神秘网

 找回密码
 立即注册
西荣魔协提供:魔术商业演出,舞台特效设计,魔术培训,道具出售,魔术定制服务等。
查看: 1714|回复: 18

我挖掘Kafka底层原理!发现了它火爆宇宙的3个真相!

[复制链接]
发表于 2019-8-4 20:45:54 | 显示全部楼层 |阅读模式

专注于Java领域优质技术,欢迎关注

来自:架构师社区

作者:陌北有棵树,一线互联网资深高级JAVA工程师,热爱研究开源技术,架构师社区合伙人

目前市面上各种中间件层出不穷,我们在做具体的选型时难免会纠结,在这里阐述点粗浅的看法,其实每个中间件在其设计上,都有其独有的特点或优化点,这些恰好应该是我们所关注的,这样才能做到物尽其用,将其特性发挥到最大;同时还要了解它们各自的劣势,这主要为了避坑。各种中间件就像是积木,我们能做的,就是选择合适形状的积木,搭出需要的房子。

不得不说Kafka这块积木,既能做消息中间件削峰解耦,又能做实时流处理,数据业务两手抓,真可谓上得厅堂,下得厨房。所以Kafka系列的第一篇,想先从它的应用场景分别出发,说说是哪些技术和原理支撑了它的技术特性。

Kafka核心思想概括

所有的消息以“有序日志“的方式存储,生产者将消息发布到末端(可理解为追加),消费者从某个逻辑位按序读取。

【场景一】消息中间件

在选择消息中间件时,我们的主要关注点有:性能、消息的可靠性,顺序性。

1.性能

关于Kafka的高性能,主要是因为它在实现上利用了操作系统一些底层的优化技术,尽管作为写业务代码的程序员,这些底层知识也是需要了解的。

我挖掘Kafka底层原理!发现了它火爆宇宙的3个真相!-1.jpg



【优化一】零拷贝

这是Kafka在消费者端的优化,我们通过两张图来比较一下传统方式与零拷贝方式的区别:
    传统方式:

我挖掘Kafka底层原理!发现了它火爆宇宙的3个真相!-2.jpg



    零拷贝方式:终极目标:如何让数据不经过用户空间?从图中可看出,零拷贝省略了拷贝到用户缓冲的步骤,通过文件描述符,直接从内核空间将数据复制到网卡接口。

我挖掘Kafka底层原理!发现了它火爆宇宙的3个真相!-3.jpg




【优化二】顺序写入磁盘
    写入消息时,采用文件追加的方式,并且不允许修改已经写入的消息,于是写入磁盘的方式是顺序写入。我们通常认为的基于磁盘读写性能较差,指的是基于磁盘的随机读写;事实上,基于磁盘的顺序读写,性能接近于内存的随机读写,以下是性能对比图:

我挖掘Kafka底层原理!发现了它火爆宇宙的3个真相!-4.jpg




【优化三】内存映射
    概括:用户空间的一段内存区域映射到内核空间,这样,无论是内核空间或用户空间对这段内存区域的修改,都可以直接映射到另一个区域。优势:如果内核态和用户态存在大量的数据传输,效率是非常高的。为什么会提高效率:概括来讲,传统方式为read()系统调用,进行了两次数据拷贝;内存映射方式为mmap()系统调用,只进行一次数据拷贝

【优化四】批量压缩
    生产者:批量发送消息集消费者:主动拉取数据,同样采用批量拉取的方式

2.可靠性

Kafka的副本机制是保证其可靠性的核心。

关于副本机制,我将它理解为Leader-Follower机制,就是多个服务器中有相同数据的多个副本,并且划分的粒度是分区。很明显,这样的策略就有下面几个问题必须解决:
    各副本间如何同步?ISR机制:Leader动态维护一个ISR(In-Sync Replica)列表,Leader故障,如何选举新的Leader?要想解决这个问题,就要引出Zookeeper,它是Kafka实现副本机制的前提,关于它的原理且听下回分解,本篇还是从Kafka角度进行分析。在这里我们只需要了解,一些关于Broker、Topics、Partitions的元信息存储在Zookeeper中,Leader发生故障时,从ISR集合中进行选举新的Leader。

request.required.acks来设置数据的可靠性:

