Kafka源码分析及图解原理之Broker端

作者：IT技术分享 2019-09-20 08:54:38

开源

Kafka 一个topic可以有多个分区，每个分区的消息都是不同的。 虽然分区可以提供更高的吞吐量，但是分区不是越多越好。

 [[277321]]

首先从kafka如何创建一个topic来开始：

kafka-topics --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test 

其中有这么几个参数：

• –zookeeper：zookeeper的地址
• –replication-factor：副本因子
• –partitions：分区个数(默认是1)
• –topic：topic名称

二.什么是分区

一个topic可以有多个分区，每个分区的消息都是不同的。 虽然分区可以提供更高的吞吐量，但是分区不是越多越好。一般分区数不要超过kafka集群的机器数量。分区越多占用的内存和文件句柄。 一般分区设置为3-10个。比如现在集群有3个机器，要创建一个名为test的topic，分区数为2，那么如图：

partiton都是有序切顺序不可变的记录集，并且不断追加到log文件，partition中的每一个消息都回分配一个id，也就是offset(偏移量)，offset用来标记分区的一条记录 ，这里就用官网的图了，我画的不好：

2.1 producer端和分区关系

就图上的情况，producer端会把mq给哪个分区呢?这也是上一节我们提到的一个参数partitioner.class。 默认分区器的处理是：有key则用murmur2算法计算key的哈希值，对总分区取模算出分区号，无key则轮询。(org.apache.kafka.clients.producer.internals.DefaultPartitioner#partition)。当然了我们也可以自定义分区策略，只要实现org.apache.kafka.clients.producer.Partitioner接口即可：

/** 
 * Compute the partition for the given record. 
 * 
 * @param topic The topic name 
 * @param key The key to partition on (or null if no key) 
 * @param keyBytes serialized key to partition on (or null if no key) 
 * @param value The value to partition on or null 
 * @param valueBytes serialized value to partition on or null 
 * @param cluster The current cluster metadata 
 */ 
 public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) { 
 List<PartitionInfo> partitions = cluster.partitionsForTopic(topic); 
 int numPartitions = partitions.size(); 
 if (keyBytes == null) { 
 int nextValue = nextValue(topic); 
 List<PartitionInfo> availablePartitions = cluster.availablePartitionsForTopic(topic); 
 if (availablePartitions.size() > 0) { 
 int part = Utils.toPositive(nextValue) % availablePartitions.size(); 
 return availablePartitions.get(part).partition(); 
 } else { 
 // no partitions are available, give a non-available partition 
 return Utils.toPositive(nextValue) % numPartitions; 
 } 
 } else { 
 // hash the keyBytes to choose a partition 
 return Utils.toPositive(Utils.murmur2(keyBytes)) % numPartitions; 
 } 
 } 

2.2 consumer端和分区关系

先来看下官网对于消费组的定义：Consumers label themselves with a consumer group name, and each record published to a topic is delivered to one consumer instance within each subscribing consumer group.

翻译：消费者使用一个消费者组名来标记自己，一个topic的消息会被发送到订阅它的消费者组的 一个 消费者实例上。

consumer group是用于实现高伸缩性，高容错性的consumer机制。如果有consumer挂了或者新增一个consumer，consumer group会进行重平衡(rebalance)，重平衡机制会在consumer篇具体讲解，本节不讲。那么按照上面的图继续画消费者端：

这里是最好的情况，2个partition对应1个group中的2个consumer。那么思考，如果一个消费组的消费者大于分区数呢?或者小于分区数呢?

如果一个消费组的消费者大于分区数，那么相当于多余的消费者是一种浪费，多余的消费者将无法消费消息。

如果一个消费组的消费者小于分区数，会有对应的消费者分区分配策略。一种是Range(默认)，一种是RoundRobin(轮询)，当然也可以自定义策略。 其实思想换汤不换药的啊，每个消费者能负载均衡的工作。 具体会在消费者篇讲解，这里不讲。

建议：配置分区数是消费者数的整数倍

三.副本与ISR设计

3.1 什么是副本

在创建topic的时候有个参数是–replication-factor来设定副本数。Kafka利用多份相同的备份保持系统的高可用性，这些备份在Kafka中被称为副本(replica)。副本分为3类：

• leader副本：响应producer端的读写请求
• follower副本：备份leader副本的数据， 不响应producer端的读写请求!
• ISR副本集合：包含1个leader副本和所有follower副本(也可能没有follower副本)

Kafka会把所有的副本均匀分配到kafka-cluster中的所有broker上，并从这些副本中挑选一个作为leader副本，其他成为follow副本。如果leader副本所在的broker宕机了，那么其中的一个follow副本就会成为leader副本。leader副本接收producer端的读写请求，而follow副本只是向leader副本请求数据不会接收读写请求!

