共计 3929 个字符，预计需要花费 10 分钟才能阅读完成。
本文章转自：乐字节
文章次要解说：Kafka 架构设计
获取更多 Java 相干常识能够关注公众号《乐字节》发送：999
前言
应大部分的小伙伴的要求，在 Yarn 之前先来一个 kafka 的小插曲，轻松愉快。
一、Kafka 根底
音讯零碎的作用
应该大部份小伙伴都分明，用机油装箱举个例子
所以音讯零碎就是如上图咱们所说的仓库，能在两头过程作为缓存，并且实现解耦合的作用。
引入一个场景，咱们晓得中国移动，中国联通，中国电信的日志解决，是交给外包去做大数据分析的，假如当初它们的日志都交给了你做的零碎去做用户画像剖析。
依照刚刚后面提到的音讯零碎的作用，咱们晓得了音讯零碎其实就是一个模仿缓存，且仅仅是起到了缓存的作用而并不是真正的缓存，数据依然是存储在磁盘下面而不是内存。
1.Topic 主题
kafka 学习了数据库外面的设计，在外面设计了 topic（主题），这个货色相似于关系型数据库的表
此时我须要获取中国移动的数据，那就间接监听 TopicA 即可
2.Partition 分区
kafka 还有一个概念叫 Partition（分区），分区具体在服务器下面体现起初就是一个目录，一个主题上面有多个分区，这些分区会存储到不同的服务器下面，或者说，其实就是在不同的主机上建了不同的目录。这些分区次要的信息就存在了.log 文件外面。跟数据库外面的分区差不多，是为了进步性能。
至于为什么进步了性能，很简略，多个分区多个线程，多个线程并行处理必定会比单线程好得多
Topic 和 partition 像是 HBASE 里的 table 和 region 的概念，table 只是一个逻辑上的概念，真正存储数据的是 region，这些 region 会分布式地存储在各个服务器下面，对应于 kafka，也是一样，Topic 也是逻辑概念，而 partition 就是分布式存储单元。这个设计是保障了海量数据处理的根底。咱们能够比照一下，如果 HDFS 没有 block 的设计，一个 100T 的文件也只能独自放在一个服务器下面，那就间接占满整个服务器了，引入 block 后，大文件能够扩散存储在不同的服务器上。
留神：1. 分区会有单点故障问题，所以咱们会为每个分区设置正本数
2. 分区的编号是从 0 开始的
3.Producer – 生产者
往音讯零碎外面发送数据的就是生产者
4.Consumer – 消费者
从 kafka 里读取数据的就是消费者
5.Message – 音讯
kafka 外面的咱们解决的数据叫做音讯
二、kafka 的集群架构
创立一个 TopicA 的主题，3 个分区别离存储在不同的服务器，也就是 broker 上面。Topic 是一个逻辑上的概念，并不能间接在图中把 Topic 的相干单元画出
须要留神：kafka 在 0.8 版本以前是没有正本机制的，所以在面对服务器宕机的突发状况时会失落数据，所以尽量避免应用这个版本之前的 kafka
Replica – 正本
kafka 中的 partition 为了保障数据安全，所以每个 partition 能够设置多个正本。
此时咱们对分区 0,1,2 别离设置 3 个正本（其实设置两个正本是比拟适合的）
而且其实每个正本都是有角色之分的，它们会选取一个正本作为 leader，而其余的作为 follower，咱们的生产者在发送数据的时候，是间接发送到 leader partition 外面，而后 follower partition 会去 leader 那里自行同步数据，消费者生产数据的时候，也是从 leader 那去生产数据的。
Consumer Group – 消费者组
咱们在生产数据时会在代码外面指定一个 group.id, 这个 id 代表的是生产组的名字，而且这个 group.id 就算不设置，零碎也会默认设置
咱们所熟知的一些音讯零碎一般来说会这样设计，就是只有有一个消费者去生产了音讯零碎外面的数据，那么其余所有的消费者都不能再去生产这个数据。可是 kafka 并不是这样, 比方当初 consumerA 去生产了一个 topicA 外面的数据。
再让 consumerB 也去生产 TopicA 的数据，它是生产不到了，然而咱们在 consumerC 中从新指定一个另外的 group.id，consumerC 是能够生产到 topicA 的数据的。而 consumerD 也是生产不到的，所以在 kafka 中，不同组可有惟一的一个消费者去生产同一主题的数据。
所以消费者组就是让多个消费者并行生产信息而存在的，而且它们不会生产到同一个音讯，如下，consumerA，B，C 是不会相互烦扰的
如图，因为后面提到过了消费者会间接和 leader 建立联系，所以它们别离生产了三个 leader，所以一个分区不会让消费者组外面的多个消费者去生产，然而在消费者不饱和的状况下，一个消费者是能够去生产多个分区的数据的。
Controller
