码迷,mamicode.com
首页 > 其他好文 > 详细

kafka原理解析

时间:2018-04-23 18:45:05      阅读:185      评论:0      收藏:0      [点我收藏+]

标签:kafka

什么是消息系统:
用来处理消息队列的系统;
什么是消息队列:
是用于进程间通信或同一进程内的线程间通信的软件工程组件;
他们使用一个队列来传播消息----这里传播的消息就是-->传递控制或者内容;

这里面有个问题:
消息队列是用来提高性能,加速消息传输的吗?
答案,显然不是,消息队列虽然提供了数据上的冗余,但它不是一种缓存。
如果你想加速,直接把消费者和生产者结合在一起写,中间自己加一个全内存的
queue,没有了持久化,没有了网络传输,这样岂不是更快;
消息队列,最好的诠释就是,“fire and forget”,英译就是“解耦”,它实现了生产者与
消费者的有效解耦,降低了系统复杂性;
作为一个生产者,它主要关心的应该就是自己的生产工作,它不应该关心自己生产的东西,到底
被谁消费,如何消费。它应该就是简单的把生产好的东西,往一个仓库一放(即fire),然后就可
以不管了(forget),毫无心理负担。至于后面的事,消息如何交付给消费者,这种交付方式是不
是会丢失消息之类的可靠性问题一概不管(这也就是为什么消息队列不仅是一个中间结果存放区
的原因)。这个作为中间仓库,负责与消费者打交道,同时保证后续交付可靠性的角色,就是消
息队列来担当的。

kafka将消息以topic为单位进行归纳;
将向kafka topic发布消息的程序称为:producers;
将预订topics并消费消息的程序称为consumer;
kafka以集群的方式运行,可以由一个或多个服务组成,每个服务叫做一个broker;
producers通过网络将消息发送到kafka集群,集群向消费者提供消息;

消息队列的分类:

点对点的消息队列queue:
一个消息只能被一个消费者消费,但是queue支持有多个消费者。
消息被消费后,queue中不再存储,就是一个消息被消费后,其他消费者不能再消费。

发布与订阅的消息队列topic:kafka
一个消息可以被多个消费者消费,实现消息共享;

为什么要搭建kafka:
活动数据的采集:
网站用户相关行为数据,如:PV,UV等
运营数据
监控核心系统性能指标

这些数据的特点:
数据不可变
数据量庞大
需实时处理

kafka是一个分布式的消息系统(集群):
负载均衡+失败迁移

消息系统的基本结构:

broker是接收消息的机制;每台消息服务器可以有多个broker,多台服务器组成消息系统的分布式集群;
zookeeper作为协调者,broker注册到zookeeper上,zookeeper同步信息给其他broker;
kafka使用zookeeper存储消息的元信息;

基本概念:
1.topic:特制kafka处理的消息源,代表kafka中的消息;
2.partition(分区):topic消息物理上的分组;一个topic可以有多个partition,每个partition是一个有序的队列,partition每一个消息都会被分配给有序的id;
3.message:指的是具体的消息,是通信的基本单位,每个生产者可以向topic发送主题;
4.producer:生产者,向kafka的一个topic发布消息的过程叫做生产;
5.consumer:消费者,订阅topic并处理其发布的消息的过程叫做消费;
6.broker:缓存代理,kafka集群中的一台或者多台服务器,负责真正的接收消息和处理消息;

kafka的应用场景:
message(消息系统)
websit activity tracking(网站活性追踪)
log aggregation(日志收集中心)

首先, Partition对上层应用不透明. 用户可以指定产生的消息pull到那个paritition.
topic之下分partition的原因负载均衡. 不考虑消息的顺序, 单个Topic可以用多个Partition, leader均匀分散在全体broker上, 缓解单个broker过热问题.
还有一个原因是, 每个.log文件(segment)对应的index文件中, offset为32bit, 如果单个Partition的record数目超过4GB, 应该怎么呢? 使用多Partition.
如果hdd大小是8TB, ssd大小为1TB, 一个topic下产生的消息超过了磁盘大小,怎么办呢?
如果一个服务器配置24/36块盘, 把topic分成partition, 粒度小一下, 单机磁盘的负载也会根据均衡.
如果一个topic数据, 太大, 必然有partitioning的需要.

