Kafka(一)：概述

一、Kafka概述

Kafka是一個分佈式的基於發佈/訂閱模式的消息隊列，主要應用於大數據實時處理領域。

1.1 MQ應用場景和優缺點

https://hucheng.blog.csdn.net/article/details/102961102

1.2 消息隊列的兩種模式

①點對點模式（一對一，消費者主動拉取數據，消息收到後消息清除）

消息生產者生產消息發送到Queue中，然後消息消費者從Queue中取出並且消費消息。

消息被消費以後，Queue中不再有存儲，所以消息消費者不可能消費到已經被消費的消息。Queue支持存在多個消費者，但是對一個消息而言，只會有一個消費者可以消費。

②發佈/訂閱模式（一對多，消費者消費數據之後不會清除消息）

消息生產者（發佈）將消息發佈到topic中，同時有多個消息消費者（訂閱）消費該消息。和點對點方式不同，發佈到topic的消息會被所有訂閱者消費。

1.3 Kafka基礎架構

Provider： 消息生產者，就是向kafka broker發消息的客戶端。

Consumer： 消息消費者，向kafka broker取消息的客戶端 。

Consumer Group （CG）： 消費者組由多個consumer組成。消費者組內每個消費者負責消費不同分區的數據，一個分區只能由一個消費者消費；消費者組之間互不影響。所有的消費者都屬於某個消費者組，即消費者組是邏輯上的一個訂閱者。

Broker ： 一臺kafka服務器就是一個broker。一個集羣由多個broker組成。一個broker可以容納多個topic。

Topic ： 可以理解爲一個隊列，生產者和消費者面向的都是一個topic；

Partition： 爲了實現擴展性，一個非常大的topic可以分佈到多個broker（即服務器）上，一個topic可以分爲多個partition，每個partition是一個有序的隊列；

Replica： 副本，爲保證集羣中的某個節點發生故障時，該節點上的partition數據不丟失，且kafka仍然能夠繼續工作，kafka提供了副本機制，一個topic的每個分區都有若干個副本，一個leader和若干個follower。

leader： 每個分區多個副本的“主”，生產者發送數據的對象，以及消費者消費數據的對象都是leader。

follower： 每個分區多個副本中的“從”，實時從leader中同步數據，保持和leader數據的同步。leader發生故障時，某個follower會成爲新的leader。

二、Kafka快速入門

2.1 安裝部署

集羣規劃：

hadoop100	hadoop101	hadoop102
zk	zk	zk
kafka	kafka	kafka

集羣部署：

1. 解壓安裝包

[root@hadoop100 software]# tar -zxvf kafka_2.11-0.11.0.0.tgz -C /opt/module/

2. 修改解壓後的文件名稱

[root@hadoop100 module]# mv kafka_2.11-0.11.0.0/ kafka-0.11.0.0

3. 在kafka目錄下創建logs文件夾

[root@hadoop100 kafka-0.11.0.0]# mkdir logs

4. 修改配置文件server.properties
   
5. 配置環境變量

[root@hadoop100 module]# vi /etc/profile

#KAFKA_HOME
export KAFKA_HOME= /opt/module/kafka-0.11.0.2
export PATH=$PATH:$KAFKA_HOME/bin

[root@hadoop100 module]# source /etc/profile

6. 分發kafka安裝包和環境變量，並修改配置文件中broke.id爲1、2。
7. 啓動集羣

[root@hadoop100 kafka-0.11.0.0]#  bin/kafka-server-start.sh -daemon config/server.properties
[root@hadoop101 kafka-0.11.0.0]#  bin/kafka-server-start.sh -daemon config/server.properties
[root@hadoop102 kafka-0.11.0.0]#  bin/kafka-server-start.sh -daemon config/server.properties

8. 關閉集羣

[root@hadoop100 kafka-0.11.0.0]#  bin/kafka-server-stop.sh stop
[root@hadoop101 kafka-0.11.0.0]#  bin/kafka-server-stop.sh stop
[root@hadoop102 kafka-0.11.0.0]#  bin/kafka-server-stop.sh stop

9. kafka羣起腳本

for i in `cat /opt/module/hadoop-2.7.2/etc/hadoop/slaves`
do
echo "========== $i ==========" 
ssh $i 'source /etc/profile&&/opt/module/kafka-0.11.0.2/bin/kafka-server-start.sh -daemon 
 /opt/module/kafka-0.11.0.2/config/server.properties &'
echo $?
done

2.2 Kafka命令行操作

1. 查看當前服務器中的所有topic

[root@hadoop100 kafka-0.11.0.0]# bin/kafka-topics.sh --zookeeper hadoop100:2181 --list

