原創(chuàng)文章，同步首發(fā)自作者個人博客。轉(zhuǎn)載請務(wù)必在文章開頭處以超鏈接形式注明出處http://www.jasongj.com/kafka/high_throughput/

摘要

上一篇文章《Kafka設(shè)計解析（五）- Kafka性能測試方法及Benchmark報告》從測試角度說明了Kafka的性能。本文從宏觀架構(gòu)層面和具體實現(xiàn)層面分析了Kafka如何實現(xiàn)高性能。

宏觀架構(gòu)層面

利用Partition實現(xiàn)并行處理

Partition提供并行處理的能力

Kafka是一個Pub-Sub的消息系統(tǒng)，無論是發(fā)布還是訂閱，都須指定Topic。如《Kafka設(shè)計解析（一）- Kafka背景及架構(gòu)介紹》一文所述，Topic只是一個邏輯的概念。每個Topic都包含一個或多個Partition，不同Partition可位于不同節(jié)點。同時Partition在物理上對應(yīng)一個本地文件夾，每個Partition包含一個或多個Segment，每個Segment包含一個數(shù)據(jù)文件和一個與之對應(yīng)的索引文件。在邏輯上，可以把一個Partition當(dāng)作一個非常長的數(shù)組，可通過這個“數(shù)組”的索引（offset）去訪問其數(shù)據(jù)。

一方面，由于不同Partition可位于不同機(jī)器，因此可以充分利用集群優(yōu)勢，實現(xiàn)機(jī)器間的并行處理。另一方面，由于Partition在物理上對應(yīng)一個文件夾，即使多個Partition位于同一個節(jié)點，也可通過配置讓同一節(jié)點上的不同Partition置于不同的disk drive上，從而實現(xiàn)磁盤間的并行處理，充分發(fā)揮多磁盤的優(yōu)勢。

利用多磁盤的具體方法是，將不同磁盤mount到不同目錄，然后在server.properties中，將log.dirs設(shè)置為多目錄（用逗號分隔）。Kafka會自動將所有Partition盡可能均勻分配到不同目錄也即不同目錄（也即不同disk）上。

注：雖然物理上最小單位是Segment，但Kafka并不提供同一Partition內(nèi)不同Segment間的并行處理。因為對于寫而言，每次只會寫Partition內(nèi)的一個Segment，而對于讀而言，也只會順序讀取同一Partition內(nèi)的不同Segment。

Partition是最小并發(fā)粒度

如同《Kafka設(shè)計解析（四）- Kafka Consumer設(shè)計解析》一文所述，多Consumer消費同一個Topic時，同一條消息只會被同一Consumer Group內(nèi)的一個Consumer所消費。而數(shù)據(jù)并非按消息為單位分配，而是以Partition為單位分配，也即同一個Partition的數(shù)據(jù)只會被一個Consumer所消費（在不考慮Rebalance的前提下）。

如果Consumer的個數(shù)多于Partition的個數(shù)，那么會有部分Consumer無法消費該Topic的任何數(shù)據(jù)，也即當(dāng)Consumer個數(shù)超過Partition后，增加Consumer并不能增加并行度。

簡而言之，Partition個數(shù)決定了可能的最大并行度。如下圖所示，由于Topic 2只包含3個Partition，故group2中的Consumer 3、Consumer 4、Consumer 5 可分別消費1個Partition的數(shù)據(jù)，而Consumer 6消費不到Topic 2的任何數(shù)據(jù)。

以Spark消費Kafka數(shù)據(jù)為例，如果所消費的Topic的Partition數(shù)為N，則有效的Spark最大并行度也為N。即使將Spark的Executor數(shù)設(shè)置為N+M，最多也只有N個Executor可同時處理該Topic的數(shù)據(jù)。