我挖掘Kafka底层原理!发现了它火爆宇宙的3个真相!-5.jpg



分区机制和副本机制知识点:

我挖掘Kafka底层原理!发现了它火爆宇宙的3个真相!-6.jpg



3.顺序性

顺序性保证主要依赖于分区机制 + 偏移量

提到分区,首先就要解释一下相关的概念以及他们之间的关系,个人总结如下几点:

服务器(Broker):指一个独立的服务器

主题(Topic):消息的逻辑分类,可跨Broker

分区(Partition):消息的物理分类,基本的存储单元

这里盗一张图阐述上述概念间的关系

我挖掘Kafka底层原理!发现了它火爆宇宙的3个真相!-7.jpg


    为什么分区机制可以保证消息的顺序性?Kafka可以保证一个分区内消息是有序且不可变的。生产者:Kafka的消息是一个键值对,我们通过设置键值,指定消息被发送到特定主题的特定分区。可以通过设置key,将同一类型的消息,发到同一个分区,就可以保证消息的有序性。消费者:消费者需要通过保存偏移量,来记录自己消费到哪个位置,在0.10版本前,偏移量保存在zk中,后来保存在 __consumeroffsets topic中。

【场景二】流处理

在0.10版本后,Kafka内置了流处理框架API——Kafka Streams,一个基于Kafka的流式处理类库,它利用了上述,至此,Kafka也就随之发展成为一个囊括消息系统、存储系统、流处理系统的中央式的流处理平台。

与已有的Spark Streaming平台不同的是,Spark Streaming或Flink是一个是一个系统架构,而Kafka Streams属于一个库。Kafka Streams秉承简单的设计原则,优势体现在运维上。同时Kafka Streams保持了上面提到的所有特性。

关于二者适合的应用场景,已有大佬给出了结论,就不强行总结了。
    Kafka Streams:适合”Kafka --> Kafka“场景Spark Streaming:适合”Kafka --> 数据库”或“Kafka --> 数据科学模型“场景

参考
    《Kafka权威指南》《Kafka技术内幕》The Pathologies of Big DataApache Kafka:大数据的实时处理时代

最近无意中发现了一个巨牛的人工智能教程,忍不住分享一下给大家。教程不仅是零基础,通俗易懂,而且非常风趣幽默,像看小说一样!觉得太牛了,所以分享给大家。点这里可以跳转到教程。

https://www.captainbed.net/suga


本文版权归原作者今日头条所有,如有侵权请联系管理员删除,原文地址:https://www.toutiao.com/a6718537748367540749/
回复

使用道具 举报

支付宝扫码领红包!
发表于 2019-8-4 20:46:21 | 显示全部楼层
太谢谢了。最近正在找人工智能教程入门。
回复 支持 反对

使用道具 举报

发表于 2019-8-4 20:46:52 | 显示全部楼层
好文
回复 支持 反对

使用道具 举报

发表于 2019-8-4 20:47:40 | 显示全部楼层
转发
回复 支持 反对

使用道具 举报

发表于 2019-8-4 20:48:07 | 显示全部楼层
图都画不对
回复 支持 反对

使用道具 举报

发表于 2019-8-4 20:48:55 | 显示全部楼层
转发了
回复 支持 反对

使用道具 举报

发表于 2019-8-4 20:49:32 | 显示全部楼层
转发了
回复 支持 反对

使用道具 举报

发表于 2019-8-4 20:49:39 | 显示全部楼层
转发了
回复 支持 反对

使用道具 举报

发表于 2019-8-4 20:49:48 | 显示全部楼层
转发了
回复 支持 反对

使用道具 举报

发表于 2019-8-4 20:50:26 | 显示全部楼层
转发了
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|服务条款|版权问题|小黑屋|手机版|滇ICP备13004447号-1|滇公网安备53032802000133号|神秘网

网站地图sitemapArchiver

GMT+8, 2022-5-22 02:01 , Processed in 0.128190 second(s), 22 queries , Gzip On.

基于Discuz! X3.4

辛树所有

快速回复 返回顶部 返回列表