面试官: Kafka 为什么这么快 ?
Posted 程序员二黑
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了面试官: Kafka 为什么这么快 ?相关的知识,希望对你有一定的参考价值。
有人说:他曾在一台配置较好的机子上对 Kafka 进行性能压测,压测结果是 Kafka 单个节点的极限处理能力接近每秒 2000万 条消息,吞吐量达到每秒 600MB。
那 Kafka 为什么这么快?如何做到这个高的性能?
本篇文章主要从这 3 个角度来分析:
-
生产端
-
服务端 Broker
-
消费端
先来看下生产端发送消息,Kafka 做了哪些优化?
(1)生产端 Producer
先来回顾下 Producer 生产者发送消息的流程:
- 首先指定消息发送到哪个 Topic。
- 选择一个 Topic 的分区 partitiion,默认是轮询来负载均衡。
也可以指定一个分区 key,根据 key 的 hash 值来分发到指定的分区。
也可以自定义 partition 来实现分区策略。
- 找到这个分区的 leader partition。
- 与所在机器的 Broker 的 socket 建立通信。
- 发送 Kafka 自定义协议格式的请求(包含携带的消息、批量消息)。
将思绪集中在消息发送时候,可发现这两个华点:批量消息和自定义协议格式。
-
批量发送:减少了与服务端 Broker 处理请求的次数,从而提升总体的处理能力。
调用 send() 方法时,不会立刻把消息发送出去,而是缓存起来,选择恰当时机把缓存里的消息划分成一批数据,按批次发送给服务端 Broker。 -
自定义协议格式:序列化方式和压缩格式都能减少数据体积,从而节省网络资源消耗。
各种压缩算法对比:
-
吞吐量方面:LZ4 > Snappy > zstd 和 GZIP
-
压缩比方面:zstd > LZ4 > GZIP > Snappy
(2)服务端 Broker
Broker 的高性能主要从这 3 个方面体现:
- PageCache 缓存
- Kafka 的文件布局 以及 磁盘文件顺序写入
- 零拷贝 sendfile:加速消费流程
下面展开讲讲。
1)PageCache 加速消息读写
使用 PageCache 主要能带来如下好处:
写入文件的时候:操作系统会先把数据写入到内存中的 PageCache,然后再一批一批地写到磁盘上,从而减少磁盘 IO 开销。
读取文件的时候:也是从 PageCache 中来读取数据。
- 如果消息刚刚写入到服务端就会被消费,按照 LRU 的“优先清除最近最少使用的页”这种策略,读取的时候,对于这种刚刚写入的 PageCache,命中的几率会非常高。
2)Kafka 的文件布局 以及 磁盘文件顺序写入
文件布局如下图所示:
主要特征是:文件的组织方式是“topic + 分区”,每一个 topic 可以创建多个分区,每一个分区包含单独的文件夹。
Kafka 在分区级别实现文件顺序写:即多个文件同时写入,更能发挥磁盘 IO 的性能。
-
相对比 RocketMQ: RocketMQ 在消息写入时追求极致的顺序写,所有的消息不分主题一律顺序写入 commitlog 文件, topic 和 分区数量的增加不会影响写入顺序。
-
弊端: Kafka 在消息写入时的 IO 性能,会随着 topic 、分区数量的增长先上升,后下降。
所以使用 Kafka 时,要警惕 Topic 和 分区数量。
3)零拷贝 sendfile:加速消费流程
当不使用零拷贝技术读取数据时:
流程如下:
-
消费端 Consumer:向 Kafka Broker 请求拉取消息
-
Kafka Broker 从 OS Cache 读取消息到 应用程序的内存空间:
若 OS Cache 中有消息,则直接读取
若 OS Cache 中无消息,则从磁盘里读取
- 再通过网卡,socket 将数据发送给 消费端Consumer
当使用零拷贝技术读取数据:
Kafka 使用零拷贝技术可以把这个复制次数减少一次,直接从 PageCache 中把数据复制到 Socket 缓冲区中。
-
这样不用将数据复制到用户内存空间。
-
DMA 控制器直接完成数据复制,不需要 CPU 参与,速度更快。
(3)消费端 Consumer
消费者只从 Leader分区批量拉取消息。
为了提高消费速度,多个消费者并行消费比不可少。Kafka 允许创建消费组(唯一标识 group.id),在同一个消费组的消费者共同消费数据。
举个栗子:
-
有两个 Kafka Broker,即有 2个机子
-
有一个主题:TOPICA,有 3 个分区(0, 1, 2)
如上图,举例 4 中情况:
-
group.id = 1,有一个消费者:这个消费者要处理所有数据,即 3 个分区的数据。
-
group.id = 2,有两个消费者:consumer 1消费者需处理 2个分区的数据,consumer2 消费者需处理 1个分区的数据
-
group.id = 3,有三个消费者:消费者数量与分区数量相等,刚好每个消费者处理一个分区
-
group.id = 4,有四个消费者:消费者数量 > 分区数量,第四个消费者则会处于空闲状态
总结
最后不管你是刚入门的小白、还没入门的群众、已经入门很久的前辈,不满足现在的工作情况,你想升值加薪,想弯道超车,都可以加我的群,咱们会提供一套专门的测试学习路线规划,带领你实现人生逆袭,财富自由。当然,咱们也有免费的资料可以提供给喜欢自学的小伙伴,所以欢迎大家踊跃加群~我会一一为大家通过的。(拒绝三天打鱼两天晒网)
以上是关于面试官: Kafka 为什么这么快 ?的主要内容,如果未能解决你的问题,请参考以下文章