• 目錄
  • 前言：
  • 1、Kafka整體結構
  • 2、Consumer與topic關系
  • 3、Kafka消息的分發
  • 4、Consumer的負載均衡
  • 5、kafka文件存儲機制
  • 總結：

目錄

前言：

本篇文章所介紹的內容還是以了解為主，主要目的還是為了對Kafka有一個更深入的理解。主要介紹了以下幾個知識點：Kafka的負載均衡、Producer生產數據、Kafka文件存儲機制等（不過總感覺這篇文章總結的亂七八糟。。請大家多多包涵，隨著后面的學習，自己會再回過頭來進行修改）

1、Kafka整體結構

Kafka名詞解釋和工作方式

• kafka：是一個生產-消費模型。類JMS消息隊列，結合JMS中的兩種模式，可以有多個消費者主動拉取數據，在JMS中只有點對點模式才有消費者主動拉取數據。
• Producer ：消息生產者，就是向kafka broker發消息的客戶端。數據的分發策略由producer決定，默認是defaultPartition Utils.abs(key.hashCode) % numPartitions
• Consumer ：消息消費者，向kafka broker取消息的客戶端
• Topic ：可以理解為一個隊列或者目標發送的目的地，這是一個邏輯上的概念，落到磁盤上是一個partition的目錄。partition的目錄中有多個segment組合(index,log)，一個Topic對應多個partition[0,1,2,3]，一個partition對應多個segment組合。一個segment有默認的大小是1G。每個partition可以設置多個副本(replication-factor 1),會從所有的副本中選取一個leader出來。所有讀寫操作都是通過leader來進行的。特別強調，和mysql中主從有區別，mysql做主從是為了讀寫分離，在kafka中讀寫操作都是leader。
• Consumer Group（CG）：數據消費者組，ConsumerGroup可以有多個，每個ConsumerGroup消費的數據都是一樣的。可以把多個consumer線程劃分為一個組，組里面所有成員共同消費一個topic的數據，組員之間不能重復消費。
• Broker ：一臺kafka服務器就是一個broker。一個集群由多個broker組成。一個broker可以容納多個topic。只管數據存儲，不管是誰生產，不管是誰消費。
• Partition：為了實現擴展性，一個非常大的topic可以分布到多個broker（即服務器）上，一個topic可以分為多個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）。kafka只保證按一個partition中的順序將消息發給consumer，不保證一個topic的整體（多個partition間）的順序。
• Offset：kafka的存儲文件都是按照offset.kafka來命名，用offset做名字的好處是方便查找。例如你想找位于2049的位置，只要找到2048.kafka的文件即可。當然the first offset就是00000000000.kafka。

2、Consumer與topic關系

本質上kafka只支持Topic；

• 每個group中可以有多個consumer，每個consumer屬于一個consumer group；
  通常情況下，一個group中會包含多個consumer，這樣不僅可以提高topic中消息的并發消費能力，而且還能提高”故障容錯”性，如果group中的某個consumer失效那么其消費的partitions將會有其他consumer自動接管。
• 對于Topic中的一條特定的消息，只會被訂閱此Topic的每個group中的其中一個consumer消費，此消息不會發送給一個group的多個consumer；那么一個group中所有的consumer將會交錯的消費整個Topic，每個group中consumer消息消費互相獨立，我們可以認為一個group是一個”訂閱”者。
• 在kafka中,一個partition中的消息只會被group中的一個consumer消費(同一時刻)；
  一個Topic中的每個partions，只會被一個”訂閱者”中的一個consumer消費，不過一個consumer可以同時消費多個partitions中的消息。
• kafka的設計原理決定,對于一個topic，同一個group中不能有多于partitions個數的consumer同時消費，否則將意味著某些consumer將無法得到消息。

kafka只能保證一個partition中的消息被某個consumer消費時是順序的；事實上，從Topic角度來說,當有多個partitions時,消息仍不是全局有序的。

3、Kafka消息的分發

Producer客戶端負責消息的分發

• kafka集群中的任何一個broker都可以向producer提供metadata信息,這些metadata中包含”集群中存活的servers列表”/”partitions leader列表”等信息；
• 當producer獲取到metadata信息之后, producer將會和Topic下所有partition
  leader保持socket連接；
• 消息由producer直接通過socket發送到broker，中間不會經過任何”路由層”，事實上，消息被路由到哪個partition上由producer客戶端決定；

