-
Kafka - Broker 详解
目录
零、前置
Kafka集群搭建：Kafka + Zookeeper + Hadoop 集群配置
Kafka Topic命令：Kafka - Topic命令 & 命令行操作
一、Kafka Broker 工作流程
1.Zookeeper 存储的 Kafka 信息
启动Zookeeper客户端（注意目录）：
cd /opt/module/zookeeper-3.5.7/bin/zkCli.sh通过 ls 进行查看：
ls /
可以看到除了默认的Zookeeper节点外还有一个节点叫做kafka（之所以叫这个是因为咱们在配置文件中写的名字就是/kafka）。
查看 kafka节点 内的信息：
ls /kafka
可以再往里面看看：
ls /kafka/brokers/ids
可以看到在 ids 下面有着 0 1 2 三个数字，这个其实就是我们Kafka集群中每台机器的 brokerid 。
当然如果你觉得这样一个一个看太慢了，你也可以使用 ‘漂亮的公园’ 进行查看（ 软件名称：prettyZoo ）：
连接时输入IP和端口号即可，非常方便。在如此之多的节点中，最重要的有三个，分别如下：
/kafka/brokers/ids
#用于记录有哪些服务器
/kafka/brokers/topics/first/partitions/0/state
#用于记录谁是Leader，有哪些服务器可用
/kafka/controller
#用于辅助选举Leader。每一个节点都会去抢着注册controller，谁先抢到注册权，谁就有权利去确定一个Leader
还有一个比较特殊的节点是 consumers 节点。0.9版本之前用于保存 offset 信息。0.9版本之后 offset 存储在kafka主题中。
2.Kafka Broker 总体工作流程
第一步：broker启动后在zk中注册，争抢controller
第二步：谁先注册Controller，谁说了算
第三步：由选举出来的Controller，监听brokers节点变化
第四步：Controller决定Leader选举
第五步：Controller将节点信息上传到ZK
第六步：其他contorller从zk同步相关信息，万一挂了他们好上位
第七步：假设Broker1中Leader挂了
第八步：Controller监听到节点变化
第九步：获取ISR
第十步：选举新的Leader（在 isr中存活为前提，按照 AR中排在前面的优先）
第十一步：更新Leader及ISR
选举规则：在isr中存活为前提，按 照AR中排在前面的优先。例如 ar[1,0,2], isr [1，0，2]，那么leader 就会按照1，0，2的顺序轮询
模拟 Kafka 上下线，Zookeeper 中数据变化
查看/kafka/brokers/ids 路径上的节点：
ls /kafka/brokers/ids
查看/kafka/controller 路径上的数据：
get /kafka/controller
查看/kafka/brokers/topics/first/partitions/0/state 路径上的数据查看/kafka/brokers/topics/first/partitions/0/state 路径上的数据：
get /kafka/brokers/topics/first/partitions/0/state
停止 test3 上的 kafka：
bin/kafka-server-stop.sh
再次查看/kafka/brokers/ids 路径上的节点：
ls /kafka/brokers/ids
再次查看/kafka/controller 路径上的数据：
get /kafka/controller
再次查看/kafka/brokers/topics/first/partitions/0/state 路径上的数据：
get /kafka/brokers/topics/first/partitions/0/state
重新启动 test3 上的 kafka：
bin/kafka-server-start.sh -daemon ./config/server.properties
3.Broker 重要参数
参数名称 描述 replica.lag.time.max.ms ISR中，如果 Follower 长时间未向 Leader 发送通信请求或同步数据，则该 Follower 将被踢出 ISR。 该时间阈值，默认 30s auto.leader.rebalance.enable 默认是 true。 自动 Leader Partition 平衡 leader.imbalance.per.broker.percentage 默认是 10%。每个 broker 允许的不平衡的 leader 的比率。如果每个 broker 超过了这个值，控制器 会触发 leader 的平衡 leader.imbalance.check.interval.seconds 默认值 300 秒。检查 leader 负载是否平衡的间隔时间 log.segment.bytes Kafka 中 log 日志是分成一块块存储的，此配置是 指 log 日志划分成块的大小，默认值 1G log.index.interval.bytes 默认 4kb，kafka 里面每当写入了 4kb 大小的日志（.log），然后就往 index 文件里面记录一个索引 log.retention.hours Kafka 中数据保存的时间，默认 7 天 log.retention.minutes Kafka 中数据保存的时间，分钟级别，默认关闭 log.retention.ms Kafka 中数据保存的时间，毫秒级别，默认关闭 log.retention.check.interval.ms 检查数据是否保存超时的间隔，默认是 5 分钟 log.retention.bytes 默认等于-1，表示无穷大。