ISR實現(xiàn)可用性與數(shù)據(jù)一致性的動態(tài)平衡

CAP理論

CAP理論是指，分布式系統(tǒng)中，一致性、可用性和分區(qū)容忍性最多只能同時滿足兩個。

一致性

  • 通過某個節(jié)點的寫操作結(jié)果對后面通過其它節(jié)點的讀操作可見

  • 如果更新數(shù)據(jù)后，并發(fā)訪問情況下后續(xù)讀操作可立即感知該更新，稱為強(qiáng)一致性

  • 如果允許之后部分或者全部感知不到該更新，稱為弱一致性

  • 若在之后的一段時間（通常該時間不固定）后，一定可以感知到該更新，稱為最終一致性

可用性

  • 任何一個沒有發(fā)生故障的節(jié)點必須在有限的時間內(nèi)返回合理的結(jié)果

分區(qū)容忍性

  • 部分節(jié)點宕機(jī)或者無法與其它節(jié)點通信時，各分區(qū)間還可保持分布式系統(tǒng)的功能

一般而言，都要求保證分區(qū)容忍性。所以在CAP理論下，更多的是需要在可用性和一致性之間做權(quán)衡。

常用數(shù)據(jù)復(fù)制及一致性方案

Master-Slave

  • RDBMS的讀寫分離即為典型的Master-Slave方案

  • 同步復(fù)制可保證強(qiáng)一致性但會影響可用性

  • 異步復(fù)制可提供高可用性但會降低一致性

WNR

  • 主要用于去中心化的分布式系統(tǒng)中。DynamoDB與Cassandra即采用此方案或其變種

  • N代表總副本數(shù)，W代表每次寫操作要保證的最少寫成功的副本數(shù)，R代表每次讀至少要讀取的副本數(shù)

  • 當(dāng)W+R>N時，可保證每次讀取的數(shù)據(jù)至少有一個副本擁有最新的數(shù)據(jù)

  • 多個寫操作的順序難以保證，可能導(dǎo)致多副本間的寫操作順序不一致。Dynamo通過向量時鐘保證最終一致性

Paxos及其變種

  • Google的Chubby，Zookeeper的原子廣播協(xié)議（Zab），RAFT等

基于ISR的數(shù)據(jù)復(fù)制方案
如《Kafka High Availability（上）》一文所述，Kafka的數(shù)據(jù)復(fù)制是以Partition為單位的。而多個備份間的數(shù)據(jù)復(fù)制，通過Follower向Leader拉取數(shù)據(jù)完成。從一這點來講，Kafka的數(shù)據(jù)復(fù)制方案接近于上文所講的Master-Slave方案。不同的是，Kafka既不是完全的同步復(fù)制，也不是完全的異步復(fù)制，而是基于ISR的動態(tài)復(fù)制方案。

ISR，也即In-sync Replica。每個Partition的Leader都會維護(hù)這樣一個列表，該列表中，包含了所有與之同步的Replica（包含Leader自己）。每次數(shù)據(jù)寫入時，只有ISR中的所有Replica都復(fù)制完，Leader才會將其置為Commit，它才能被Consumer所消費。

這種方案，與同步復(fù)制非常接近。但不同的是，這個ISR是由Leader動態(tài)維護(hù)的。如果Follower不能緊“跟上”Leader，它將被Leader從ISR中移除，待它又重新“跟上”Leader后，會被Leader再次加加ISR中。每次改變ISR后，Leader都會將最新的ISR持久化到Zookeeper中。

至于如何判斷某個Follower是否“跟上”Leader，不同版本的Kafka的策略稍微有些區(qū)別。

  • 對于0.8.*版本，如果Follower在replica.lag.time.max.ms時間內(nèi)未向Leader發(fā)送Fetch請求（也即數(shù)據(jù)復(fù)制請求），則Leader會將其從ISR中移除。如果某Follower持續(xù)向Leader發(fā)送Fetch請求，但是它與Leader的數(shù)據(jù)差距在replica.lag.max.messages以上，也會被Leader從ISR中移除。

  • 從0.9.0.0版本開始，replica.lag.max.messages被移除，故Leader不再考慮Follower落后的消息條數(shù)。另外，Leader不僅會判斷Follower是否在replica.lag.time.max.ms時間內(nèi)向其發(fā)送Fetch請求，同時還會考慮Follower是否在該時間內(nèi)與之保持同步。

