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