浅谈分布式消息技术 Kafka
Kafka的基本介紹
Kafka是最初由Linkedin公司開發，是一個分布式、分區的、多副本的、多訂閱者，基于zookeeper協調的分布式日志系統（也可以當做MQ系統），常見可以用于web/nginx日志、訪問日志，消息服務等等，Linkedin于2010年貢獻給了Apache基金會并成為頂級開源項目。
主要應用場景是：日志收集系統和消息系統。
Kafka主要設計目標如下：
以時間復雜度為O(1)的方式提供消息持久化能力，即使對TB級以上數據也能保證常數時間的訪問性能。
高吞吐率。即使在非常廉價的商用機器上也能做到單機支持每秒100K條消息的傳輸。
支持Kafka Server間的消息分區，及分布式消費，同時保證每個Partition內的消息順序傳輸。
同時支持離線數據處理和實時數據處理。
Kafka的設計原理分析
一個典型的Kafka集群中包含若干Producer，若干Broker，若干Consumer，以及一個Zookeeper集群。Kafka通過Zookeeper管理集群配置，選舉Leader，以及在Consumer Group發生變化時進行Rebalance。Producer使用push模式將消息發布到Broker，Consumer使用Pull模式從Broker訂閱并消費消息。
Kafka專用術語：
Broker：消息中間件處理結點，一個Kafka節點就是一個broker，多個broker可以組成一個Kafka集群。
Topic：一類消息，Kafka集群能夠同時負責多個topic的分發。
Partition：topic物理上的分組，一個topic可以分為多個partition，每個partition是一個有序的隊列。
Segment：partition物理上由多個segment組成。
offset：每個partition都由一系列有序的、不可變的消息組成，這些消息被連續的追加到partition中。partition中的每個消息都有一個連續的序列號叫做offset，用于partition唯一標識一條消息。
Producer：負責發布消息到Kafka broker。
Consumer：消息消費者，向Kafka broker讀取消息的客戶端。
Consumer Group：每個Consumer屬于一個特定的Consumer Group。
Kafka數據傳輸的事務特點
At most once：最多一次，這個和JMS中"非持久化"消息類似，發送一次，無論成敗，將不會重發。消費者fetch消息，然后保存offset，然后處理消息；當client保存offset之后，但是在消息處理過程中出現了異常，導致部分消息未能繼續處理。那么此后"未處理"的消息將不能被fetch到，這就是"at most once"。
At least once：消息至少發送一次，如果消息未能接受成功，可能會重發，直到接收成功。消費者fetch消息，然后處理消息，然后保存offset。如果消息處理成功之后，但是在保存offset階段zookeeper異常導致保存操作未能執行成功，這就導致接下來再次fetch時可能獲得上次已經處理過的消息，這就是"at least once"，原因offset沒有及時的提交給zookeeper，zookeeper恢復正常還是之前offset狀態。
Exactly once：消息只會發送一次。kafka中并沒有嚴格的去實現（基于2階段提交），我們認為這種策略在kafka中是沒有必要的。
通常情況下"at-least-once"是我們首選。
Kafka消息存儲格式
Topic & Partition
一個Topic可以認為一個一類消息，每個Topic將被分成多個Partition，每個Partition在存儲層面是Append Log文件。
在Kafka文件存儲中，同一個Topic下有多個不同Partition，每個Partition為一個目錄，Partiton命名規則為Topic名稱+有序序號，第一個Partiton序號從0開始，序號最大值為Partitions數量減1。
每個Partion（目錄）相當于一個巨型文件被平均分配到多個大小相等Segment（段）數據文件中。但每個段Segment file消息數量不一定相等，這種特性方便old segment file快速被刪除。
每個Partiton只需要支持順序讀寫就行了，segment文件生命周期由服務端配置參數決定。
這樣做的好處就是能快速刪除無用文件，有效提高磁盤利用率。
Segment file組成：由2大部分組成，分別為index file和data file，此2個文件一一對應，成對出現，后綴".index"和“.log”分別表示為segment索引文件、數據文件.
