kafka篇-设计思路

本文转自 lecury 的博客：https://blog.lecury.cn

1. 设计背景

许多互联网公司，每天都会产生大量的日志数据，包括用户行为记录、运营指标、系统运行状况的监控数据等。为了分析用户的行为或者监控系统的状态，需要对这些数据进行周期性的分析和统计。

传统的日志分析系统提供了一种离线处理日志信息的可扩展方案（类似于从生产环境的服务器上抓取日志文件，然后聚合到数据仓库进行离线分析），但如果要进行实时地处理，通常会有较大延迟。

kafka构建了一种新颖的消息系统，提供了类似于消息传递系统的API，允许应用程序实时的订阅日志事件，做到实时或近实时分析。

2. 持久化设计

与传统消息系统不同的是，kafka会把消息持久化到磁盘上，以实现消息的回溯功能。

磁盘总是给人们留下“慢速”的印象，事实上，磁盘的速度要比人们预想中的快得多，这取决于使用磁盘的姿势。常见的SATA磁盘随机读写性能，仅为100K/s，而顺序读写可达600MB/s，不同的使用姿势，性能差距可达到6000倍。

kafka为了实现高吞吐的消息服务，充分借助了磁盘顺序读写的优势。

2.1 磁盘顺序读写

磁盘的顺序读写是有规律的，并且操作系统进行了大量优化，包括read-ahead和write-behind技术，其中read-ahead是以大的data block为单位预先读取数据，而write-behind则是将多个小型的逻辑写操作，合并成一次大型的物理磁盘写入。

除此之外，操作系统还对读写磁盘的内容进行cache，主动将系统空闲内存用作page cache，所有的磁盘读写操作都会通过这个page cache。

kafka没有使用in-process cache来缓存磁盘数据，而是使用了page cache，因为即使进程维护了in-process cache，在读写磁盘时，该数据也会被复制到操作系统的page cache中。直接使用page cache一方面可以使得缓存容量大大增加，另一方面kafka服务重启的情况下，缓存依旧可用。

为了充分利用磁盘顺序读写能力、实现消息存储时的高吞吐，kafka只是对消息进行简单的读取和追加，并没有使用类似于BTree的数据结构来索引数据和随机读写数据。

消息系统一般都是顺序消费、依次推送消息，这种根据需求特定场景进行的简单读取和追加，既可以满足实际需求，又能大幅提升吞吐。

2.2 消息过期机制

在 Kafka 中，可以让消息保留相对较长的一段时间(比如一周)，而不是试图在被消费后立即删除，也可以让消息保留到一定规模后，比如消息大小超出2G，再清除旧数据。

3. 高吞吐设计

kafka的吞吐表现是极为优秀的，在kafka篇-基本介绍中也给出了吞吐性能的测试数据，这里简单谈一谈kafka高吞吐的设计要点。

3.1 本地IO的优化

kafka强依赖操作系统提供的page cache功能，采用简单读取、顺序追加的方式，保证读写操作均属于Sequence I/O，从而充分利用了磁盘顺序读写的性能。

3.2 网络IO的优化

kafka是一个分布式的消息系统，在消息的生产和消费过程中，不仅涉及到本地的IO，还涉及大量的网络IO，对于网络层IO的优化，主要涉及两个方面：

• 避免大量小型的IO操作
• 避免过多的字节拷贝
  

小型的IO操作发生在客户端与服务器之间，以及服务端自身的持久化操作中。为了避免大量小型的IO操作，kafka对消息进行分组，使得多个消息打包成一组，而不是每次发送一条消息，这样可以减少小型网络IO的操作，批处理从而带来更大的吞吐。

为了避免过多的字节拷贝，kafka对日志块的网络传输也进行了优化，通过sendfile系统调用将数据从page cache直接转移到socket网络连接中。数据从文件到套接字，常见的数据传输路径如下：

• 操作系统从磁盘读取数据 -> 内核空间的page cache
• 应用程序读取内核空间数据 -> 用户空间的缓冲区
• 应用程序将数据(用户空间的缓冲区) -> 内核空间到套接字缓冲区(内核空间)
• 操作系统将数据从套接字缓冲区(内核空间) -> 网络发送的 NIC 缓冲区
  

中间涉及4次copy操作和两次系统调用，而通过sendfile的话，可以允许操作系统将数据从page cache直接发送到网络，即只需最后一步操作，可将数据复制到NIC缓冲区。

3.3 压缩

kafka提供了端到端的数据压缩功能，将消息以压缩格式写入，并在日志中保持压缩，只在consumer消费时解压缩。

4. 稳定性设计

稳定性对每一个系统来说，都是尤为重要的，kafka为了保障稳定性，不仅为每个数据分区实现了副本的概念，而且为日志备份提供了一整套的保障机制。

4.1 分区和副本

kafka将主题划分为多个分区，通过分区规则将消息存储到相应的分区，只要分区规则设置的合理，那么所有消息将会被均匀的分布到不同的分区中，从而实现负载均衡和水平扩展。kafka每个分区拥有若干副本，当集群部分节点出现问题时，可以进行故障转移，以保证数据的可用性。

4.2 日志备份 ISR

kafka稳定性的核心是备份日志文件，正常情况下每个分区都有一个leader和零或多个followers，读写操作均由leader处理，followers节点同步leader节点的日志，保持消息和偏移量同leader一致。日志的读写操作均由leader完成，其他follower节点从leader同步日志。如果leader因意外而退出，kafka会通过ISR集合选出新的leader节点。

ISR（a set of in-sync replicas）是kafka维护的同步状态集合，只有这个集合的成员才有资格被选为leader，并且一条消息需要被这个集合的所有节点读取并追加到日志，这条消息才可以被视为提交，ISR集合的变化会持久化到ZooKeeper中。

5. 参考

kafka官方文档 http://kafka.apache.org