• 面试官说入职以后要参与重构Kafka内核,我吓的不敢接offer!


    有人说:他曾在一台配置较好的机子上对 Kafka 进行性能压测,压测结果是 Kafka 单个节点的极限处理能力接近每秒 2000万 条消息,吞吐量达到每秒 600MB。

    那 Kafka 为什么这么快?如何做到这个高的性能?

    本篇文章主要从这 3 个角度来分析:

    • 生产端

    • 服务端 Broker

    • 消费端

    先来看下生产端发送消息,Kafka 做了哪些优化?

    (1)生产端 Producer

    先来回顾下 Producer 生产者发送消息的流程:

    1. 首先指定消息发送到哪个 Topic 。

    2. 选择一个 Topic 的分区 partitiion ,默认是轮询来负载均衡。

      也可以指定一个分区 key ,根据 key 的 hash 值来分发到指定的分区。

      也可以自定义 partition 来实现分区策略。

    3. 找到这个分区的 leader partition 。

    4. 与所在机器的 Broker 的 socket 建立通信。

    5. 发送 Kafka 自定义协议格式的请求(包含携带的消息、 批量消息 )。

    将思绪集中在消息发送时候,可发现这两个华点 :批量消息和自定义协议格式。

    1. 批量发送:减少了与服务端 Broker 处理请求的次数,从而提升总体的处理能力。

      调用 send() 方法时,不会立刻把消息发送出去,而是缓存起来,选择恰当时机把缓存里的消息划分成一批数据,按批次发送给服务端 Broker 。

    2. 自定义协议格式:序列化方式和压缩格式都能减少数据体积,从而节省网络资源消耗。

    各种压缩算法对比:

    • 吞吐量方面: LZ4 > Snappy > zstd 和 GZIP

    • 压缩比方面: zstd > LZ4 > GZIP > Snappy

    (2)服务端 Broker

    Broker 的高性能主要从这 3 个方面体现:

    1. PageCache 缓存

    2. Kafka 的文件布局 以及 磁盘文件顺序写入

    3. 零拷贝 sendfile :加速消费流程

    下面展开讲讲。

    1)PageCache 加速消息读写

    使用 PageCache 主要能带来如下好处:

    • 写入文件的时候:操作系统会先把数据写入到内存中的 PageCache ,然后再一批一批地写到磁盘上,从而减少磁盘 IO 开销。

    • 读取文件的时候:也是从 PageCache 中来读取数据。

    如果消息刚刚写入到服务端就会被消费,按照 LRU 的“优先清除最近最少使用的页”这种策略,读取的时候,对于这种刚刚写入的 PageCache ,命中的几率会非常高。

    2)Kafka 的文件布局 以及 磁盘文件顺序写入

    文件布局如下图所示:

    主要特征是: 文件的组织方式是“ topic + 分区”,每一个 topic 可以创建多个分区,每一个分区包含单独的文件夹。

    Kafka 在分区级别实现文件顺序写 :即多个文件同时写入,更能发挥磁盘 IO 的性能。

    • 相对比 RocketMQ : RocketMQ 在消息写入时追求极致的顺序写,所有的消息不分主题一律顺序写入 commitlog 文件, topic 和 分区数量的增加不会影响写入顺序。

    • 弊端: Kafka 在消息写入时的 IO 性能,会随着 topic 、分区数量的增长先上升,后下降。

      所以使用 Kafka 时,要警惕 Topic 和 分区数量。

    3)零拷贝 sendfile:加速消费流程

    当不使用零拷贝技术读取数据时:

    流程如下:

    1. 消费端 Consumer :向 Kafka Broker 请求拉取消息

    2. Kafka Broker 从 OS Cache 读取消息到 应用程序的内存空间:

      1. 若 OS Cache 中有消息,则直接读取

      2. 若 OS Cache 中无消息,则从磁盘里读取

    3. 再通过网卡, socket 将数据发送给 消费端 Consumer

    当使用零拷贝技术读取数据:

    Kafka 使用零拷贝技术可以把这个复制次数减少一次,直接从 PageCache 中把数据复制到 Socket 缓冲区中。

    • 这样不用将数据复制到用户内存空间。

    • DMA 控制器直接完成数据复制,不需要 CPU 参与,速度更快。

    (3)消费端 Consumer

    消费者只从 Leader分区批量拉取消息。

    为了提高消费速度,多个消费者并行消费比不可少。 Kafka 允许创建消费组(唯一标识 group.id ),在同一个消费组的消费者共同消费数据。

    举个栗子:

    • 有两个 Kafka Broker ,即有 2个机子

    • 有一个主题: TOPICA ,有 3 个分区(0, 1, 2)

    如上图,举例 4 中情况:

    1. group.id = 1 ,有一个消费者:这个消费者要处理所有数据,即 3 个分区的数据。

    2. group.id = 2 ,有两个消费者: consumer 1 消费者需处理 2个分区的数据, consumer2 消费者需处理 1个分区的数据

    3. group.id = 3 ,有三个消费者: 消费者数量与分区数量相等 ,刚好每个消费者处理一个分区

    4. group.id = 4 ,有四个消费者: 消费者数量 > 分区数量 ,第四个消费者则会处于空闲状态

  • 相关阅读:
    Vue3 provide 和 inject 实现祖组件和后代组件通信
    SpringBoot的JSON工具类(java),用于前后端分离
    基于Python GDAL为长时间序列遥感图像绘制时相变化曲线图
    【Semi-Supervised Raw-to-Raw Mapping 半监督 Raw-to-Raw 映射】
    802.11 a/b/g/n/ac/ax/be 有什么区别
    Python 多线程HTTP服务器
    【Linux内核】Linux内核介绍
    基于LLVM的AFL分析
    输入一个三位数,使用递归实现,按位输出
    OpenCV快速入门:绘制图形、图像金字塔和感兴趣区域
  • 原文地址:https://blog.csdn.net/m0_73311735/article/details/126583948