Kafka创建Topic时如何将分区放置到不同的Broker中
熟悉 Kafka 的同学肯定知道，每个主题有多个分区，每个分区会存在多个副本，本文今天要讨论的是这些副本是怎么样放置在 Kafka 集群的 Broker 中的。
大家可能在网上看过这方面的知识，网上对这方面的知识是千变一律，都是如下说明的：
- 将所有存活的N个Brokers和待分配的Partition排序
- 将第i个Partition分配到第(i mod n)个Broker上，这个Partition的第一个Replica存在于这个分配的Broker上，并且会作为partition的优先副本
- 将第i个Partition的第j个Replica分配到第((i + j) mod n)个Broker上
假设现在有5个 Broker，分区数为5，副本为3的主题，按照上面的说法，主题最终分配在整个集群的样子如下：
但事实真的是这样的吗？实际上如果真按照这种算法，会存在以下明显几个问题：
- 所有主题的第一个分区都是存放在第一个Broker上，这样会造成第一个Broker上的分区总数多于其他的Broker，这样就失去了负载均衡的目的；
- 如果主题的分区数多于Broker的个数，多于的分区都是倾向于将分区发放置在前几个Broker上，同样导致负载不均衡。
所以其实上面的算法不准确。严格来说，上面的算法只是Kafka分配分区的一种特例（下面介绍算法部分会说明）。下面我们来看看 Kafka 内部到底是如何将分区分配到各个 Broker 中的，其具体算法实现函数就是 assignReplicasToBrokers，如下：
/////////////////////////////////////////////////////////////////////
User
:
过往记忆
Date
:
2017
年
08
月
08
日
Time
:
07
:
57
:
32
bolg
:
https
:
//www.iteblog.com
本文地址：https
:
//www.iteblog.com/archives/2219
过往记忆博客，专注于hadoop、hive、spark、shark、flume的技术博客，大量的干货
过往记忆博客微信公共帐号：iteblog
_
hadoop
/////////////////////////////////////////////////////////////////////
def
assignReplicasToBrokers(brokerList
:
Seq[Int],
nPartitions
:
Int,
replicationFactor
:
Int,
fixedStartIndex
:
Int
=
-
1
,
startPartitionId
:
Int
=
-
1
)
:
Map[Int, Seq[Int]]
=
{
if
(nPartitions <
=
0
)
throw
new
AdminOperationException(
"number of partitions must be larger than 0"
)
if
(replicationFactor <
=
0
)
throw
new
AdminOperationException(
"replication factor must be larger than 0"
)
if
(replicationFactor > brokerList.size)
throw
new
AdminOperationException(
"replication factor: "
+ replicationFactor +
" larger than available brokers: "
+ brokerList.size)
val
ret
=
new
mutable.HashMap[Int, List[Int]]()
val
startIndex
=
if
(fixedStartIndex >
=
0
) fixedStartIndex
else
rand.nextInt(brokerList.size)
var
currentPartitionId
=
if
(startPartitionId >
=
0
) startPartitionId
else
0
var
nextReplicaShift
=
if
(fixedStartIndex >
=
0
) fixedStartIndex
else
rand.nextInt(brokerList.size)
for
(i <-
0
until nPartitions) {
if
(currentPartitionId >
0
&& (currentPartitionId
%
brokerList.size
==
0
))
nextReplicaShift +
=
1
val
firstReplicaIndex
=
(currentPartitionId + startIndex)
%
brokerList.size
var
replicaList
=
List(brokerList(firstReplicaIndex))
for
(j <-
0
until replicationFactor -