超过设置的所有日志总大小，删除最早的 segment log.cleanup.policy 默认是 delete，表示所有数据启用删除策略； 如果设置值为compact，表示所有数据启用压缩策略 num.io.threads 默认是 8。负责写磁盘的线程数。整个参数值要占总核数的 50% num.replica.fetchers 副本拉取线程数，这个参数占总核数的 50%的1/3 num.network.threads 默认是 3。数据传输线程数，这个参数占总核数的 50%的2/3 log.flush.interval.messages 强制页缓存刷写到磁盘的条数，默认是 long 的最大值，9223372036854775807。一般不建议修改， 交给系统自己管理 log.flush.interval.ms 每隔多久，刷数据到磁盘，默认是 null。一般不建议修改，交给系统自己管理
二、生产经验 节点服役和退役
1.服役新节点
新节点准备
关闭机器test3，然后对其进行克隆。
修改新机器的IP，和主机名称：
记得把test4的IP添加到test1的hosts文件中去。
记得去把zk和kafka的配置也改一下，修改 test4 中 kafka 的 broker.id 为 3，删除 test4 中 kafka 下的 datas 和 logs（注意目录）：
cd /opt/module/kafkarm -rf datas/* logs/*启动test1、test2和test3上的zk和kafka集群：
zk.sh startkf.sh start单独启动 test4 中的 kafka：
cd /opt/module/kafka/bin/kafka-server-start.sh -daemon ./config/server.properties执行负载均衡操作
接下来要做的是把咱们原本集群里的数据，分摊一部分到新创建的test4中，以达到负载均衡的作用。创建一个要均衡的主题（回到test1机器上）：
cd /opt/module/kafkavim topics-to-move.json咱们针对 first 主题进行操作，把以下内容复制进去：
- {
- "topics": [
- {"topic": "first"}
- ],
- "version": 1
- }
生成负载均衡的计划
bin/kafka-reassign-partitions.sh --bootstrap-server test1:9092 --topics-to-move-json-file topics-to-move.json --broker-list "0,1,2,3" --generate
复制 下面一行 下来， 在 kafka目录 下创建副本存储计划（所有副本存储在 broker0、broker1、broker2、broker3 中）：
vim increase-replication-factor.json把上面的内容复制进去即可，就像这样：
执行副本存储计划
bin/kafka-reassign-partitions.sh --bootstrap-server test1:9092 --reassignment-json-file increase-replication-factor.json --execute
验证副本存储计划
bin/kafka-reassign-partitions.sh --bootstrap-server test1:9092 --reassignment-json-file increase-replication-factor.json --verify
此时可以去确认一下：
bin/kafka-topics.sh --bootstrap-server test1:9092 --topic first --describe
2.退役旧节点
执行负载均衡操作
先按照退役一台节点，生成执行计划，然后按照服役时操作流程执行负载均衡。
创建一个要均衡的主题
这里其实不用改，只是强调一下步骤 ：
vim topics-to-move.json创建执行计划
这里看到这里比之前少了一个3，从前面的"0,1,2,3"变成了"0,1,2"，因为咱们要把3退役掉 ：
bin/kafka-reassign-partitions.sh --bootstrap-server test1:9092 --topics-to-move-json-file topics-to-move.json --broker-list "0,1,2" --generate
依旧还是把下面的一行复制下来，然后创建副本存储计划（所有副本存储在 broker0、broker1、broker2 中）：
vim increase-replication-factor.json把刚刚复制的粘贴进去：
执行副本存储计划
bin/kafka-reassign-partitions.sh --bootstrap-server test1:9092 --reassignment-json-file increase-replication-factor.json --execute
