浅谈架构：kafka高吞吐量之消息压缩

Posted 2020-11-27

背景

保证kafka高吞吐量的另外一大利器就是消息压缩。就像上图中的压缩饼干。

压缩即空间换时间，通过空间的压缩带来速度的提升，即通过少量的cpu消耗来减少磁盘和网络传输的io。

消息压缩模型

消息格式V1

kafka不会直接操作单条消息，而是直接操作一个消息集合。

消息格式V2:

1, 抽取了消息的公共部分放到消息集合中；去掉每条消息的公共部分，减少了总体积。

2，消息的CRC校验由对每一条消息，移动到了对消息集合进行校验，减少了校验次数，节省了cpu;

3, 对单个消息进行压缩，放到消息的body字段 pk 对消息集合整个进行压缩 更好的压缩效果；

压缩过程模型

压缩算法比较

如何衡量一个压缩算法的好坏。

常见的压缩算法对比：

Zstandard 算法（简写为 zstd）。它是 Facebook 开源的一个压缩算法，能够提供超高的压缩比

启用压缩场景

如果cpu负载比较高，不适合启用压缩；

如果带宽不足，而cpu负载不高，最适合启用压缩，节约大量的带宽；

尽量避免消息格式不一致带来的解压缩消耗。

小结

压缩的目的是较少空间占用，带来传输速度的提升，但是需要消耗一定的cpu ；

是一种提高kafka消息吞吐量的有效办法。

本节回顾了新版的kafka是如何对消息进行压缩的，压缩和解压缩的流程是怎样的，

然后对比了常见的4种压缩算法，根据具体的使用场景来选择是否启用压缩，以及选择合适的压缩算法。

然后给出了压缩的配置参数，在producer和borker端都可以使用compression.type来设置。