Kafka基础系列第2讲：Kafka技术架构剖析

Posted 2021-02-03 chanshuyi

使用过 Kafka 框架的朋友都知道，启动 Kafka 框架只需要两个关联的组件，分别是：Zookeeper 和 Kafka。如果你还没使用过 Kafka 框架，建议先阅读《Kafka 快速入门教程》把玩一下，对 Kafka 有一个感性的认识。

当我们熟悉了 Kafka 的使用之后，我们自然有一些疑惑：Kafka 到底是如何工作的？消息从生产者到 Kafka Server 这中间到底做了什么事情？而 Zookeeper Server 在这过程中有起到什么作用？带着这些疑问，今天我们来深入了解一下 Kafka 的工作机制。

我们先来看一下 Kafka 的架构图：

Kafka 的架构图可以分为四个部分：

• Producer Cluster：生产者集群。一般由许多个实际的业务项目组成，其不断地往 Kafka 集群中写入数据。
• Kafka Cluster：Kafka 服务器集群。这里就是 Kafka 作为重要的一部分，这里负责接收生产者写入的数据，并将其持久化到文件里，最终将消息提供给 Consumer Cluster。
• Zookeeper Cluster：Zookeeper 集群。Zookeeper 负责维护整个 Kafka 集群的 Topic 信息、Kafka Controller 等信息。
• Consumer Cluster：消费者集群。与 Producer Cluster 一样，其一般是由许多个实际的业务项目组成，不断地从 Kafka Cluster 中读取数据。

根据这个架构图，我们可以将一个消息的流转流程分为下面几个阶段：

• 服务器启动阶段
• 生产者发送消息阶段
• Kafka存储消息阶段
• 消费者拉取消息阶段

服务器启动阶段

首先，我们会启动 Zookeeper 服务器，作为集群管理服务器。

接着启动 Kafka Server，Kafka Server 会向 Zookeeper 服务器注册信息，接着启动线程池监听客户端的连接请求。（更详细的启动流程可以参考：）

接着启动消费端，连接到 Zookeeper 服务器，从 Zookeeper 服务器获取到对应的 Kafka Server 信息。

生产者发送消息阶段

当需要将消息存入消息队列中时，生产者根据配置的分片算法，选择分到哪一个 partition 中。在发送一条消息时，可以指定这条消息的 key，Producer 根据这个 key 和 Partition 机制来判断应该将这条消息发送到哪个 Parition。

Paritition 机制可以通过指定 Producer 的 paritition.class 这一参数来指定，该 class 必须实现 kafka.producer.Partitioner 接口。如果不实现 Partition 接口，那么会使用默认的分区算法，即根据根据 key 哈希后取余[4]。

随后生产者与该 Partition Leader 建立联系，之后将消息发送至该 partition leader。之后生产者会根据设置的 request.required.acks 参数不同，选择等待或或直接发送下一条消息。

• request.required.acks = 0 表示 Producer 不等待来自 Leader 的 ACK 确认，直接发送下一条消息。在这种情况下，如果 Leader 分片所在服务器发生宕机，那么这些已经发送的数据会丢失。
• request.required.acks = 1 表示 Producer 等待来自 Leader 的 ACK 确认，当收到确认后才发送下一条消息。在这种情况下，消息一定会被写入到 Leader 服务器，但并不保证 Follow 节点已经同步完成。所以如果在消息已经被写入 Leader 分片，但是还未同步到 Follower 节点，此时Leader 分片所在服务器宕机了，那么这条消息也就丢失了，无法被消费到。
• request.required.acks = -1 表示 Producer 等待来自 Leader 和所有 Follower 的 ACK 确认之后，才发送下一条消息。在这种情况下，无论什么情况都不会发生消息的丢失，除非所有 Follower 节点都宕机了。

Kafka存储消息阶段

当 Kafka 接收到消息后，其并不直接将消息写入磁盘，而是先写入内存中。之后根据生产者设置参数的不同，选择是否回复 ack 给生产者。之后有一个线程会定期将内存中的数据刷入磁盘，这里有两个参数控制着这个过程：

# 数据达到多少条就将消息刷到磁盘
#log.flush.interval.messages=10000

# 多久将累积的消息刷到磁盘，任何一个达到指定值就触发写入
#log.flush.interval.ms=1000

如果我们设置 log.flush.interval.messages=1，那么每次来一条消息，就会刷一次磁盘。通过这种方式，就可以达到消息绝对不丢失的目的，这种情况我们称之为同步刷盘。反之，我们称之为异步刷盘。

于此同时，Kafka 服务器也会进行副本的复制，该 Partition 的 Follower 会从 Leader 节点拉取数据进行保存。然后将数据存储到 Partition 的 Follower 节点中。

消费者拉取消息阶段

在消费者启动时，其会连接到 zk 注册节点，之后根据所连接 topic 的 partition 个数和消费者个数，进行 partition 个数。一个 partition 最多只能被一个线程消费，但一个线程可以消费多个 partition。其分配算法如下：

我简单描述下这个算法的内容，假设我们连接的 topic 有 8 个 partition，此时有 3 个消费线程。那么气分配故城大致是这样的：

• 8/3=2.667，向上取整就是3。
• 那么给第一个消费者分配p0/p1/p2三个分区。
• 给第二个消费者分配p3/p4/p5三个分区。
• 给第三个消费者分配p6/p7两个分区。

接着消费者连接对应的分区，并从该分区服务器拉取数据。这里其实还会涉及到一个叫做「Zero Copy」的知识点，正是因为使用了「Zero Copy」技术才使得 Kafka 的吞吐量如此之高。

总结

从生产者到 Kafka，从 Kafka 到存储以及副本，再从 Kafka 到消费者。了解这整个过程可以让我们更好地理解 Kafka 消息队列。

参考资料

• Kafka 设计解析（一）：Kafka 背景及架构介绍
• Kafka 设计解析（二）：Kafka High Availability （上）
• Kafka 设计解析（三）：Kafka High Availability （下）
• kafka broker启动流程和server结构
• [4].kafka发送消息分区选择策略详解