2. 創建topic

[root@hadoop100 kafka-0.11.0.0]# bin/kafka-topics.sh --zookeeper hadoop100:2181 \
--create --replication-factor 3 --partitions 1 --topic first

選項說明：
--topic：定義topic名
--replication-factor ：定義副本數
--partitions ：定義分區數

3. 刪除topic

[root@hadoop100 kafka-0.11.0.0]# bin/kafka-topics.sh --zookeeper hadoop100:2181 \
--delete --topic first

需要server.properties中設置delete.topic.enable=true否則只是標記刪除。

4. 發送消息

[root@hadoop100 kafka-0.11.0.0]# bin/kafka-console-producer.sh \
--broker-list hadoop100:9092 --topic first
>hello
>world

5. 消費消息

[root@hadoop101 kafka-0.11.0.0]# bin/kafka-console-consumer.sh \
--bootstrap-server hadoop100:9092 --from-beginning --topic first

hello
world

--from-beginning：會把主題中以往所有的數據都讀取出來。

6. 查看某個Topic的詳情

[root@hadoop100 kafka-0.11.0.0]# bin/kafka-topics.sh --zookeeper hadoop102:2181 \
--describe --topic firs

7. 修改分區數(修改的分區數只能大於之前的分區數)

[root@hadoop100 kafka-0.11.0.0]# bin/kafka-topics.sh --zookeeper hadoop102:2181
 --alter --topic first --partitions 6

三、Kafka架構深入

3.1 Kafka工作流程

Kafka中消息是以topic進行分類的，生產者生產消息，消費者消費消息，都是面向topic的。

topic是邏輯上的概念，而partition是物理上的概念，每個partition對應於一個log文件，該log文件中存儲的就是producer生產的數據。Producer生產的數據會被不斷追加到該log文件末端，且每條數據都有自己的offset。消費者組中的每個消費者，都會實時記錄自己消費到了哪個offset，以便出錯恢復時，從上次的位置繼續消費。

3.2 Kafka文件存儲機制

由於生產者生產的消息會不斷追加到log文件末尾，爲防止log文件過大導致數據定位效率低下，Kafka採取了分片和索引機制，將每個partition分爲多個segment。每個segment對應兩個文件：.index文件和.log文件。這些文件位於一個文件夾下，該文件夾的命名規則爲：topic名稱+分區序號。例如，first這個topic有三個分區，則其對應的文件夾爲first-0,first-1,first-2。

index和log文件以當前segment的第一條消息的offset命名，下圖爲index文件和log文件的結構示意圖：

.index文件存儲大量的索引信息，.log文件存儲大量的數據，索引文件中的元數據指向對應數據文件中message的物理偏移地址。

3.3 Kafka生產者

① 分區策略

分區的原因：

1. 方便在集羣中擴展，每個Partition可以通過調整以適應它所在的機器，而一個topic又可以有多個Partition組成，因此整個集羣就可以適應任意大小的數據了；
2. 可以提高併發，因爲可以以Partition爲單位讀寫了。

分區的原則：

我們需要將producer發送的數據封裝成一個ProducerRecord對象。

1. 指明partition的情況下，直接將指明的值直接作爲partiton值;
2. 沒有指明partition值但有key的情況下，將key的hash值與topic的partition數進行取餘得到partition值;
3. 既沒有partition值又沒有key值的情況下，第一次調用時隨機生成一個整數（後面每次調用在這個整數上自增），將這個值與topic可用的partition總數取餘得到partition值，也就是常說的round-robin算法。

② 數據可靠性保證

爲保證producer發送的數據，能可靠的發送到指定的topic，topic的每個partition收到producer發送的數據後，都需要向producer發送ack（acknowledgement確認收到），如果producer收到ack，就會進行下一輪的發送，否則重新發送數據。

1.副本數據同步策略

方案	優點	缺點
半數以上完成同步，就發送ack	延遲低	選舉新的leader時，容忍n臺節點的故障，需要2n+1個副本
全部完成同步，才發送ack	選舉新的leader時，容忍n臺節點的故障，需要n+1個副本	延遲高

Kafka選擇了第二種方案，原因如下：

1. 同樣爲了容忍n臺節點的故障，第一種方案需要2n+1個副本，而第二種方案只需要n+1個副本，而Kafka的每個分區都有大量的數據，第一種方案會造成大量數據的冗餘。
2. 雖然第二種方案的網絡延遲會比較高，但網絡延遲對Kafka的影響較小。