3.2 副本同步机制

上面说了ISR就是动态维护一组同步副本集合，leader副本总是包含在ISR集合中。只有ISR中的副本才有资格被选举为leader副本。当producer端的ack参数配置为all(-1)时，producer写入的mq需要ISR所有副本都接收到，才被视为已提交。当然了，上一节就提到了，使用ack参数必须配合broker端的min.insync.replicas(默认是1)参数一起用才能达到效果，该参数控制写入isr中的多少副本才算成功。 如果ISR中的副本数少于min.insync.replicas时，客户端会返回异常org.apache.kafka.common.errors.NotEnoughReplicasExceptoin: Messages are rejected since there are fewer in-sync replicas than required。

要了解副本同步机制需要先学习几个术语：

• High Watermark：副本高水位值，简称HW， 小于HW或者说在HW以下的消息都被认为是“已备份的”，HW指向的也是下一条消息! leader副本的HW值决定consumer能poll的消息数量!consumer只能消费小于HW值的消息!
• LEO：log end offset，下一条消息的位移。 也就是说LEO指向的位置是没有消息的!
• remote LEO：严格来说这是一个集合。leader副本所在broker的内存中维护了一个Partition对象来保存对应的分区信息，这个Partition中维护了一个Replica列表，保存了该分区所有的副本对象。除了leader Replica副本之外，该列表中其他Replica对象的LEO就被称为remote LEO。

下面举个一个实际的例子(本例子参考胡夕博客)，该例子中的topic是单分区，副本因子是2。也就是说一个leader副本，一个follower副本，ISR中包含这2个副本集合。我们首先看下当producer发送一条消息时，leader/follower端broker的副本对象到底会发生什么事情以及分区HW是如何被更新的。首先是初始状态：

此时producer给该topic分区发送了一条消息。此时的状态如下图所示：

如上图所见，producer发送消息成功后(假设acks=1, leader成功写入即返回)，follower发来了新的FECTH请求，依然请求fetchOffset = 0的数据。和上次不同的是，这次是有数据可以读取的，因此整个处理流程如下图：

显然，现在leader和follower都保存了位移是0的这条消息，但两边的HW值都没有被更新，它们需要在下一轮FETCH请求处理中被更新，如下图所示：

简单解释一下， 第二轮FETCH请求中，follower发送fetchOffset = 1的FETCH请求——因为fetchOffset = 0的消息已经成功写入follower本地日志了，所以这次请求fetchOffset = 1的数据了。Leader端broker接收到FETCH请求后首先会更新other replicas中的LEO值，即将remote LEO更新成1，然后更新分区HW值为1——具体的更新规则参见上面的解释。做完这些之后将当前分区HW值(1)封装进FETCH response发送给follower。Follower端broker接收到FETCH response之后从中提取出当前分区HW值1，然后与自己的LEO值比较，从而将自己的HW值更新成1，至此完整的HW、LEO更新周期结束。

3.3 ISR维护

在0.9.0.0版本之后，只有一个参数：replica.lag.time.max.ms来判定该副本是否应该在ISR集合中，这个参数默认值为10s。意思是如果一个follower副本响应leader副本的时间超过10s，kafka会认为这个副本走远了从同步副本列表移除。

四.日志设计

Kafka的每个主题相互隔离，每个主题可以有一个或者多个分区，每个分区都有记录消息数据的日志文件：

图中有个demo-topic的主题，这个topic有8个分区，每一个分区都存在[topic-partition]命名的消息日志文件 。在分区日志文件中，可以看到前缀一样，但是文件类型不一样的几个文件。比如图中的3个文件，(00000000000000000000.index、00000000000000000000.timestamp、00000000000000000000.log)。这称之为一个LogSegment(日志分段)。

4.1 LogSegment

以一个测试环境的具体例子来讲，一个名为ALC.ASSET.EQUITY.SUBJECT.CHANGE的topic，我们看partition0的日志文件：

每一个LogSegment都包含一些文件名一致的文件集合。文件名的固定是20位数字，如果文件名是00000000000000000000代表当前LogSegment的第一条消息的offset(偏移量)为0，如果文件名是00000000000000000097代表当前LogSegment的第一条消息的offset(偏移量)为97。日志文件有多种后缀的文件，重点关注.index、.timestamp、.log三种类型文件即可。

• .index：偏移量索引文件
• .timeindex：时间索引文件
• .log：日志文件
• .snapshot：快照文件
• .swap：Log Compaction之后的临时文件

4.2 索引与日志文件

kafka有2种索引文件，第一种是offset(偏移量)索引文件，也就是.index结尾的文件。第二种是时间戳索引文件，也就是.timeindex结尾的文件。

我们可以用kafka-run-class.sh来查看offset(偏移量)索引文件的内容：

可以看到每一行都是offset：xxx position：xxxx。 这两者没有直接关系。

• offset：相对偏移量
• position：物理地址

那么第一行的offset：12 position：4423是什么意思呢?它代表偏移量从0-12的消息的物理地址在0-4423。

同理第二行的offset：24 position：8773的意思也能猜得出来：它代表偏移量从13-24的消息的物理地址在4424-8773。

我们可以再用kafka-run-class.sh来看下.log文件的文件内容，关注里面的baseOffset和postion的值。你看看和上面说的对应的上吗。

[[277322]]

4.3 如何用offset查找

按上面的例子，如何查询偏移量为60的消息

根据offset首先找到对应的LogSegment，这里找到00000000000000000000.index

通过二分法找到不大于offset的最大索引项，这里找到offset：24 position：8773

打开00000000000000000000.log文件，从position为8773的那个地方开始顺序扫描直到找到offset=60的消息