验证副本存储计划：
bin/kafka-reassign-partitions.sh --bootstrap-server test1:9092 --reassignment-json-file increase-replication-factor.json --verify
三、Kafka 副本
1.副本基本信息
- Kafka 副本作用：提高数据可靠性。
- Kafka 默认副本 1 个，生产环境一般配置为 2 个，保证数据可靠性；太多副本会 增加磁盘存储空间，增加网络上数据传输，降低效率。
- Kafka 中副本分为：Leader 和 Follower。Kafka 生产者只会把数据发往 Leader， 然后 Follower 找 Leader 进行同步数据。
- Kafka 分区中的所有副本统称为 AR（Assigned Repllicas）。
AR = ISR + OSR
ISR
表示和 Leader 保持同步的 Follower 集合。如果 Follower 长时间未向 Leader 发送通信请求或同步数据，则该 Follower 将被踢出 ISR。该时间阈值由 replica.lag.time.max.ms 参数设定，默认 30s。Leader 发生故障之后，就会从 ISR 中选举新的 Leader
OSR
表示 Follower 与 Leader 副本同步时，延迟过多的副本
2.Leader 选举流程
Kafka 集群中有一个 broker 的 Controller 会被选举为 Controller Leader，负责管理集群 broker 的上下线，所有 topic 的分区副本分配和 Leader 选举等工作。Controller 的信息同步工作是依赖于 Zookeeper 的。
具体流程在上面已经写过了，这里不多说。
创建一个新的 topic，4 个分区，4 个副本
（注意这里是4个，所以得把之前的test4开启）：
bin/kafka-topics.sh --bootstrap-server test1:9092 --create --topic van --partitions 4 --replication-factor 4
查看 Leader 分布情况
bin/kafka-topics.sh --bootstrap-server test1:9092 --describe --topic second
停止掉 test4 的 kafka 进程，并查看 Leader 分区情况：
bin/kafka-server-stop.sh回到 test1 上重新看一眼：
bin/kafka-topics.sh --bootstrap-server test1:9092 --describe --topic second可以看到两次的 Leader 分区发生的变化：
停止掉 test3 的 kafka 进程，并查看 Leader 分区情况：
启动 test4 和 test5 的 kafka 进程，并查看 Leader 分区情况（可以看到没有变回去）：
3.Leader 和 Follower 故障处理细节
Follower故障处理细节
LEO（Log End Offset）：每个副本的最后一个offset，LEO其实就是最新的offset + 1。用下图的 broker0 来看，最后一个是7，但是因为它从0开始（有点类似于索引 index ），所以最后一个其实就是 7 + 1 = 8 。
HW（High Watermark）：所有副本中最小的 LEO 。还是以下图来看， HW = 最小的LEO ----> HW = 4 + 1 = 5
咱们这里假设有三台kafka，最上面的是 Leader 下面两个为 Follower 。因为咱们kafka是由 Leader 节点跟客户做交互，所以他里面的数据比较多是正常的（有一个时间先后顺序）。上面的 ISR 表示三台服务器都正常启动。
消费者能够看到的最大的offset其实是 HW 下面的一个，也就是上图中的 4 。
此时其中的一个Follower也就是 broker2 挂了！
第一步：发生故障后，会被临时踢出ISR：
第二步：这个期间剩下的 broker0 和 broker1 会继续接收数据。它们不会因为 broker3 的掉线而停止工作，也正是因为这样 LEO 和 HW 会继续往后添加：
第三步：当挂掉的Follower恢复后，它会读取本地磁盘记录的上次的HW（5），并将高于HW的部分截取掉（因为它自身认为这是没有验证过的数据）。从HW，开始向Leader进行同步：
等该Follower追上Leader之后（准确上来说是最上新的 HW ），就可以重新加入ISR了。
Leader故障处理细节
第一步：发生故障后，还是会被临时踢出ISR：
第二步：Leader发生故障之后，会从ISR中选出一个新的Leader：
第三步：这时候问题来了。 broker2 里面的数据比 broker1 里面的还要多（说白了就是这个小弟的实力比老大还厉害）。此时为保证多个副本之间的数据一致性，其余的Follower会先将各自的log文件高于HW的部分截掉，然后从新的Leader同步数据（这里的 broker2 会把多出来的 5 和 6 给扔了，向 broker1 看齐）：
注意：这只能保证副本之间的数据一致性，并不能保证数据 不丢失 或者 不重复
4.分区副本分配
如果 kafka 服务器只有 4 个节点，那么设置 kafka 的分区数大于服务器台数，在 kafka 底层如何分配存储副本呢？