  • 0.10.* 版本的策略與0.9.*版一致

對于0.8.*版本的replica.lag.max.messages參數(shù)，很多讀者曾留言提問，既然只有ISR中的所有Replica復(fù)制完后的消息才被認(rèn)為Commit，那為何會出現(xiàn)Follower與Leader差距過大的情況。原因在于，Leader并不需要等到前一條消息被Commit才接收后一條消息。事實上，Leader可以按順序接收大量消息，最新的一條消息的Offset被記為High Wartermark。而只有被ISR中所有Follower都復(fù)制過去的消息才會被Commit，Consumer只能消費被Commit的消息。由于Follower的復(fù)制是嚴(yán)格按順序的，所以被Commit的消息之前的消息肯定也已經(jīng)被Commit過。換句話說，High Watermark標(biāo)記的是Leader所保存的最新消息的offset，而Commit Offset標(biāo)記的是最新的可被消費的（已同步到ISR中的Follower）消息。而Leader對數(shù)據(jù)的接收與Follower對數(shù)據(jù)的復(fù)制是異步進(jìn)行的，因此會出現(xiàn)Commit Offset與High Watermark存在一定差距的情況。0.8.*版本中replica.lag.max.messages限定了Leader允許的該差距的最大值。

Kafka基于ISR的數(shù)據(jù)復(fù)制方案原理如下圖所示。

如上圖所示，在第一步中，Leader A總共收到3條消息，故其high watermark為3，但由于ISR中的Follower只同步了第1條消息（m1），故只有m1被Commit，也即只有m1可被Consumer消費。此時Follower B與Leader A的差距是1，而Follower C與Leader A的差距是2，均未超過默認(rèn)的replica.lag.max.messages，故得以保留在ISR中。在第二步中，由于舊的Leader A宕機(jī)，新的Leader B在replica.lag.time.max.ms時間內(nèi)未收到來自A的Fetch請求，故將A從ISR中移除，此時ISR={B，C}。同時，由于此時新的Leader B中只有2條消息，并未包含m3（m3從未被任何Leader所Commit），所以m3無法被Consumer消費。第四步中，F(xiàn)ollower A恢復(fù)正常，它先將宕機(jī)前未Commit的所有消息全部刪除，然后從最后Commit過的消息的下一條消息開始追趕新的Leader B，直到它“趕上”新的Leader，才被重新加入新的ISR中。

使用ISR方案的原因

  • 由于Leader可移除不能及時與之同步的Follower，故與同步復(fù)制相比可避免最慢的Follower拖慢整體速度，也即ISR提高了系統(tǒng)可用性。

  • ISR中的所有Follower都包含了所有Commit過的消息，而只有Commit過的消息才會被Consumer消費，故從Consumer的角度而言，ISR中的所有Replica都始終處于同步狀態(tài)，從而與異步復(fù)制方案相比提高了數(shù)據(jù)一致性。

  • ISR可動態(tài)調(diào)整，極限情況下，可以只包含Leader，極大提高了可容忍的宕機(jī)的Follower的數(shù)量。與Majority Quorum方案相比，容忍相同個數(shù)的節(jié)點失敗，所要求的總節(jié)點數(shù)少了近一半。

ISR相關(guān)配置說明

  • Broker的min.insync.replicas參數(shù)指定了Broker所要求的ISR最小長度，默認(rèn)值為1。也即極限情況下ISR可以只包含Leader。但此時如果Leader宕機(jī)，則該P(yáng)artition不可用，可用性得不到保證。

  • 只有被ISR中所有Replica同步的消息才被Commit，但Producer發(fā)布數(shù)據(jù)時，Leader并不需要ISR中的所有Replica同步該數(shù)據(jù)才確認(rèn)收到數(shù)據(jù)。Producer可以通過acks參數(shù)指定最少需要多少個Replica確認(rèn)收到該消息才視為該消息發(fā)送成功。acks的默認(rèn)值是1，即Leader收到該消息后立即告訴Producer收到該消息，此時如果在ISR中的消息復(fù)制完該消息前Leader宕機(jī)，那該條消息會丟失。而如果將該值設(shè)置為0，則Producer發(fā)送完數(shù)據(jù)后，立即認(rèn)為該數(shù)據(jù)發(fā)送成功，不作任何等待，而實際上該數(shù)據(jù)可能發(fā)送失敗，并且Producer的Retry機(jī)制將不生效。更推薦的做法是，將acks設(shè)置為all或者-1，此時只有ISR中的所有Replica都收到該數(shù)據(jù)（也即該消息被Commit），Leader才會告訴Producer該消息發(fā)送成功，從而保證不會有未知的數(shù)據(jù)丟失。