熟知一个法则：在大数据分布式文件系统外面，95% 的都是主从式的架构，个别是对等式的架构，比方 ElasticSearch。
kafka 也是主从式的架构，主节点就叫 controller，其余的为从节点，controller 是须要和 zookeeper 进行配合治理整个 kafka 集群。
kafka 和 zookeeper 如何配合工作
kafka 重大依赖于 zookeeper 集群（所以之前的 zookeeper 文章还是有点用的）。所有的 broker 在启动的时候都会往 zookeeper 进行注册，目标就是选举出一个 controller，这个选举过程非常简单粗犷，就是一个谁先谁当的过程，不波及什么算法问题。
那成为 controller 之后要做啥呢，它会监听 zookeeper 外面的多个目录，例如有一个目录 /brokers/，其余从节点往这个目录上 注册（就是往这个目录上创立属于本人的子目录而已）本人，这时命名规定个别是它们的 id 编号，比方 /brokers/0,1,2
注册时各个节点必定会裸露本人的主机名，端口号等等的信息，此时 controller 就要去读取注册上来的从节点的数据（通过监听机制），生成集群的元数据信息，之后把这些信息都分发给其余的服务器，让其余服务器能感知到集群中其它成员的存在。
此时模仿一个场景，咱们创立一个主题（其实就是在 zookeeper 上 /topics/topicA 这样创立一个目录而已），kafka 会把分区计划生成在这个目录中，此时 controller 就监听到了这一扭转，它会去同步这个目录的元信息，而后同样下放给它的从节点，通过这个办法让整个集群都得悉这个分区计划，此时从节点就各自创立好目录期待创立分区正本即可。这也是整个集群的管理机制。
加餐工夫
1.Kafka 性能好在什么中央？
① 程序写
操作系统每次从磁盘读写数据的时候，须要先寻址，也就是先要找到数据在磁盘上的物理地位，而后再进行数据读写，如果是机械硬盘，寻址就须要较长的工夫。kafka 的设计中，数据其实是存储在磁盘下面，一般来说，会把数据存储在内存下面性能才会好。然而 kafka 用的是程序写，追加数据是追加到开端，磁盘程序写的性能极高，在磁盘个数肯定，转数达到肯定的状况下，根本和内存速度统一
随机写的话是在文件的某个地位批改数据，性能会较低。
② 零拷贝
先来看看非零拷贝的状况
能够看到数据的拷贝从内存拷贝到 kafka 服务过程那块，又拷贝到 socket 缓存那块，整个过程消耗的工夫比拟高，kafka 利用了 Linux 的 sendFile 技术（NIO），省去了过程切换和一次数据拷贝，让性能变得更好。
2. 日志分段存储
Kafka 规定了一个分区内的.log 文件最大为 1G，做这个限度目标是为了不便把.log 加载到内存去操作
这个 9936472 之类的数字，就是代表了这个日志段文件里蕴含的起始 offset，也就阐明这个分区里至多都写入了靠近 1000 万条数据了。Kafka broker 有一个参数，log.segment.bytes，限定了每个日志段文件的大小，最大就是 1GB，一个日志段文件满了，就主动开一个新的日志段文件来写入，防止单个文件过大，影响文件的读写性能，这个过程叫做 log rolling，正在被写入的那个日志段文件，叫做 active log segment。
如果大家有看后面的两篇有对于 HDFS 的文章时，就会发现 NameNode 的 edits log 也会做出限度，所以这些框架都是会思考到这些问题。
3.Kafka 的网络设计
kafka 的网络设计和 Kafka 的调优无关，这也是为什么它能反对高并发的起因
首先客户端发送申请全副会先发送给一个 Acceptor，broker 外面会存在 3 个线程（默认是 3 个），这 3 个线程都是叫做 processor，Acceptor 不会对客户端的申请做任何的解决，间接封装成一个个 socketChannel 发送给这些 processor 造成一个队列，发送的形式是轮询，就是先给第一个 processor 发送，而后再给第二个，第三个，而后又回到第一个。消费者线程去生产这些 socketChannel 时，会获取一个个 request 申请，这些 request 申请中就会随同着数据。
线程池外面默认有 8 个线程，这些线程是用来解决 request 的，解析申请，如果 request 是写申请，就写到磁盘里。读的话返回后果。processor 会从 response 中读取响应数据，而后再返回给客户端。这就是 Kafka 的网络三层架构。
所以如果咱们须要对 kafka 进行加强调优，减少 processor 并减少线程池外面的解决线程，就能够达到成果。request 和 response 那一块局部其实就是起到了一个缓存的成果，是思考到 processor 们生成申请太快，线程数不够不能及时处理的问题。
所以这就是一个加强版的 reactor 网络线程模型。
感激大家的认同与反对，小编会继续转发《乐字节》优质文章