1
)
replicaList
::=
brokerList(replicaIndex(firstReplicaIndex, nextReplicaShift, j, brokerList.size))
ret.put(currentPartitionId, replicaList.reverse)
currentPartitionId
=
currentPartitionId +
1
}
ret.toMap
}
private
def
replicaIndex(firstReplicaIndex
:
Int, secondReplicaShift
:
Int, replicaIndex
:
Int, nBrokers
:
Int)
:
Int
=
{
val
shift
=
1
+ (secondReplicaShift + replicaIndex)
%
(nBrokers -
1
)
(firstReplicaIndex + shift)
%
nBrokers
}
|
从上面的算法可以看出：
- 副本因子不能大于 Broker 的个数；
- 第一个分区（编号为0）的第一个副本放置位置是随机从
brokerList选择的； - 其他分区的第一个副本放置位置相对于第0个分区依次往后移。也就是如果我们有5个 Broker，5个分区，假设第一个分区放在第四个 Broker 上，那么第二个分区将会放在第五个 Broker 上；第三个分区将会放在第一个 Broker 上；第四个分区将会放在第二个 Broker 上，依次类推；
- 剩余的副本相对于第一个副本放置位置其实是由
nextReplicaShift决定的，而这个数也是随机产生的；
所以如果我们依次如下调用上面的程序，ret 变量的输出结果会如下：
assignReplicasToBrokers(Seq(
0
,
1
,
2
,
3
),
3
,
3
)
(
0
,List(
3
,
2
,
0
))
(
1
,List(
0
,
3
,
1
))
(
2
,List(
1
,
0
,
2
))
assignReplicasToBrokers(Seq(
0
,
1
,
2
,
3
),
5
,
3
)
(
0
,List(
3
,
1
,
2
))
(
1
,List(
0
,
2
,
3
))
(
2
,List(
1
,
3
,
0
))
(
3
,List(
2
,
0
,
1
))
(
4
,List(
3
,
2
,
0
))
assignReplicasToBrokers(Seq(
0
,
1
,
2
,
3
),
9
,
3
)
(
0
,List(
1
,
0
,
2
))
(
1
,List(
2
,
1
,
3
))
(
2
,List(
3
,
2
,
0
))
(
3
,List(
0
,
3
,
1
))
(
4
,List(
1
,
2
,
3
))
(
5
,List(
2
,
3
,
0
))
(
6
,List(
3
,
0
,
1
))
(
7
,List(
0
,
1
,
2
))
(
8
,List(
1
,
3
,
0
))
|
注意，你运行上面的程序结果可能和我的不一样，因为上面算法中的 startIndex 和 nextReplicaShift 变量都是随机生成的。其实 Kafka 创建主题就是这么调用算法的（fixedStartIndex
和 startPartitionId都是使用默认值）。另外，第一个放置的分区副本一般都是 Leader，其余的都是 Follow 副本，也就是说，上面输出的List第一个元素就是 Leader 副本所在的 Broker 编号。
到这里我们应该知道，网上其他博客介绍的 Kafka 分区是如何分配到各个 Broker 上其实是将 startIndex 设置成 0， 同时 fixedStartIndex 设置成 1，这样本文最开头介绍的算法就对了。但其实 Kafka 内部并不是这样调用的，大家注意。
如果我们还考虑机架的话，情况就更复杂了。这里为了简便起见，我们假设 startIndex = 4，fixedStartIndex = 1。现在如果我们有两个机架的 Kafka 集群，brokers 0,
1 和 2 同属于一个机架；brokers 3, 4 和 5 属于另外一个机架。现在我们对这些 Broker 进行排序：0, 3, 1, 4, 2, 5（每个机架依次选择一个Broker进行排序）。按照机架的 Kafka 分区放置算法，如果分区0的第一个副本放置到broker 4上面，那么其第二个副本将会放到broker 2上面，第三个副本将会放到 broker 5上面；同理，分区1的第一个副本放置到broker 2上面，其第二个副本将会放到broker 5上面，第三个副本将会放到 broker 0上面。这就保证了这两个副本放置到不同的机架上面，即使其中一个机架出现了问题，我们的 Kafka 集群还是可以正常运行的。现在把机架因素考虑进去的话，我们的分区看起来像下面一样：
如果想及时了解Spark、Hadoop或者Hbase相关的文章，欢迎关注微信公共帐号： iteblog_hadoop
从上图可以看出，只要上面其中一个机架没有问题，我们的数据仍然可以对外提供服务。这就大大提高了集群的可用性。