分佈式消息系統 Kafka 簡介

Kafka是分佈式發佈-訂閱消息系統。它最初由LinkedIn公司開發，之後成爲Apache項目的一部分。Kafka是一個分佈式的，可劃分的，冗餘備份的持久性的日誌服務。它主要用於處理活躍的流式數據。

在 大數據系統中，常常會碰到一個問題，整個大數據是由各個子系統組成，數據需要在各個子系統中高性能，低延遲的不停流轉。傳統的企業消息系統並不是非常適合 大規模的數據處理。爲了已在同時搞定在線應用（消息）和離線應用（數據文件，日誌）Kafka就出現了。Kafka可以起到兩個作用：

1. 降低系統組網複雜度。
2. 降低編程複雜度，各個子系統不在是相互協商接口，各個子系統類似插口插在插座上，Kafka承擔高速數據總線的作用。

1、Kafka主要特點：

1. 同時爲發佈和訂閱提供高吞吐量。據瞭解，Kafka每秒可以生產約25萬消息（50 MB），每秒處理55萬消息（110 MB）。
2. 可進行持久化操作。將消息持久化到磁盤，因此可用於批量消費，例如ETL，以及實時應用程序。通過將數據持久化到硬盤以及replication防止數據丟失。
3. 分佈式系統，易於向外擴展。所有的producer、broker和consumer都會有多個，均爲分佈式的。無需停機即可擴展機器。
4. 消息被處理的狀態是在consumer端維護，而不是由server端維護。當失敗時能自動平衡。
5. 支持online和offline的場景。

2、Kafka的架構：

Kafka 的整體架構非常簡單，是顯式分佈式架構，producer、broker（kafka）和consumer都可以有多個。 Producer，consumer實現Kafka註冊的接口，數據從producer發送到broker，broker承擔一箇中間緩存和分發的作用。 broker分發註冊到系統中的consumer。broker的作用類似於緩存，即活躍的數據和離線處理系統之間的緩存。客戶端和服務器端的通信，是基 於簡單，高性能，且與編程語言無關的TCP協議。

3、幾個基本概念：

1. Topic：特指Kafka處理的消息源（feeds of messages）的不同分類。
2. Partition：Topic物理上的分組，一個topic可以分爲多個partition，每個partition是一個有序的隊列。partition中的每條消息都會被分配一個有序的id（offset）。
3. Message：消息，是通信的基本單位，每個producer可以向一個topic（主題）發佈一些消息。
4. Producers：消息和數據生產者，向Kafka的一個topic發佈消息的過程叫做producers。
5. Consumers：消息和數據消費者，訂閱topics並處理其發佈的消息的過程叫做consumers。
6. Broker：緩存代理，Kafa集羣中的一臺或多臺服務器統稱爲broker。

4、消息發送的流程：

1. Producer根據指定的partition方法（round-robin、hash等），將消息發佈到指定topic的partition裏面
2. kafka集羣接收到Producer發過來的消息後，將其持久化到硬盤，並保留消息指定時長（可配置），而不關注消息是否被消費。
3. Consumer從kafka集羣pull數據，並控制獲取消息的offset

5、Kafka的設計：

5.1 吞吐量

高吞吐是kafka需要實現的核心目標之一，爲此kafka做了以下一些設計：

1. 數據磁盤持久化：消息不在內存中cache，直接寫入到磁盤，充分利用磁盤的順序讀寫性能
2. zero-copy：減少IO操作步驟
3. 數據批量發送
4. 數據壓縮
5. Topic劃分爲多個partition，提高parallelism

5.2 負載均衡

1. producer根據用戶指定的算法，將消息發送到指定的partition
2. 存在多個partiiton，每個partition有自己的replica，每個replica分佈在不同的Broker節點上
3. 多個partition需要選取出lead partition，lead partition負責讀寫，並由zookeeper負責fail over
4. 通過zookeeper管理broker與consumer的動態加入與離開

5.3 拉取系統

由於kafka broker會持久化數據，broker沒有內存壓力，因此，consumer非常適合採取pull的方式消費數據，具有以下幾點好處：

1. 簡化kafka設計
2. consumer根據消費能力自主控制消息拉取速度
3. consumer根據自身情況自主選擇消費模式，例如批量，重複消費，從尾端開始消費等

5.4 可擴展性

當需要增加broker結點時，新增的broker會向zookeeper註冊，而producer及consumer會根據註冊在zookeeper上的watcher感知這些變化，並及時作出調整。

5.5 消息刪除策略

kafka 和JMS實現(activeMQ)不同的是:即使消息被消費,消息仍然不會被立即刪除.日誌文件將會根據broker中的配置要求,保留一定的時間之後刪 除;比如log文件保留2天,那麼兩天後,文件會被清除,無論其中的消息是否被消費.kafka通過這種簡單的手段,來釋放磁盤空間.此外,kafka的 性能並不會因爲日誌文件的太多而低下,所以即使保留較多的log文件,也不不會有問題.

kafka 中consumer負責維護消息的消費記錄,而broker則不關心這些,這種設計不僅提高了consumer端的靈活性,也適度的減輕了broker端 設計的複雜度;這是和衆多JMS prodiver的區別.此外,kafka中消息ACK的設計也和JMS有很大不同,kafka中的消息時批量(通常以消息的條數或者chunk的尺寸爲 單位)發送給consumer,當消息消費成功後,向zookeeper提交消息的offset,而不會向broker交付ACK.或許你已經意識到,這 種"寬鬆"的設計,將會有"丟失"消息/"消息重發"的危險.

