kafka那些事

发表于 更新于 分类于 本文字数： 1.5k 阅读时长 ≈ 6 分钟

kafka那些事

开场白

image-20220920193453784

大家好，很荣幸收到西安 GDG社区的邀请，来做一场有关kafka的分享。

我今天分享的话题是《kafka那些事》，主要内容是关于kafka技术入门分享，说说它的生态，讲讲自己的生产实践经验。

在正式开始之前，我想了解一下大家做后端的都有哪些？请举手。前端呢？

自我介绍

image-20220920193535228

在开始之前，先做个简单的自我介绍，我是truman，目前是Newegg架构师，同时也是西安IT技术圈社区发起人，主要关注于软件架构，中间件平台类开发，大数据基础架构等相关工作。

这里有我的公众号和我们社区的公众号，感兴趣的可以关注一波。

自己也开源了一些项目，做的比较好的有vs code 插件43k下载，给kibana贡献过代码，自己开源的kafka平台KafkaCenter在github上也有1k星。

总结一下：是一个喜欢开源，热爱分享，希望多和大家交流学习。

MQ

image-20220920193601713

在开始介绍kafka之前，先简单介绍一下MQ,大家都是程序员，学习数据结构的时候，应该都了解过先进先出的队列。

MQ的架构可以抽象的认为由生产者，Broker，消费者等角色组成，

在做架构选择时，通常我们会选择MQ来解决两个问题：异步架构，系统解耦（解耦是为了更容易扩展和架构演进）

解决高并发的时候，会想起：削峰填谷

除此之外还有两种业务场景：

  • 消息通讯（一对一，一对多广播）
  • 数据管道

image-20220920193642808

了解了MQ解决的场景，大家有没有想过MQ所解决了哪些技术性问题？

我这边总结了几个具有代表性的技术问题：

  • 顺序性
  • 异步性
  • 广播性
  • 可堆积性
  • 可恢复性（重塑性）

Kafka

image-20220920193746609

说几个八卦，大家知道为什么叫kafka吗？

据说kafla架构师 jay kreps 所讲，由于他本人很喜欢kafka,并且觉得这个名字很酷。已经成为大数据基础组件之一，使用范围之广。

这群kafka开发者中有几个国人：饶军，王国章

言归正传：kafka 是一个分布式消息队列，更是一个流处理平台。

主要由Producer,Broker，Consumer三个角色组成，生产者将消息push到broker上，消费者再从broker拉取消息。

图上还有一个重要组件：zookeeper,作为集群分布式协调者和元数据管理者。但未来是注定要去掉该组件的，目前最新版已经支持不需要zookeeper，支持独立运行，但还未达到生产就绪阶段。kafka有这么几个优点：

  • ⾼吞吐
  • 消息持久化
  • 负载均衡
  • 故障转移

Topic & 日志目录结构

image-20220920193810076

接下来简单给大家介绍一下Topic逻辑结构，Topic由多个partition组成，每个partition又有多个replica构成。

image-20220920193831457

在服务器端Topic结构是这样的，name-序列号，每个topic的partition都由多个LogSement组成，LogSement是一个抽象结构，由.log,.index,.timeinde等文件组成

数据可靠性

image-20220920193853397

大家有没有想过？kakfa怎么保证数据的可靠呢？它的可靠程度可以高度自定义，通过acks来制定。Producer 要在吞吐率和数据可靠性之间做一个权衡

数据一致性

image-20220920193943160

kafka是一个分布式系统，它是怎么保证在多个副本间数据一致呢？答案是：HW,副本同步机制，以及Leader Epoch，这个就比较复杂了，我们就不做过多解释。

简称 HW: Partition 的高水位，取一个 partition 对应的 ISR 中最小的 LEO(LogEndOffset)作为 HW，消费者最多只能消费到 HW 所在的位置，另外每个 replica 都有 HW，leader 和 follower 各自负责更新自己的 HW 状态，HW<= leader. LEO

Consumer 不能立刻消费，Leader 会等待该消息被所有 ISR 中的 replica 同步后,更新 HW,此时该消息才能被 Consumer 消费，即 Consumer 最多只能消费到 HW 位置

这样就保证了如果 Leader Broker 失效,该消息仍然可以从新选举的 Leader 中获取。对于来自内部 Broker 的读取请求,没有 HW 的限制。同时,Follower 也会维护一份自己的 HW,Folloer.HW = min(Leader.HW, Follower.offset)

image-20220920194008257

kafka高性能设计

image-20220920194030904

关于kakfa的核心设计，我们再聊聊它的高性能设计，它主要从两个方面来设计：。。。。

生产者最佳实践

image-20220920194238111

image-20220920194301320

image-20220920194328567

消费者最佳实践

image-20220920194346196

image-20220920194403630

image-20220920194428847

image-20220920194452810

image-20220920194514540

kafka connect

image-20220920194537442

kafka-connect是一个在kafka与其他平台数据迁移的工具。

kafka-connect有两个核心概念：Source和Sink。Source:负责导入数据到kafka，Sink负责从kafka导出数据，它们统称Connector，即连接器。

另外还有两个重要概念：Task和Worker

kafka streams

image-20220920194558293

Kafka Streams被认为是开发实时应用程序的最简单方法。它是一个Kafka的客户端API库，编写简单的java和scala代码就可以实现流式处理。不同于storm/spark,它是以应用服务形式存在的。

image-20220920194616353

ksqlDB

image-20220920194646338

kafka rest proxy

image-20220920194716186

Kafka Scheme Registry

image-20220920194751904

kafka tool

image-20220920194815348

kafka center是一个集Topic申请，监控，集群监控与运维等一站式平台。

image-20220920194841857

主要解决这个6个问题

统一：一个平台，一站式包含Topic自助，管理，监控，运维，使用一体化。

流程化：创建topic流程化，做到对topic使用全生命周期管理。

治理：将Topic资源申请管控，公司所有集群统一管控。

生态：目前已经接入connect，ksql。

便捷：提供便捷工具，让无需有kafka使用经验的人，都可以方便生产、消费消息。

规范化：将指标可视化，申请流程化，运维标准化。