分布式专题｜最近一直死磕kafka设计原理，都肝吐了

2020-12-07 11:25:09 浏览数 (1)

kafka架构图

在这里插入图片描述

kafka核心控制器

定义

在kafka集群中，会选举出一个broker作为控制器(controller)，负责管理集群中所有的分区和副本的状态；

职责

  1. 监听broker变化，通过监听Zookeeper中的/brokers/ids/ 节点方式来实现
  2. 监听topic变化，通过监听Zookeeper中的/brokers/topics节点方式来实现，实时监听topic变化
  3. 管理topic、partition、broker相关的信息
  4. 更新数据的元数据信息，同步到其他的broker节点

选举过程

broker控制器选举的原理是借助于zookeeper的临时节点实现： kafka集群启动时，每个broker都会尝试争当控制器，都会往zookeeper的controller节点注册自己，但是由于zookeerper的特性，如果节点已经创建过，再创建就会失败，所以只会有一个broker创建成功，那么创建成功的broker就会成为控制器;此外其他broker都会监听这个controller节点

在这里插入图片描述

由于controller是临时节点，当控制器broker挂机之后，就会断开与zookeeper的会话连接，临时节点也会消失，其它节点监听到controller节点消失后，就会重新争取controller节点。

Partition副本选择机制

当controller感知到副本leader所在的broker宕机之后，会在当前副本所在的副本列表中选出第一个副本所在的broker作为副本leader，并且要保证这个broker一定要在副本的ISR(存活的副本broker)集合中，如果第一个不存在，则继续尝试第二个第三个，直到满足；不知道为啥kafka作者为什么不直接在ISR集合里面挑，非得多一步操作

消费者消费的offset如何记录？

每个消费者消费所在分区的offset都会记录在kafka的内部topic中（__consumer_offsets）,kafka默认会为这个topic创建50个分区，用来抵抗高并发； 提交到这个topic的时候，key是当前消费者所处的消费组ID topic 分区号，value就是当前offset的值，那么kafka会把这个消息发送到哪个分区呢，是由以下公式决定的： hash(consumer group id) % __consumer_offsets主题的分区数(默认50)，consumer每次消费前都会从这里获取offset值；

什么是消费者rebalance?

定义

当某个消费组中的消费者挂掉或退出之后，此时就会自动把分配给它的分区分配给其它消费者(没有被指定消费分区的消费者)，不仅如此，当有新的消费者加入后也会触发rebalance操作。

Rebalance过程

  1. 选择组协调器(GroupCoordinato) 因为每个消费组的消费offset提交到的分区是确定的，即通过公式hash(consumer group id) % __consumer_offsets主题的分区数计算而来，所以kafka就直接把这个提交的分区所在的副本leader当作组协调器。
  2. 加入消费组 JOIN GROUP 在选好组协调器之后，接下来就是加入消费组阶段，在此阶段的消费者会向 GroupCoordinator 发送 JoinGroupRequest 请求，并处理响应，然后GroupCoordinator 从一个consumer group中选择第一个加入group的consumer作为leader(消费组协调器)，把consumer group情况发送给这个leader，接着这个leader会负责制定分区方案。
  3. SYNC GROUP consumer leader通过给GroupCoordinator发送SyncGroupRequest，接着GroupCoordinator就把分区方案下发给各个consumer，他们会根据指定分区的leader broker进行网络连接以及消息消费。

Rebalance分区分配策略

通过在消费者客户端配置参数partition.assignment.strategy 来设置分配策略，默认为range

  • range 假如现在有10个分区，4个消费者，那么第一步计算平均每个消费者分配的分区数：10/4 = 2，这样每个消费者分到两个分区，还剩余 2 个分区，那么把剩下的两个分区分别分给前面两个消费者，最终分配结果： 第一个消费者：0，1，2 第二个消费者：3，4，5 第三个消费者：6，7 第四个消费者：8，9
  • round-robin(轮询分配) 很容易理解，同上有10个分区，4个消费者： 第一个消费者：0，4，8 第二个消费者：1，5，9 第三个消费者：2，6 第四个消费者：3，7
  • sticky
    • 分区尽可能均匀
    • 分区的分配尽可能与上次分配相同

    假如目前分区分配如下： 第一个消费者：0，4，8 第二个消费者：1，5，9 第三个消费者：2，6 第四个消费者：3，7 现在如果第四个消费者挂机，则重新分配后如下： 第一个消费者：0，4，8，7 第二个消费者：1，5，9 第三个消费者：2，6，3 如果两个规则冲突，优先保证第一个原则

producer发布消息过程

  1. 写入方式 生产者使用push模式将消息发布到broker中，每条消息都被追加到partition中，属于顺序写磁盘
  2. broker根据以下规则将消息发布到指定分区中
  • 如果指定分区，则直接发到指定分区
  • 如果没有指定分区，则根据key进行hash 取模分区数，得到分区
  • key和partition 都没有指定，则使用轮训方式
  1. 发送流程

重要参数acks解释：

  • ack=0 指producer把消息发送出去，不需要等待任何回应，就认为消息发送成功
  • ack=1 指producer把消息发送到leader之后，leader把消息写入磁盘，并回复producer ACK，则producer就认为消息发送成功
  • ack=all/-1 指producer把消息发送到leader之后，leader写入磁盘后，还要等待其他副本的ACK，只有都写成功了，leader才给producer回复ACK，这时producer才认为消息发送成功
  1. producer从zookeeper的state节点中中找到副本leader所在brokerid
  2. producer把消息发送到该leader
  3. leader将消息写入log
  4. follower从leader拉取消息，写入本地log后向leader回复ack
  5. leader收到所有ISR里面的副本恢复ACK之后，增加HW，并向producer发送ACK

HW与LEO到底是个啥？

HW俗称高水位，又称消费能消费到的最大offset，LEO是broker内部能看到的最大offset， 那么这个最大的offset是怎么产生的呢？ 正常情况下，LEO的offset和HW的offset是相同的 当有新消息发送到leader之后，leader的LEO就会增加，这个时候LEO的offset就与HW的offset不一样了，接下来副本开始拉取leader消息，对应的副本LEO也会增加，等到最后一个副本同步完成消息之后，LEO和HW的offset就会一致，这样做的目的是什么呢？是为了「数据的一致性」，保证消息同步完成后才能对消费者可见。

❝ 微信搜一搜【乐哉开讲】关注帅气的我，回复【干货领取】，将会有大量面试资料和架构师必看书籍等你挑选，包括java基础、java并发、微服务、中间件等更多资料等你来取哦。 ❞

kafka 消息队列CMQ版 java 分布式

0 人点赞