2.ISR

採用第二種方案之後，設想以下情景：leader收到數據，所有follower都開始同步數據，但有一個follower，因爲某種故障，遲遲不能與leader進行同步，那leader就要一直等下去，直到它完成同步，才能發送ack。這個問題怎麼解決呢？

Leader維護了一個動態的in-sync replica set (ISR)，意爲和Leader保持同步的follower集合。當ISR中的follower完成數據的同步之後，leader就會給follower發送ack。如果follower長時間未向leader同步數據，則該follower將被踢出ISR，該時間閾值由replica.lag.time.max.ms參數設定。Leader發生故障之後，就會從ISR中選舉新的leader。

3.ack應答機制

對於某些不太重要的數據，對數據的可靠性要求不是很高，能夠容忍數據的少量丟失，所以沒必要等ISR中的follower全部接收成功。所以Kafka爲用戶提供了三種可靠性級別，用戶根據對可靠性和延遲的要求進行權衡，選擇以下的配置。

acks參數配置：

• 0：producer不等待broker的ack，這一操作提供了一個最低的延遲，broker一接收到還沒有寫入磁盤就已經返回，當broker故障時有可能丟失數據；
• 1：producer等待broker的ack，partition的leader落盤成功後返回ack。如果在follower同步成功之前leader故障，那麼將會丟失數據；
  
• -1：producer等待broker的ack，partition的leader和follower全部落盤成功後才返回ack。但是如果在follower同步完成後，broker發送ack之前，leader發生故障，那麼會造成數據重複。
  

4.故障處理細節

LEO：每個副本的最後一個offset；
HW：所有副本中最小的LEO。

1. follower故障
   follower發生故障後會被臨時踢出ISR，待該follower恢復後，follower會讀取本地磁盤記錄的上次的HW，並將log文件高於HW的部分截取掉，從HW開始向leader進行同步。等該follower的LEO大於等於該Partition的HW，即follower追上leader之後，就可以重新加入ISR了。
2. leader故障
   leader發生故障之後，會從ISR中選出一個新的leader，之後，爲保證多個副本之間的數據一致性，其餘的follower會先將各自的log文件高於HW的部分截掉，然後從新的leader同步數據。
   注意：這隻能保證副本之間的數據一致性，並不能保證數據不丟失或者不重複。

③ Exactly Once語義

對於某些比較重要的消息，我們需要保證exactly once語義，即保證每條消息被髮送且僅被髮送一次。

在0.11版本之後，Kafka引入了冪等性機制（idempotent），配合acks = -1時的at least once語義，實現了producer到broker的exactly once語義。

idempotent + at least once = exactly once

使用時，只需將enable.idempotence屬性設置爲true，kafka自動將acks屬性設爲-1。

3.4 Kafka消費者

① 消費方式

consumer採用pull（拉）模式從broker中讀取數據。

push（推）模式很難適應消費速率不同的消費者，因爲消息發送速率是由broker決定的。它的目標是儘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。

pull模式不足之處是，如果kafka沒有數據，消費者可能會陷入循環中，一直返回空數據。針對這一點，Kafka的消費者在消費數據時會傳入一個時長參數timeout，如果當前沒有數據可供消費，consumer會等待一段時間之後再返回，這段時長即爲timeout。

② 分區分配策略

一個consumer group中有多個consumer，一個topic有多個partition，所以必然會涉及到partition的分配問題，即確定那個partition由哪個consumer來消費。

Kafka有兩種分配策略，一是round robin（輪詢，默認），一是range。range分配是以topic分配partition，當有多個topic時，可能會造成partition分配不均勻

③ offset的維護

由於consumer在消費過程中可能會出現斷電宕機等故障，consumer恢復後，需要從故障前的位置的繼續消費，所以consumer需要實時記錄自己消費到了哪個offset，以便故障恢復後繼續消費。

Kafka 0.9版本之前，consumer默認將offset保存在Zookeeper中，從0.9版本開始，consumer默認將offset保存在Kafka一個內置的topic中，該topic爲__consumer_offsets。

3.5 Kafka 高效讀寫數據

①順序寫磁盤

Kafka的producer生產數據，要寫入到log文件中，寫的過程是一直追加到文件末端，爲順序寫。官網有數據表明，同樣的磁盤，順序寫能到到600M/s，而隨機寫只有100k/s。這與磁盤的機械機構有關，順序寫之所以快，是因爲其省去了大量磁頭尋址的時間。

②零複製技術

3.6 Zookeeper在Kafka中的作用

Kafka集羣中有一個broker會被選舉爲Controller，負責管理集羣broker的上下線，所有topic的分區副本分配和leader選舉等工作。Controller的管理工作都是依賴於Zookeeper的。

以下爲partition的leader選舉過程：