详解Kafka分区副本分配的Bug

该文章可能已过期,已不做勘误并更新,请访问原文地址(持续更新) 关于分区副本分配相关的Bug… kafka知识图谱： Kafka知识图谱大全

kafka管控平台推荐使用滴滴开源的 Kafka运维管控平台(戳我呀) 更符合国人的操作习惯、更强大的管控能力、更高效的问题定位能力、更便捷的集群运维能力、更专业的资源治理、更友好的运维生态、

Hello~~ 大家好,我是石臻臻~~~~

今天这篇文章,给大家分享一下最近看kafka源码时候,困扰我几天的疑惑,供大家一起思考讨论,确定一下它是不是一个 Bug 欢迎留言一起探讨！

这个 " Bug " ,发生在分区副本进行分配的时候, 为了让大家更好的理解,我把kafka里面所有情况的分区分配规则给大家详细讲解一下「不想看过程,可以直接看最后的总结部分」

在kafka需要进行分区副本分配计算的地方有三个地方

「 Topic创建」的时候
「分区扩容」的时候
「分区副本重分配」的时候

副本分配方式

副本分配的几个原则:

将副本平均分布在所有的 Broker 上;
partition 的多个副本应该分配在不同的 Broker 上;
如果所有的 Broker 有机架信息的话, partition 的副本应该分配到不同的机架上。

这里我们为了描述简单,不分析有机架的情况

不管是什么时候的分配规则,最终调用的都是下面这个方法,为了分析分配情况,我加了一些日志

通过这个分配方法我们可以得知,影响最终分配的方式有几个变量

Broker List的顺序
起始随机分配BrokerID startIndex
第一个副本跟第二个副本的起始间隔偏移量 nextReplicaShift

我们通过创建Topic的情景来分析一下整体的分配规则;

创建Topic分区分配

Topic的创建可以看: 你知道Kafka创建Topic这个过程做了哪些事情吗？(附视频)

我们先看一个副本的分配情况

启动5个Broker, 创建一个Topic, 分区数10 副本数 1

单副本分配

分配情况可以用如下图表示

起始随机索引是2, 也就是说起始BrokerId= Broker-4; 那么第一个副本P0-1(Leader)就从它开始分配了,后续的分配就是按照BrokerList就行遍历平均分配了,这样就让每个分区的Leader副本都均匀的分配到了不同的Broker上; 因为是单副本分配,newxtReplicaShit这个参数并没有用上;

多副本分配

启动5个Broker, 创建一个Topic, 分区数10 副本数 3;(还是跟上面一样,但是这个时候将副本数变成3个; 创建一个新的Topic = Test_Topic)

代码语言：javascript复制

起始随机startIndex:2currentPartitionId:0;起始随机nextReplicaShift：4;brokerArray:ArrayBuffer(0, 1, 4, 2, 3)
(p-0,ArrayBuffer(4, 2, 3))
(p-1,ArrayBuffer(2, 3, 0))
(p-2,ArrayBuffer(3, 0, 1))
(p-3,ArrayBuffer(0, 1, 4))
(p-4,ArrayBuffer(1, 4, 2))
变更nextReplicaShift:5
(p-5,ArrayBuffer(4, 3, 0))
(p-6,ArrayBuffer(2, 0, 1))
(p-7,ArrayBuffer(3, 1, 4))
(p-8,ArrayBuffer(0, 4, 2))
(p-9,ArrayBuffer(1, 2, 3))

这个得到的排列最终会写的zk中, 这些就是AR的值; 第一个为Leader

Broker List = {0,1,4,2,3}
startIndes = 2
nextReplicaShift= 4 这里跟 nextReplicaShift= 0 是一样的 (nextReplicaShift%(BrokerSize-1))

这里跟单副本的时候基本上参数是一样, nextReplicaShift= 4 表示的是第一副本和第二副本起始间隔4, 总共5个Broker,最终效果和起始0间隔是一样的,可以看下图,

这个间隔的含义理解了,那我们看看这个整体的分配布局

从这里我们不难看出:

随机的startIndex 可以尽量的让Leader不会分区堆积的情况,如果每次都是从0开始,那么每个Topic创建的时候第一个分区都落在0,假设分区不多,那么就会全部堆积到前面的Broker中,后面的Broker分配不到;

nextReplicaShitf: 尽量让单个Topic的副本分配的更散列一些

分区扩容分配方式

分区扩容的情况,也是调用上面的方法,分配规则都是一样的; 但是入参却又有一些不一样

不一样的地方,我把关键scala代码贴出来看看

最终也是调用了AdminUtils.assignReplicasToBrokers方法; 但是入参有些不同

Broker List 是allBrokers; 这里allBrokers是从下面方法里获取的,从zk里面拿到Brokers节点再进行排序之后的列表; 如{0,1,2,3,4,5}

startIndex: 在这里并不是一个随机值了,而是existingAssignmentPartition0.head获取的值; 这个表示的是当前Topic的第一个分区的第一个副本在 Brokerlist中的索引值;
nextReplicaShitf: 这里跟startIndex是一个值; 如果入参指定了startIndex则 nextReplicaShitf:跟它一样,如下图代码

startPartitionId: 这里的值是已经存在的分区数; 创建topic的时候这个值是0;

那么那么把上面创建的t2(10分区,3副本), 执行一下分区扩容,扩容到13个;

这是扩分区后的情况, 因为这里刚好是轮训两次再进行扩容的,可能看不出来问题,我们看另一个case

创建新Topic t5, 3个分区,1副本如下

扩分区到5个,新增的分区分配如下

分配图

如果要均衡分配的话,至少是 1、1、1、1、1 才算是均衡,现在是直接有一个Broker没有用上了;

为什么会出现这种情况？

我们先分析一下写这段代码的人想做什么？

上图左边是最终扩容之后的分配,右边是扩容时候的计算方式; 从上我们可以分析得出

分区扩容不会变更之前的分配情况,只会变更重新计算扩容的那部分分区的分配规则;
starIndex是第一分区的第一个副本在排序之后的BrokerList中的索引值; 然后按照分配规则进行分配,并且这个时候有startPartitionId 截断前面的配置,只计算扩分区的这一部分;

从它这代码分析不就是想接着上一次继续分配吗？它把Broker List 排序了; 然后又是接着原来的计算方式进行分配 ①. starIndex 会让起始的分区副本相同, ok,这个变量相同了 ②. nextReplicaShitf这个变量不会影响分区的Leader均衡,它的作用是尽量的离散一下副本

上面2个变量确定了,那么只要保证第三个变量 broker List的顺序,那么分配肯定就跟创建的时候一样(排除手动改掉的情况); 也就会总体分配均衡了; 那么实际情况 broker List 这个变量相同吗？

答案: 不相同!!!

创建的时候是 {0,1,4,2,3} 未经过排序扩分区的时候 {0,1,2,3,4} 经过了排序

为什么？为什么？为什么？

你要么就都排序，你要么就都接着用上一次的列表不好吗？

分析到这里, 我们已经肯定确定分区扩容有可能会造成分区分区不均衡的情况虽然这种影响很小,你我可能根本感知不出来,但是如果整个集群批量做扩容的时候, 会不会就扩大了这个问题的影响范围呢？

到这里我们可能不能确定说它是一个bug, 只是有一个怀疑的因子

但是如果创建Topic的时候就是有序的,那么这里就肯定不会出现扩容分区不均匀的情况啊!

那我们接着分析分区副本重分配的方式