Segment文件命名規則：Partion全局的第一個Segment從0開始，后續每個Segment文件名為上一個Segment文件最后一條消息的Offset值。數值最大為64位long大小，19位數字字符長度，沒有數字用0填充。
Segment中index與data file對應關系物理結構如下：
上圖中索引文件存儲大量元數據，數據文件存儲大量消息，索引文件中元數據指向對應數據文件中message的物理偏移地址。
其中以索引文件中元數據3,497為例，依次在數據文件中表示第3個message（在全局partiton表示第368772個message），以及該消息的物理偏移地址為497。
了解到Segment data file由許多message組成，下面詳細說明message物理結構如下：
參數說明：
| 8 byte offset | 在parition(分區)內的每條消息都有一個有序的id號，這個id號被稱為偏移(offset),它可以唯一確定每條消息在parition(分區)內的位置。即offset表示partiion的第多少message |
| 4 byte message size | message大小 |
| 4 byte CRC32 | 用crc32校驗message |
| 1 byte “magic" | 表示本次發布Kafka服務程序協議版本號 |
| 1 byte “attributes" | 表示為獨立版本、或標識壓縮類型、或編碼類型。 |
| 4 byte key length | 表示key的長度,當key為-1時，K byte key字段不填 |
| K byte key | 可選 |
| value bytes payload | 表示實際消息數據。 |
副本（replication）策略
Kafka的高可靠性的保障來源于其健壯的副本（replication）策略。
1. ?數據同步
Kafka在0.8版本前沒有提供Partition的Replication機制，一旦Broker宕機，其上的所有Partition就都無法提供服務，而Partition又沒有備份數據，數據的可用性就大大降低了。所以0.8后提供了Replication機制來保證Broker的failover。
引入Replication之后，同一個Partition可能會有多個Replica，而這時需要在這些Replication之間選出一個Leader，Producer和Consumer只與這個Leader交互，其它Replica作為Follower從Leader中復制數據。
2. ?副本放置策略
為了更好的做負載均衡，Kafka盡量將所有的Partition均勻分配到整個集群上。
Kafka分配Replica的算法如下：
將所有存活的N個Brokers和待分配的Partition排序
將第i個Partition分配到第(i mod n)個Broker上，這個Partition的第一個Replica存在于這個分配的Broker上，并且會作為partition的優先副本
將第i個Partition的第j個Replica分配到第((i + j) mod n)個Broker上
假設集群一共有4個brokers，一個Topic有4個partition，每個Partition有3個副本。下圖是每個Broker上的副本分配情況。
3. 同步策略
Producer在發布消息到某個Partition時，先通過ZooKeeper找到該Partition的Leader，然后無論該Topic的Replication Factor為多少，Producer只將該消息發送到該Partition的Leader。Leader會將該消息寫入其本地Log。每個Follower都從Leader pull數據。這種方式上，Follower存儲的數據順序與Leader保持一致。Follower在收到該消息并寫入其Log后，向Leader發送ACK。一旦Leader收到了ISR中的所有Replica的ACK，該消息就被認為已經commit了，Leader將增加HW并且向Producer發送ACK。
為了提高性能，每個Follower在接收到數據后就立馬向Leader發送ACK，而非等到數據寫入Log中。因此，對于已經commit的消息，Kafka只能保證它被存于多個Replica的內存中，而不能保證它們被持久化到磁盤中，也就不能完全保證異常發生后該條消息一定能被Consumer消費。
Consumer讀消息也是從Leader讀取，只有被commit過的消息才會暴露給Consumer。
Kafka Replication的數據流如下圖所示：
對于Kafka而言，定義一個Broker是否“活著”包含兩個條件：
一是它必須維護與ZooKeeper的session（這個通過ZooKeeper的Heartbeat機制來實現）。
二是Follower必須能夠及時將Leader的消息復制過來，不能“落后太多”。
Leader會跟蹤與其保持同步的Replica列表，該列表稱為ISR（即in-sync Replica）。如果一個Follower宕機，或者落后太多，Leader將把它從ISR中移除。這里所描述的“落后太多”指Follower復制的消息落后于Leader后的條數超過預定值或者Follower超過一定時間未向Leader發送fetch請求。
Kafka只解決fail/recover，一條消息只有被ISR里的所有Follower都從Leader復制過去才會被認為已提交。這樣就避免了部分數據被寫進了Leader，還沒來得及被任何Follower復制就宕機了，而造成數據丟失（Consumer無法消費這些數據）。而對于Producer而言，它可以選擇是否等待消息commit。這種機制確保了只要ISR有一個或以上的Follower，一條被commit的消息就不會丟失。