具體實現(xiàn)層面

高效使用磁盤

順序?qū)懘疟P

根據(jù)《一些場景下順序?qū)懘疟P快于隨機(jī)寫內(nèi)存》所述，將寫磁盤的過程變?yōu)轫樞驅(qū)?，可極大提高對磁盤的利用率。

Kafka的整個設(shè)計中，Partition相當(dāng)于一個非常長的數(shù)組，而Broker接收到的所有消息順序?qū)懭脒@個大數(shù)組中。同時Consumer通過Offset順序消費這些數(shù)據(jù)，并且不刪除已經(jīng)消費的數(shù)據(jù)，從而避免了隨機(jī)寫磁盤的過程。

由于磁盤有限，不可能保存所有數(shù)據(jù)，實際上作為消息系統(tǒng)Kafka也沒必要保存所有數(shù)據(jù)，需要刪除舊的數(shù)據(jù)。而這個刪除過程，并非通過使用“讀-寫”模式去修改文件，而是將Partition分為多個Segment，每個Segment對應(yīng)一個物理文件，通過刪除整個文件的方式去刪除Partition內(nèi)的數(shù)據(jù)。這種方式清除舊數(shù)據(jù)的方式，也避免了對文件的隨機(jī)寫操作。

通過如下代碼可知，Kafka刪除Segment的方式，是直接刪除Segment對應(yīng)的整個log文件和整個index文件而非刪除文件中的部分內(nèi)容。

  /**   * Delete this log segment from the filesystem.   *   * @throws KafkaStorageException if the delete fails.   */
  def delete() {    val deletedLog = log.delete()    val deletedIndex = index.delete()    val deletedTimeIndex = timeIndex.delete()    if(!deletedLog && log.file.exists)      throw new KafkaStorageException("Delete of log " + log.file.getName + " failed.")    if(!deletedIndex && index.file.exists)      throw new KafkaStorageException("Delete of index " + index.file.getName + " failed.")    if(!deletedTimeIndex && timeIndex.file.exists)      throw new KafkaStorageException("Delete of time index " + timeIndex.file.getName + " failed.")
  }

充分利用Page Cache

使用Page Cache的好處如下

  • I/O Scheduler會將連續(xù)的小塊寫組裝成大塊的物理寫從而提高性能

  • I/O Scheduler會嘗試將一些寫操作重新按順序排好，從而減少磁盤頭的移動時間

  • 充分利用所有空閑內(nèi)存（非JVM內(nèi)存）。如果使用應(yīng)用層Cache（即JVM堆內(nèi)存），會增加GC負(fù)擔(dān)

  • 讀操作可直接在Page Cache內(nèi)進(jìn)行。如果消費和生產(chǎn)速度相當(dāng)，甚至不需要通過物理磁盤（直接通過Page Cache）交換數(shù)據(jù)

  • 如果進(jìn)程重啟，JVM內(nèi)的Cache會失效，但Page Cache仍然可用

Broker收到數(shù)據(jù)后，寫磁盤時只是將數(shù)據(jù)寫入Page Cache，并不保證數(shù)據(jù)一定完全寫入磁盤。從這一點看，可能會造成機(jī)器宕機(jī)時，Page Cache內(nèi)的數(shù)據(jù)未寫入磁盤從而造成數(shù)據(jù)丟失。但是這種丟失只發(fā)生在機(jī)器斷電等造成操作系統(tǒng)不工作的場景，而這種場景完全可以由Kafka層面的Replication機(jī)制去解決。如果為了保證這種情況下數(shù)據(jù)不丟失而強(qiáng)制將Page Cache中的數(shù)據(jù)Flush到磁盤，反而會降低性能。也正因如此，Kafka雖然提供了flush.messages和flush.ms兩個參數(shù)將Page Cache中的數(shù)據(jù)強(qiáng)制Flush到磁盤，但是Kafka并不建議使用。