创建 16 个分区，3 个副本
先把之前的 second 给删了，重新创建一个：
bin/kafka-topics.sh --bootstrap-server test1:9092 --delete --topic second创建一个新的 topic，名称为 second ：
bin/kafka-topics.sh --bootstrap-server test1:9092 --create --partitions 16 --replication-factor 3 --topic second查看分区和副本情况：
看一下细节（颜色标好了，找规律即可）：
Topic: second Partition: 0 Leader: 2 Replicas: 2 , 3 , 1 Isr: 2,3,1
Topic: second Partition: 1 Leader: 3 Replicas: 3 , 1 , 0 Isr: 3,0
Topic: second Partition: 2 Leader: 1 Replicas: 1 , 0 , 2 Isr: 1,0,2
Topic: second Partition: 3 Leader: 0 Replicas: 0 , 2 , 3 Isr: 0,2,3——————————————————————————————————————————————
Topic: second Partition: 4 Leader: 2 Replicas: 2 , 1 , 0 Isr: 2,1,0
Topic: second Partition: 5 Leader: 3 Replicas: 3 , 0 , 2 Isr: 3,0
Topic: second Partition: 6 Leader: 1 Replicas: 1 , 2 , 3 Isr: 1,2,3
Topic: second Partition: 7 Leader: 0 Replicas: 0 , 3 , 1 Isr: 0,3,1——————————————————————————————————————————————
Topic: second Partition: 8 Leader: 2 Replicas: 2 , 0 , 3 Isr: 2,0,3
Topic: second Partition: 9 Leader: 3 Replicas: 3 , 2 , 1 Isr: 3
Topic: second Partition: 10 Leader: 1 Replicas: 1 , 3 , 0 Isr: 1,3,0
Topic: second Partition: 11 Leader: 0 Replicas: 0 , 1 , 2 Isr: 0,1,2——————————————————————————————————————————————
Topic: second Partition: 12 Leader: 2 Replicas: 2 , 3 , 1 Isr: 2,3,1
Topic: second Partition: 13 Leader: 3 Replicas: 3 , 1 , 0 Isr: 3,0
Topic: second Partition: 14 Leader: 1 Replicas: 1 , 0 , 2 Isr: 1,0,2
Topic: second Partition: 15 Leader: 0 Replicas: 0 , 2 , 3 Isr: 0,2,3
5.手动调整分区副本存储
在生产环境中，每台服务器的配置和性能不一致，但是Kafka只会根据自己的代码规则创建对应的分区副本，就会导致个别服务器存储压力较大。所有需要手动调整分区副本的存储。
需求： 创建一个新的topic，4个分区，两个副本，名称为three。将 该topic的所有副本都存储到 broker0 和 broker1 两台服务器上。
下图中左侧为默认环境， L （Leader）被均匀的分布在了每一台服务器上。但是这里的 broker0 和 broker1 的性能远高于 broker2 和 broker3 ，所以咱们的目的如下图右侧：将 L （Leader）固定分配在性能较高的 broker0 和 broker1 中。
手动调整分区副本存储的步骤如下：
创建一个新的 topic
bin/kafka-topics.sh --bootstrap-server test1:9092 --create --partitions 4 --replication-factor 2 --topic three
查看分区副本存储情况
bin/kafka-topics.sh --bootstrap-server test1:9092 --describe --topic three
创建副本存储计划
所有副本都指定存储在 broker0、broker1 中：
vim increase-replication-factor.json输入如下内容：
- {
- "version":1,
- "partitions":[{"topic":"three","partition":0,"replicas":[0,1]},
- {"topic":"three","partition":1,"replicas":[0,1]},
- {"topic":"three","partition":2,"replicas":[1,0]},
- {"topic":"three","partition":3,"replicas":[1,0]}]
