Kafka快速入门系列(6) | Kafka生产过程的分析及分区策略

  本篇博主带来的是Kafka生产过程的分析。

目录

  • 1. 写入方式
  • 2. 分区(Partition)
  • 3. 副本(Replication)
  • 4. producer写入消息流程


1. 写入方式

  producer采用推(push)模式将消息发布到broker,每条消息都被追加(append)到分区(patition)中,属于顺序写磁盘(顺序写磁盘效率比随机写内存要高,保障kafka吞吐率)。

2. 分区(Partition)

  消息发送时都被发送到一个topic,其本质就是一个目录,而topic是由一些Partition Logs(分区日志)组成,其组织结构如下图所示:
Kafka快速入门系列(6) | Kafka生产过程的分析及分区策略_第1张图片
Kafka快速入门系列(6) | Kafka生产过程的分析及分区策略_第2张图片
  我们可以看到,每个Partition中的消息都是有序的,生产的消息被不断追加到Partition log上,其中的每一个消息都被赋予了一个唯一的offset值

  • 1. 分区的原因

  • (1)方便在集群中扩展,每个Partition可以通过调整以适应它所在的机器,而一个topic又可以有多个Partition组成,因此整个集群就可以适应任意大小的数据了;

  • (2)可以提高并发,因为可以以Partition为单位读写了。

  • 2. 分区的原则

  我们需要将producer发送的数据封装成一个ProducerRecord对象。
Kafka快速入门系列(6) | Kafka生产过程的分析及分区策略_第3张图片

  • (1)指明 partition 的情况下,直接将指明的值直接作为 partiton 值;
  • (2)没有指明 partition 值但有 key 的情况下,将 key 的 hash 值与 topic 的 partition数进行取余得到 partition 值;
  • (3)既没有 partition 值又没有 key 值的情况下,第一次调用时随机生成一个整数(后面每次调用在这个整数上自增),将这个值与topic 可用的 partition 总数取余得到 partition 值,也就是常说的 round-robin 算法。
DefaultPartitioner类
public int partition(String topic, Object key, byte[] keyBytes, Object value, byte[] valueBytes, Cluster cluster) {
        List<PartitionInfo> partitions = cluster.partitionsForTopic(topic);
        int numPartitions = partitions.size();
        if (keyBytes == null) {
            int nextValue = nextValue(topic);
            List<PartitionInfo> availablePartitions = cluster.availablePartitionsForTopic(topic);
            if (availablePartitions.size() > 0) {
                int part = Utils.toPositive(nextValue) % availablePartitions.size();
                return availablePartitions.get(part).partition();
            } else {
                // no partitions are available, give a non-available partition
                return Utils.toPositive(nextValue) % numPartitions;
            }
        } else {
            // hash the keyBytes to choose a partition
            return Utils.toPositive(Utils.murmur2(keyBytes)) % numPartitions;
        }
    }

3. 副本(Replication)

  同一个partition可能会有多个replication(对应 server.properties 配置中的 default.replication.factor=N)。没有replication的情况下,一旦broker 宕机,其上所有 patition 的数据都不可被消费,同时producer也不能再将数据存于其上的patition。引入replication之后,同一个partition可能会有多个replication,而这时需要在这些replication之间选出一个leader,producer和consumer只与这个leader交互,其它replication作为follower从leader 中复制数据。

4. producer写入消息流程

Kafka快速入门系列(6) | Kafka生产过程的分析及分区策略_第4张图片

  • 1.producer先从zookeeper的 "/brokers/…/state"节点找到该partition的leader
  • 2.producer将消息发送给该leader
  • 3.leader将消息写入本地log
  • 4.followers从leader pull消息,写入本地log后向leader发送ACK
  • 5.leader收到所有ISR中的replication的ACK后,增加HW(high watermark,最后commit 的offset)并向producer发送ACK

  本次的分享就到这里了,


11

   看 完 就 赞 , 养 成 习 惯 ! ! ! \color{#FF0000}{看完就赞,养成习惯!!!} ^ _ ^ ❤️ ❤️ ❤️
  码字不易,大家的支持就是我坚持下去的动力。点赞后不要忘了关注我哦!

你可能感兴趣的:(Hadoop,#,Kafka,大数据,kafka)