4. leader選舉
Leader選舉本質上是一個分布式鎖，有兩種方式實現基于ZooKeeper的分布式鎖：
節點名稱唯一性：多個客戶端創建一個節點，只有成功創建節點的客戶端才能獲得鎖
臨時順序節點：所有客戶端在某個目錄下創建自己的臨時順序節點，只有序號最小的才獲得鎖
Majority Vote的選舉策略和ZooKeeper中的Zab選舉是類似的，實際上ZooKeeper內部本身就實現了少數服從多數的選舉策略。kafka中對于Partition的leader副本的選舉采用了第一種方法：為Partition分配副本，指定一個ZNode臨時節點，第一個成功創建節點的副本就是Leader節點，其他副本會在這個ZNode節點上注冊Watcher監聽器，一旦Leader宕機，對應的臨時節點就會被自動刪除，這時注冊在該節點上的所有Follower都會收到監聽器事件，它們都會嘗試創建該節點，只有創建成功的那個follower才會成為Leader（ZooKeeper保證對于一個節點只有一個客戶端能創建成功），其他follower繼續重新注冊監聽事件。
Kafka消息分組，消息消費原理
同一Topic的一條消息只能被同一個Consumer Group內的一個Consumer消費，但多個Consumer Group可同時消費這一消息。
這是Kafka用來實現一個Topic消息的廣播（發給所有的Consumer）和單播（發給某一個Consumer）的手段。一個Topic可以對應多個Consumer Group。如果需要實現廣播，只要每個Consumer有一個獨立的Group就可以了。要實現單播只要所有的Consumer在同一個Group里。用Consumer Group還可以將Consumer進行自由的分組而不需要多次發送消息到不同的Topic。
Push vs. Pull
作為一個消息系統，Kafka遵循了傳統的方式，選擇由Producer向broker push消息并由Consumer從broker pull消息。
push模式很難適應消費速率不同的消費者，因為消息發送速率是由broker決定的。push模式的目標是盡可能以最快速度傳遞消息，但是這樣很容易造成Consumer來不及處理消息，典型的表現就是拒絕服務以及網絡擁塞。而pull模式則可以根據Consumer的消費能力以適當的速率消費消息。
對于Kafka而言，pull模式更合適。pull模式可簡化broker的設計，Consumer可自主控制消費消息的速率，同時Consumer可以自己控制消費方式——即可批量消費也可逐條消費，同時還能選擇不同的提交方式從而實現不同的傳輸語義。
Kafak順序寫入與數據讀取
生產者（producer）是負責向Kafka提交數據的，Kafka會把收到的消息都寫入到硬盤中，它絕對不會丟失數據。為了優化寫入速度Kafak采用了兩個技術，順序寫入和MMFile。
順序寫入
因為硬盤是機械結構，每次讀寫都會尋址，寫入，其中尋址是一個“機械動作”，它是最耗時的。所以硬盤最“討厭”隨機I/O，最喜歡順序I/O。為了提高讀寫硬盤的速度，Kafka就是使用順序I/O。
每條消息都被append到該Partition中，屬于順序寫磁盤，因此效率非常高。
對于傳統的message queue而言，一般會刪除已經被消費的消息，而Kafka是不會刪除數據的，它會把所有的數據都保留下來，每個消費者（Consumer）對每個Topic都有一個offset用來表示讀取到了第幾條數據。
即便是順序寫入硬盤，硬盤的訪問速度還是不可能追上內存。所以Kafka的數據并不是實時的寫入硬盤，它充分利用了現代操作系統分頁存儲來利用內存提高I/O效率。
在Linux Kernal 2.2之后出現了一種叫做“零拷貝(zero-copy)”系統調用機制，就是跳過“用戶緩沖區”的拷貝，建立一個磁盤空間和內存空間的直接映射，數據不再復制到“用戶態緩沖區”系統上下文切換減少2次，可以提升一倍性能。
通過mmap，進程像讀寫硬盤一樣讀寫內存（當然是虛擬機內存）。使用這種方式可以獲取很大的I/O提升，省去了用戶空間到內核空間復制的開銷（調用文件的read會把數據先放到內核空間的內存中，然后再復制到用戶空間的內存中。）
消費者（讀取數據）
試想一下，一個Web Server傳送一個靜態文件，如何優化？答案是zero copy。傳統模式下我們從硬盤讀取一個文件是這樣的。
先復制到內核空間（read是系統調用，放到了DMA，所以用內核空間），然后復制到用戶空間（1、2）；從用戶空間重新復制到內核空間（你用的socket是系統調用，所以它也有自己的內核空間），最后發送給網卡（3、4）。
Zero Copy中直接從內核空間（DMA的）到內核空間（Socket的），然后發送網卡。這個技術非常普遍，Nginx也是用的這種技術。
實際上，Kafka把所有的消息都存放在一個一個的文件中，當消費者需要數據的時候Kafka直接把“文件”發送給消費者。當不需要把整個文件發出去的時候，Kafka通過調用Zero Copy的sendfile這個函數，這個函數包括：
out_fd作為輸出（一般及時socket的句柄）
in_fd作為輸入文件句柄
off_t表示in_fd的偏移（從哪里開始讀取）
size_t表示讀取多少個
總結
以上是生活随笔為你收集整理的浅谈分布式消息技术 Kafka的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： P1004 滑雪（DFS）
- 下一篇： hdu2084数塔