- }
执行副本存储计划
bin/kafka-reassign-partitions.sh --bootstrap-server test1:9092 --reassignment-json-file increase-replication-factor.json --execute
验证副本存储计划
bin/kafka-reassign-partitions.sh --bootstrap-server test1:9092 --reassignment-json-file increase-replication-factor.json --verify
查看分区副本存储情况
bin/kafka-topics.sh --bootstrap-server test1:9092 --describe --topic three
操作完成！
6.Leader Partition 负载平衡
正常情况下，Kafka本身会自动把Leader Partition均匀分散在各个机器上，来保证每台机器的读写吞吐量都是均匀的。但是如果某些broker宕机，会导致Leader Partition过于集中在其他少部分几台broker上，这会导致少数几台broker的读写请求压力过高，其他宕机的broker重启之后都是follower partition，读写请求很低，造成集群负载不均衡。
auto.leader.rebalance.enable ，默认是true。自动 Leader Partition 平衡
leader.imbalance.per.broker.percentage ， 默认是10%。每个broker允许的不平衡的leader的比率。如果每个broker超过了这个值，控制器会触发leader的平衡
leader.imbalance.check.interval.seconds ， 默认值300秒。检查leader负载是否平衡的间隔时间
下面举个栗子：
可以看到上图中先创建了一个topic，然后进行两次查看（第一次查看之后我手动把一台broker关掉再重启）。
第一次查看：ISR全部存活，对Replicas进行对比，谁靠前谁就是Leader。
然后去关掉一个broker，当它下线的时候，集群会选举出新的Leader。之后重启它，让它重新上线。
第二次查看：因为中途Leader的变更，所以可以看到就算Replicas中2是靠前的，但是Leader变成了3。
拿 broker0 来说，原本的Leader应该是2，但是在重新选举后变成了3，所以不平衡数加1。AR的副本数是4，所以 broker0 节点不平衡率为 1/4>10% ，需要再平衡。
Broker1 2 3 的不平衡数为0，不需要再平衡。
在生产环境中，就算发生了broker重启的情况，也不会导致kafka集群不可用。此时再去进行平衡会浪费大量的系统资源，这是没必要的，所以生产环境中一般会把 auto.leader.rebalance.enable 的true改成false。若这里不改的话也可以讲后面 leader.imbalance.per.broker.percentage 的10%提高到20-30%左右。
7.增加副本因子
在生产环境当中，由于某个主题的重要等级需要提升，我们考虑增加副本。副本数的增加需要先制定计划，然后根据计划执行。
创建 topic
bin/kafka-topics.sh --bootstrap-server test1:9092 --create --partitions 3 --replication-factor 1 --topic four手动增加副本存储
创建副本存储计划（所有副本都指定存储在 broker0、broker1、broker2 中）：
vim increase-replication-factor.json内容如下：
{"version":1,"partitions":[{"topic":"four","partition":0,"replicas":[0,1,2]},{"topic":"four","partition":1,"replicas":[0,1,2]},{"topic":"four","partition":2,"replicas":[0,1,2]}]}执行副本存储计划
bin/kafka-reassign-partitions.sh --bootstrap-server test1:9092 --reassignment-json-file increase-replication-factor.json --execute
四、文件存储
1.文件存储机制
Topic 数据的存储机制
Topic是逻辑上的概念，而partition是物理上的概念，每个partition对应于一个log文件，该log文件中存储的就是Producer生产的数据。Producer生产的数据会被不断追加到该log文件末端，为防止log文件过大导致数据定位效率低下，Kafka采取了分片和索引机制，将每个partition分为多个segment。每个segment包括：“.index”文件、“.log”文件和.timeindex等文件。这些文件位于一个文件夹下，该文件夹的命名规则为：topic名称+分区序号，例如：first-0。
可以用Linux的文件目录来抽象的表示一下：
- Topic/
- ├── Partition-0
- │ └── log
- │ ├── *.index
- │ ├── *.log