6、Kafka的應用場景：

6.1 消息隊列

比 起大多數的消息系統來說，Kafka有更好的吞吐量，內置的分區，冗餘及容錯性，這讓Kafka成爲了一個很好的大規模消息處理應用的解決方案。消息系統 一般吞吐量相對較低，但是需要更小的端到端延時，並嚐嚐依賴於Kafka提供的強大的持久性保障。在這個領域，Kafka足以媲美傳統消息系統，如ActiveMR或RabbitMQ。

6.2 行爲跟蹤

Kafka的另一個應用場景是跟蹤用戶瀏覽頁面、搜索及其他行爲，以發佈-訂閱的模式實時記錄到對應的topic裏。那麼這些結果被訂閱者拿到後，就可以做進一步的實時處理，或實時監控，或放到hadoop/離線數據倉庫裏處理。

6.3 元信息監控

作爲操作記錄的監控模塊來使用，即彙集記錄一些操作信息，可以理解爲運維性質的數據監控吧。

6.4 日誌收集

日 志收集方面，其實開源產品有很多，包括Scribe、Apache Flume。很多人使用Kafka代替日誌聚合（log aggregation）。日誌聚合一般來說是從服務器上收集日誌文件，然後放到一個集中的位置（文件服務器或HDFS）進行處理。然而Kafka忽略掉 文件的細節，將其更清晰地抽象成一個個日誌或事件的消息流。這就讓Kafka處理過程延遲更低，更容易支持多數據源和分佈式數據處理。比起以日誌爲中心的 系統比如Scribe或者Flume來說，Kafka提供同樣高效的性能和因爲複製導致的更高的耐用性保證，以及更低的端到端延遲。

6.5 流處理

這 個場景可能比較多，也很好理解。保存收集流數據，以提供之後對接的Storm或其他流式計算框架進行處理。很多用戶會將那些從原始topic來的數據進行 階段性處理，彙總，擴充或者以其他的方式轉換到新的topic下再繼續後面的處理。例如一個文章推薦的處理流程，可能是先從RSS數據源中抓取文章的內 容，然後將其丟入一個叫做“文章”的topic中；後續操作可能是需要對這個內容進行清理，比如回覆正常數據或者刪除重複數據，最後再將內容匹配的結果返 還給用戶。這就在一個獨立的topic之外，產生了一系列的實時數據處理的流程。Strom和Samza是非常著名的實現這種類型數據轉換的框架。

6.6 事件源

事件源是一種應用程序設計的方式，該方式的狀態轉移被記錄爲按時間順序排序的記錄序列。Kafka可以存儲大量的日誌數據，這使得它成爲一個對這種方式的應用來說絕佳的後臺。比如動態彙總（News feed）。

6.7 持久性日誌（commit log）

Kafka可以爲一種外部的持久性日誌的分佈式系統提供服務。這種日誌可以在節點間備份數據，併爲故障節點數據回覆提供一種重新同步的機制。Kafka中日誌壓縮功能爲這種用法提供了條件。在這種用法中，Kafka類似於Apache BookKeeper項目。

7、Kafka的設計要點：

7.1 直接使用linux 文件系統的cache，來高效緩存數據。

7.2 採用linux Zero-Copy提高發送性能。

傳 統的數據發送需要發送4次上下文切換，採用sendfile系統調用之後，數據直接在內核態交換，系統上下文切換減少爲2次。根據測試結果，可以提高 60%的數據發送性能。Zero-Copy詳細的技術細節可以參考：https://www.ibm.com/developerworks/linux /library/j-zerocopy/

7.3 數據在磁盤上存取代價爲O(1)。

kafka 以topic來進行消息管理，每個topic包含多個part（ition），每個part對應一個邏輯log，有多個segment組成。每個 segment中存儲多條消息（見下圖），消息id由其邏輯位置決定，即從消息id可直接定位到消息的存儲位置，避免id到位置的額外映射。每個part 在內存中對應一個index，記錄每個segment中的第一條消息偏移。發佈者發到某個topic的消息會被均勻的分佈到多個part上（隨機或根據用 戶指定的回調函數進行分佈），broker收到發佈消息往對應part的最後一個segment上添加該消息，當某個segment上的消息條數達到配置 值或消息發佈時間超過閾值時，segment上的消息會被flush到磁盤，只有flush到磁盤上的消息訂閱者才能訂閱到，segment達到一定的大 小後將不會再往該segment寫數據，broker會創建新的segment。

7.4 顯式分佈式。

即 所有的producer、broker和consumer都會有多個，均爲分佈式的。Producer和broker之間沒有負載均衡機制。broker 和consumer之間利用zookeeper進行負載均衡。所有broker和consumer都會在zookeeper中進行註冊，且 zookeeper會保存他們的一些元數據信息。如果某個broker和consumer發生了變化，所有其他的broker和consumer都會得到 通知。

8、參考資料：

• Apache Kafka網站
• 項目設計討論
• Github鏡像
• Morten Kjetland對Apache Kafka的介紹
• Quora上與RabbitMQ的對比
• Kafka: a Distributed Messaging System for Log Processing
• Zero-copy原理

• Kafka與Hadoop

[1] Kafka的一些特點  http://blog.segmentfault.com/mongo/1190000000385620

[2] Apache kafka原理與特性(0.8V)  http://shift-alt-ctrl.iteye.com/blog/1930345

原文地址： http://www.biaodianfu.com/kafka.html