如果數(shù)據(jù)消費速度與生產(chǎn)速度相當(dāng)，甚至不需要通過物理磁盤交換數(shù)據(jù)，而是直接通過Page Cache交換數(shù)據(jù)。同時，F(xiàn)ollower從Leader Fetch數(shù)據(jù)時，也可通過Page Cache完成。下圖為某Partition的Leader節(jié)點的網(wǎng)絡(luò)/磁盤讀寫信息。

從上圖可以看到，該Broker每秒通過網(wǎng)絡(luò)從Producer接收約35MB數(shù)據(jù)，雖然有Follower從該Broker Fetch數(shù)據(jù)，但是該Broker基本無讀磁盤。這是因為該Broker直接從Page Cache中將數(shù)據(jù)取出返回給了Follower。

支持多Disk Drive

Broker的log.dirs配置項，允許配置多個文件夾。如果機(jī)器上有多個Disk Drive，可將不同的Disk掛載到不同的目錄，然后將這些目錄都配置到log.dirs里。Kafka會盡可能將不同的Partition分配到不同的目錄，也即不同的Disk上，從而充分利用了多Disk的優(yōu)勢。

零拷貝

Kafka中存在大量的網(wǎng)絡(luò)數(shù)據(jù)持久化到磁盤（Producer到Broker）和磁盤文件通過網(wǎng)絡(luò)發(fā)送（Broker到Consumer）的過程。這一過程的性能直接影響Kafka的整體吞吐量。

傳統(tǒng)模式下的四次拷貝與四次上下文切換

以將磁盤文件通過網(wǎng)絡(luò)發(fā)送為例。傳統(tǒng)模式下，一般使用如下偽代碼所示的方法先將文件數(shù)據(jù)讀入內(nèi)存，然后通過Socket將內(nèi)存中的數(shù)據(jù)發(fā)送出去。

buffer = File.readSocket.send(buffer)

這一過程實際上發(fā)生了四次數(shù)據(jù)拷貝。首先通過系統(tǒng)調(diào)用將文件數(shù)據(jù)讀入到內(nèi)核態(tài)Buffer（DMA拷貝），然后應(yīng)用程序?qū)?nèi)存態(tài)Buffer數(shù)據(jù)讀入到用戶態(tài)Buffer（CPU拷貝），接著用戶程序通過Socket發(fā)送數(shù)據(jù)時將用戶態(tài)Buffer數(shù)據(jù)拷貝到內(nèi)核態(tài)Buffer（CPU拷貝），最后通過DMA拷貝將數(shù)據(jù)拷貝到NIC Buffer。同時，還伴隨著四次上下文切換，如下圖所示。

sendfile和transferTo實現(xiàn)零拷貝

Linux 2.4+內(nèi)核通過sendfile系統(tǒng)調(diào)用，提供了零拷貝。數(shù)據(jù)通過DMA拷貝到內(nèi)核態(tài)Buffer后，直接通過DMA拷貝到NIC Buffer，無需CPU拷貝。這也是零拷貝這一說法的來源。除了減少數(shù)據(jù)拷貝外，因為整個讀文件-網(wǎng)絡(luò)發(fā)送由一個sendfile調(diào)用完成，整個過程只有兩次上下文切換，因此大大提高了性能。零拷貝過程如下圖所示。

從具體實現(xiàn)來看，Kafka的數(shù)據(jù)傳輸通過TransportLayer來完成，其子類PlaintextTransportLayer通過Java NIO的FileChannel的transferTo和transferFrom方法實現(xiàn)零拷貝，如下所示。

    @Override
    public long transferFrom(FileChannel fileChannel, long position, long count) throws IOException {        return fileChannel.transferTo(position, count, socketChannel);
    }

注： transferTo和transferFrom并不保證一定能使用零拷貝。實際上是否能使用零拷貝與操作系統(tǒng)相關(guān)，如果操作系統(tǒng)提供sendfile這樣的零拷貝系統(tǒng)調(diào)用，則這兩個方法會通過這樣的系統(tǒng)調(diào)用充分利用零拷貝的優(yōu)勢，否則并不能通過這兩個方法本身實現(xiàn)零拷貝。

