面GitHub去下載,信自己,努力和汗水總會能得到回報的。我是大數據老哥,我們下期見~~~
資源獲取 獲取Flink面試題,Spark面試題,程序員必備軟件,hive面試題,Hadoop面試題,Docker面試題,簡歷模板等資源請去 GitHub自行下載 https://github.com/lhh2002/Framework-Of-BigData Gitee 自行下載 https://gitee.com/li_hey_hey/dashboard/projects