比如可以采用”random”“key-hash”“輪詢”等,如果一個topic中有多個partitions,那么在producer端實現”消息均衡分發”是必要的。
在producer端的配置文件中,開發者可以指定partition路由的方式。

Producer消息發送的應答機制
ack機制：broker表示發來的數據已確認接收無誤，表示數據已經保存到磁盤。
設置發送數據是否需要服務端的反饋,有三個值0,1,-1
0: producer不會等待broker發送ack
1: 當leader接收到消息之后發送ack
-1: 當所有的follower都同步消息成功后發送ack
request.required.acks=0

4、Consumer的負載均衡

當一個group中,有consumer加入或者離開時,會觸發partitions均衡.均衡的最終目的,是提升topic的并發消費能力，步驟如下：

假如topic1,具有如下partitions: P0,P1,P2,P3

加入group中,有如下consumer: C1,C2

首先根據partition索引號對partitions排序: P0,P1,P2,P3

根據consumer.id排序: C0,C1

計算倍數: M = [P0,P1,P2,P3].size / [C0,C1].size,本例值M=2(向上取整)

然后依次分配partitions: C0 = [P0,P1],C1=[P2,P3],即Ci = [P(i * M),P((i + 1)

• M -1)]

5、kafka文件存儲機制

5.1、Kafka文件存儲基本結構

• 在Kafka文件存儲中，同一個topic下有多個不同partition，每個partition為一個目錄，partiton命名規則為topic名稱+有序序號，第一個partiton序號從0開始，序號最大值為partitions數量減1。
• 每個partition(目錄)相當于一個巨型文件被平均分配到多個大小相等segment(段)數據文件中。但每個段segment file消息數量不一定相等，這種特性方便old segment file快速被刪除。默認保留7天的數據。

- 每個partiton只需要支持順序讀寫就行了，segment文件生命周期由服務端配置參數決定。（什么時候創建，什么時候刪除）

5.2、Kafka Partition Segment

• Segment file組成：由2大部分組成，分別為index file和data file，此2個文件一一對應，成對出現，后綴”.index”和“.log”分別表示為segment索引文件、數據文件。

• Segment文件命名規則：partion全局的第一個segment從0開始，后續每個segment文件名為上一個segment文件最后一條消息的offset值。數值最大為64位long大小，19位數字字符長度，沒有數字用0填充。
• 索引文件存儲大量元數據，數據文件存儲大量消息，索引文件中元數據指向對應數據文件中message的物理偏移地址。

上述圖中索引文件存儲大量元數據，數據文件存儲大量消息，索引文件中元數據指向對應數據文件中message的物理偏移地址。
其中以索引文件中元數據3,497為例，依次在數據文件中表示第3個message(在全局partiton表示第368772個message)、以及該消息的物理偏移地址為497。

5.3、Kafka 查找message
讀取offset=368776的message，需要通過下面2個步驟查找。

5.3.1、查找segment file
00000000000000000000.index表示最開始的文件，起始偏移量(offset)為0
00000000000000368769.index的消息量起始偏移量為368770 = 368769 + 1
00000000000000737337.index的起始偏移量為737338=737337 + 1
其他后續文件依次類推。
以起始偏移量命名并排序這些文件，只要根據offset 二分查找文件列表，就可以快速定位到具體文件。當offset=368776時定位到00000000000000368769.index和對應log文件。
5.3.2、通過segment file查找message
當offset=368776時，依次定位到00000000000000368769.index的元數據物理位置和00000000000000368769.log的物理偏移地址
然后再通過00000000000000368769.log順序查找直到offset=368776為止。

總結：

需要了解的知識點有以下幾個：
1、Kafka的內部名詞及各個名詞的含義及作用。
2、Kafka消息分發的機制。
3、Consumer的負載均衡機制。
4、Kafka文件存儲機制。
總感覺這篇文章總結的比較亂，也許可以把其中的模塊拆開來寫吧。Anyway，就先總結成這樣吧，以后有機會會再修改。

總結

以上是生活随笔為你收集整理的大数据之Kafka内部原理详细介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。