关于kafka:Kafka的生产集群部署

2次阅读

共计 2578 个字符，预计需要花费 7 分钟才能阅读完成。

假如每天集群须要承载 10 亿数据。一天 24 小时，早晨 12 点到凌晨 8 点简直没多少数据。

应用二八法令预计，也就是 80% 的数据（8 亿）会在 16 个小时涌入，而且 8 亿的 80% 的数据（6.4 亿）会在这 16 个小时的 20% 工夫（3 小时）涌入。

QPS 计算公式：640000000 ÷ (3x60x60) = 60000，也就是说高峰期的时候 Kafka 集群要扛住每秒 6 万的并发。

磁盘空间计算，每天 10 亿数据，每条 50kb，也就是 46T 的数据。保留 2 个正本（在上一篇中也提到过其实两个正本会比拟好，因为 follower 须要去 leader 那里同步数据，大数据培训同步数据的过程须要消耗网络，而且须要磁盘空间，然而这个须要依据理论状况思考），46 2 = 92T，保留最近 3 天的数据。故须要 92 3 = 276T。

部署 Kafka，Hadoop，MySQL……等外围分布式系统，个别倡议间接采纳物理机，摈弃应用一些低配置的虚拟机的想法。高并发这个货色，不可能是说，你须要撑持 6 万 QPS，你的集群就刚好把这 6 万并发卡的死死的。退出某一天出一些流动让数据量疯狂上涨，那整个集群就会垮掉。

然而，如果说你只有撑持 6w QPS，单台物理机自身就能扛住 4~5 万的并发。所以这时 2 台物理机相对相对够了。然而这里有一个问题，咱们通常是倡议，公司估算短缺，尽量是让顶峰 QPS 管制在集群能承载的总 QPS 的 30% 左右（也就是集群的解决能力是高峰期的 3~4 倍这个样子），所以咱们搭建的 kafka 集群能承载的总 QPS 为 20 万~30 万才是平安的。所以大体上来说，须要 5~7 台物理机来部署，基本上就很平安了，每台物理机要求吞吐量在每秒 4~5 万条数据就能够了，物理机的配置和性能也不须要特地高。

须要 5 台物理机的状况，须要存储 276T 的数据，均匀下来差不多一台 56T 的数据。这个具体看磁盘数和盘的大小。

当初咱们须要思考一个问题：是须要 SSD 固态硬盘，还是一般机械硬盘？

SSD 就是固态硬盘，比机械硬盘要快，那么到底是快在哪里呢？其实 SSD 的快次要是快在磁盘随机读写，就要对磁盘上的随机地位来读写的时候，SSD 比机械硬盘要快。比如说 MySQL 这种就应该应用 SSD 了（MySQL 须要随机读写）。北京大数据培训比如说咱们在布局和部署线上零碎的 MySQL 集群的时候，一般来说必须用 SSD，性能能够进步很多，这样 MySQL 能够承载的并发申请量也会高很多，而且 SQL 语句执行的性能也会进步很多。

因为写磁盘的时候 Kafka 是程序写的。机械硬盘程序写的性能机会跟内存读写的性能是差不多的，所以对于 Kafka 集群来说其实应用机械硬盘就能够了。如果是须要本人守业或者是在公司老本有余的状况下，经费是可能缩减就尽量缩减的。

JVM 十分怕呈现 full gc 的状况。Kafka 本身的 JVM 是用不了过多堆内存的，因为 Kafka 设计就是躲避掉用 JVM 对象来保留数据，防止频繁 full gc 导致的问题，所以个别 Kafka 本身的 JVM 堆内存，调配个 10G 左右就够了，剩下的内存全副留给 OS cache。

那服务器须要多少内存呢。咱们估算一下，大略有 100 个 topic，所以要保障有 100 个 topic 的 leader partition 的数据在操作系统的内存里。100 个 topic，一个 topic 有 5 个 partition。那么总共会有 500 个 partition。每个 partition 的大小是 1G（在上一篇中的日志分段存储中规定了.log 文件不能超过 1 个 G），咱们有 2 个正本，也就是说要把 100 个 topic 的 leader partition 数据都驻留在内存里须要 1000G 的内存。

咱们当初有 5 台服务器，所以均匀下来每天服务器须要 200G 的内存，然而其实 partition 的数据咱们没必要所有的都要驻留在内存外面，只须要 25% 的数据在内存就行，200G * 0.25 = 50G 就能够了（因为在集群中的生产者和消费者简直也算是实时的，根本不会呈现音讯积压太多的状况）。所以一共须要 60G（附带上刚刚的 10G Kafka 服务）的内存，故咱们能够筛选 64G 内存的服务器也行，大不了 partition 的数据再少一点在内存，当然如果可能提供 128G 内存那就更好。

CPU 布局，次要是看你的这个过程里会有多少个线程，线程次要是依靠多核 CPU 来执行的，如果你的线程特地多，然而 CPU 核很少，就会导致你的 CPU 负载很高，会导致整体工作线程执行的效率不太高，上一篇的 Kafka 的网络设计中讲过 Kafka 的 Broker 的模型。acceptor 线程负责去接入客户端的连贯申请，然而他接入了之后其实就会把连贯调配给多个 processor，默认是 3 个，然而个别生产环境倡议大家还是多加几个，整体能够晋升 kafka 的吞吐量比如说你能够减少到 6 个，或者是 9 个。另外就是负责解决申请的线程，是一个线程池，默认是 8 个线程，在生产集群里，倡议大家能够把这块的线程数量略微多加个 2 倍~3 倍，其实都失常，比如说搞个 16 个工作线程，24 个工作线程。

后盾会有很多的其余的一些线程，比如说定期清理 7 天前数据的线程，Controller 负责感知和管控整个集群的线程，正本同步拉取数据的线程，这样算下来每个 broker 起码会有上百个线程。依据教训 4 个 CPU core，一般来说几十个线程，在高峰期 CPU 简直都快打满了。8 个 CPU core，也就可能比拟拮据的撑持几十个线程忙碌的工作。所以 Kafka 的服务器个别是倡议 16 核，基本上能够 hold 住一两百线程的工作。当然如果能够给到 32 CPU core 那就最好不过了。

当初的网根本就是千兆网卡（1GB / s），还有万兆网卡（10GB / s）。kafka 集群之间，broker 和 broker 之间是会做数据同步的，因为 leader 要同步数据到 follower 下来，他们是在不同的 broker 机器上的，broker 机器之间会进行频繁的数据同步，传输大量的数据。那每秒两台 broker 机器之间大略会传输多大的数据量？

高峰期每秒大略会涌入 6 万条数据，约每天解决 10000 个申请，每个申请 50kb，故每秒约进来 488M 数据，咱们还有正本同步数据，故高峰期的时候须要 488M * 2 = 976M/ s 的网络带宽，所以在高峰期的时候，应用千兆带宽，网络还是十分有压力的。

正文完