減少網(wǎng)絡(luò)開銷

批處理

批處理是一種常用的用于提高I/O性能的方式。對Kafka而言，批處理既減少了網(wǎng)絡(luò)傳輸?shù)腛verhead，又提高了寫磁盤的效率。

Kafka 0.8.1及以前的Producer區(qū)分同步Producer和異步Producer。同步Producer的send方法主要分兩種形式。一種是接受一個KeyedMessage作為參數(shù)，一次發(fā)送一條消息。另一種是接受一批KeyedMessage作為參數(shù)，一次性發(fā)送多條消息。而對于異步發(fā)送而言，無論是使用哪個send方法，實現(xiàn)上都不會立即將消息發(fā)送給Broker，而是先存到內(nèi)部的隊列中，直到消息條數(shù)達(dá)到閾值或者達(dá)到指定的Timeout才真正的將消息發(fā)送出去，從而實現(xiàn)了消息的批量發(fā)送。

Kafka 0.8.2開始支持新的Producer API，將同步Producer和異步Producer結(jié)合。雖然從send接口來看，一次只能發(fā)送一個ProducerRecord，而不能像之前版本的send方法一樣接受消息列表，但是send方法并非立即將消息發(fā)送出去，而是通過batch.size和linger.ms控制實際發(fā)送頻率，從而實現(xiàn)批量發(fā)送。

由于每次網(wǎng)絡(luò)傳輸，除了傳輸消息本身以外，還要傳輸非常多的網(wǎng)絡(luò)協(xié)議本身的一些內(nèi)容（稱為Overhead），所以將多條消息合并到一起傳輸，可有效減少網(wǎng)絡(luò)傳輸?shù)腛verhead，進(jìn)而提高了傳輸效率。

從零拷貝章節(jié)的圖中可以看到，雖然Broker持續(xù)從網(wǎng)絡(luò)接收數(shù)據(jù)，但是寫磁盤并非每秒都在發(fā)生，而是間隔一段時間寫一次磁盤，并且每次寫磁盤的數(shù)據(jù)量都非常大（最高達(dá)到718MB/S）。

數(shù)據(jù)壓縮降低網(wǎng)絡(luò)負(fù)載

Kafka從0.7開始，即支持將數(shù)據(jù)壓縮后再傳輸給Broker。除了可以將每條消息單獨壓縮然后傳輸外，Kafka還支持在批量發(fā)送時，將整個Batch的消息一起壓縮后傳輸。數(shù)據(jù)壓縮的一個基本原理是，重復(fù)數(shù)據(jù)越多壓縮效果越好。因此將整個Batch的數(shù)據(jù)一起壓縮能更大幅度減小數(shù)據(jù)量，從而更大程度提高網(wǎng)絡(luò)傳輸效率。

Broker接收消息后，并不直接解壓縮，而是直接將消息以壓縮后的形式持久化到磁盤。Consumer Fetch到數(shù)據(jù)后再解壓縮。因此Kafka的壓縮不僅減少了Producer到Broker的網(wǎng)絡(luò)傳輸負(fù)載，同時也降低了Broker磁盤操作的負(fù)載，也降低了Consumer與Broker間的網(wǎng)絡(luò)傳輸量，從而極大得提高了傳輸效率，提高了吞吐量。

高效的序列化方式

Kafka消息的Key和Payload（或者說Value）的類型可自定義，只需同時提供相應(yīng)的序列化器和反序列化器即可。因此用戶可以通過使用快速且緊湊的序列化-反序列化方式（如Avro，Protocal Buffer）來減少實際網(wǎng)絡(luò)傳輸和磁盤存儲的數(shù)據(jù)規(guī)模，從而提高吞吐率。這里要注意，如果使用的序列化方法太慢，即使壓縮比非常高，最終的效率也不一定高。

Kafka系列文章

分享大數(shù)據(jù)領(lǐng)域技術(shù)、包括但不限于Storm、Spark、Hadoop等分布式計算系統(tǒng)，Kafka、MetaQ等分布式消息系統(tǒng)，MongoDB等NoSQL,PostgreSQL等RDBMS，SQL優(yōu)化，以及其它前沿技術(shù)

http://www.cnblogs.com/jasongj/p/6760039.html