- │ └── *.timeindex
- ├── Partition-1
- │ └── log
- └── Partition-2
- └── log
Topic 数据到底存储在什么位置
查看 test1（或者 test2、test3）的/opt/module/kafka/datas/first-1 （first-0、first-2）路径上的文件：
cd /opt/module/kafka/datas/first-0/
这里的日志是无法直接用cat查看的，因为它是序列化文件。通过工具查看 index 和 log 信息：
kafka-run-class.sh kafka.tools.DumpLogSegments --files ./00000000000000000000.indexindex 文件和 log 文件详解
- Index为稀疏索引，大约每往log文件写入4kb数据，会往index文件写入一条索引.参数log.index.interval.bytes默认4kb。
- Index文件中保存的offset为相对offset，这样能确保offset的值所占空间不会过大，因此能将offset的值控制在固定大小。
如何在log文件中定位到offset所对应的Record：
- 根据目标offset定位Segment文件
- 找到小于等于目标offset的最大offset对应的索引项
- 定位到log文件
- 向下遍历找到目标Record
日志存储参数配置：
参数 描述 log.segment.bytes Kafka 中 log 日志是分成一块块存储的，此配置是指 log 日志划分 成块的大小，默认值 1G log.index.interval.bytes 默认 4kb，kafka 里面每当写入了 4kb 大小的日志（.log），然后就 往 index 文件里面记录一个索引。 稀疏索引
2.文件清理策略
Kafka 中默认的日志保存时间为 7 天，可以通过调整如下参数修改保存时间：
- log.retention.hours ，最低优先级小时，默认 7 天。
- log.retention.minutes ，分钟。
- log.retention.ms ，最高优先级毫秒。
- log.retention.check.interval.ms ，负责设置检查周期，默认 5 分钟。
那么日志一旦超过了设置的时间，怎么处理呢？ Kafka 中提供的日志清理策略有 delete 和 compact 两种。
delete 日志删除：将过期数据删除
- log.cleanup.policy = delete 所有数据启用删除策略
基于时间：默认打开。以 segment 中所有记录中的最大时间戳作为该文件时间戳。
基于大小：默认关闭。超过设置的所有日志总大小，删除最早的 segment。 log.retention.bytes，默认等于-1，表示无穷大。
compact 日志压缩
compact日志压缩：对于相同key的不同value值，只保留最后一个版本。
- log.cleanup.policy = compact 所有数据启用压缩策略。
压缩后的offset可能是不连续的，比如上图中没有6，当从这些offset消费消息时，将会拿到比这个offset大 的offset对应的消息，实际上会拿到offset为7的消息，并从这个位置开始消费。
这种策略只适合特殊场景，比如消息的key是用户ID，value是用户的资料，通过这种压缩策略，整个消息 集里就保存了所有用户最新的资料。
五、高效读写数据
Kafka 本身是分布式集群，可以采用分区技术，并行度高
读数据采用稀疏索引，可以快速定位要消费的数据
顺序写磁盘
Kafka 的 producer 生产数据，要写入到 log 文件中，写的过程是一直追加到文件末端，为顺序写。官网有数据表明，同样的磁盘，顺序写能到 600M/s，而随机写只有 100K/s。这与磁盘的机械机构有关，顺序写之所以快，是因为其省去了大量磁头寻址的时间。
页缓存 + 零拷贝技术
零拷贝：Kafka的数据加工处理操作交由Kafka生产者和Kafka消费者处理。Kafka Broker应用层不关心存储的数据，所以就不用走应用层，传输效率高。
PageCache页缓存：Kafka重度依赖底层操作系统提供的PageCache功 能。当上层有写操作时，操作系统只是将数据写入 PageCache。当读操作发生时，先从PageCache中查找，如果找不到，再去磁盘中读取。实际上PageCache是把尽可能多的空闲内存 都当做了磁盘缓存来使用。
参数 描述 log.flush.interval.messages 强制页缓存刷写到磁盘的条数，默认是 long 的最大值，9223372036854775807。一般不建议修改，交给系统自己管理 log.flush.interval.ms 每隔多久，刷数据到磁盘，默认是 null。一般不建议修改， 交给系统自己管理
-
相关阅读:
超简单的抖音去水印
4.9-算法 4.10-伪代码 4.11复杂度 4.12排序
【rabbitmq的消息堆积问题】
React/RN组件避免重复渲染的一些技巧
GateWay 常用配置文件
如何在Java中使用正则表达式进行文本处理
贪心算法之背包问题
【外设篇】——显示器
美国将采取新政策降低对中国大陆的依赖 | 百能云芯
SD-WAN不断冲击传统WAN架构
- 原文地址：https://blog.csdn.net/Trollz/article/details/127307725