可用的内存和分区数:Brokers会为每个分区分配replica.fetch.max.bytes参数指定的内存空间,假设replica.fetch.max.bytes=1M,且有1000个分区,则需要差不多1G的内存,确保 分区数最大的消息不会超过服务器的内存,否则会报OOM错误。同样地,消费端的fetch.message.max.bytes指定了最大消息需要的内存空间,同样,分区数最大需要内存空间 不能超过服务器的内存。所以,如果你有大的消息要传送,则在内存一定的情况下,只能使用较少的分区数或者使用更大内存的服务器。

1 什么是消费者组
consumer group是kafka提供的可扩展且具有容错性的消费者机制。既然是一个组,那么组内必然可以有多个消费者或消费者实例(consumer instance),它们共享一个公共的ID,即group ID。组内的所有消费者协调在一起来消费订阅主题(subscribed topics)的所有分区(partition)。当然,每个分区只能由同一个消费组内的一个consumer来消费。
consumer group组的三个特性:
● consumer group下可以有一个或多个consumer instance,consumer instance可以是一个进程,也可以是一个线程
● group.id是一个字符串,唯一标识一个consumer group
● consumer group下订阅的topic下的每个分区只能分配给某个group下的一个consumer(当然该分区还可以被分配给其他group)
消费者位置(consumer position)
消费者在消费的过程中需要记录自己消费了多少数据,即消费位置信息。在Kafka中这个位置信息有个专门的术语:位移(offset)。很多消息引擎都把这部分信息保存在服务器端(broker端)。这样做的好处当然是实现简单,但会有三个主要的问题:1. broker从此变成有状态的,会影响伸缩性;2. 需要引入应答机制(acknowledgement)来确认消费成功。3. 由于要保存很多consumer的offset信息,必然引入复杂的数据结构,造成资源浪费。而Kafka选择了不同的方式:每个consumer group保存自己的位移信息,那么只需要简单的一个整数表示位置就够了;同时可以引入checkpoint机制定期持久化,简化了应答机制的实现。
3 位移管理(offset management)
3.1 自动VS手动
Kafka默认是定期帮你自动提交位移的(enable.auto.commit = true),你当然可以选择手动提交位移实现自己控制。另外kafka会定期把group消费情况保存起来,做成一个offset map,如下图所示:

上图中表明了test-group这个组当前的消费情况。

3.2 位移提交
老版本的位移是提交到zookeeper中的,图就不画了,总之目录结构是:/consumers/<group.id>/offsets/<topic>/<partitionId>,但是zookeeper其实并不适合进行大批量的读写操作,尤其是写操作。因此kafka提供了另一种解决方案:增加consumeroffsets topic,将offset信息写入这个topic,摆脱对zookeeper的依赖(指保存offset这件事情)。consumer_offsets中的消息保存了每个consumer group某一时刻提交的offset信息。依然以上图中的consumer group为例,格式大概如下:

consumers_offsets topic配置了compact策略,使得它总是能够保存最新的位移信息,既控制了该topic总体的日志容量,也能实现保存最新offset的目的。compact的具体原理请参见:Log Compaction
至于每个group保存到__consumers_offsets的哪个分区,如何查看的问题请参见这篇文章:Kafka 如何读取offset topic内容 (
consumer_offsets)

kafka的原理:
kafka的设计理念:
持久化
约束是吞吐量而不是功能
已经被使用了的状态信息保存为数据使用者的一部分,而不是保存在服务器上
分布式系统

kafka在zookeeper的存储结构:
kafka会在zookeeper存储元信息,会有多个目录,目录结构如下:
consumer获取消息是通过zookeeper处理发送到broker,kafka集群随机分配请求道broker服务器上;

kafka的部署方式:
1.单Broker部署:一台message server上部署一个broker服务;
2.单机多broker部署(伪分布式):一台message server上部署多个broker服务;
3.多机多broker部署(真正的分布式):
多台物理message server,每台message server上部署一个或多个broker服务;
每个broker有个独立的id,这个id在创建broker时进行定义;
broker id按顺序排列;

单broker部署:

单机多broker部署:

jps命令查看kafka的broker信息;
kafka启动报错:UseCompressedOps,修改bin/kafka-run-class.sh,去掉此选项;

kafka的配置文件和demo演示:

kafka原理解析

标签:kafka

原文地址:http://blog.51cto.com/summer37/2106889

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!