KafKa数据存储与数据一致性保证

http://yonghuiyang.github.io/2015/12/04/kafka_data_store/

数据存储

Topic

一类消息称为一个Topic

Topic逻辑结构

1. Topic可分为多个Parition;
2. Parition内部保证数据的有序，按照消息写入顺序给每个消息赋予一个递增的offset;
3. 为保证数据的安全性，每个Partition有多个Replica

多Parition的优点

1. 并发读写，加快读写速度
2. 多Partition分布式存储，利于集群数据的均衡
3. 加快数据恢复的速率：当某台机器挂了，每个Topic仅需恢复一部分的数据，多机器并发

缺点

1. Partition间Msg无序，若想保证Msg写入与读取的序不变，只能申请一个Partition

Partition

Partition存储结构

1. 每个Partition分为多个Segment
2. 每个Segment包含两个文件:log文件和index文件，分别命名为start_offset.log和start_offset.index
3. log文件包含具体的msg数据，每条msg会有一个递增的offset
4. Index文件是对log文件的索引：每隔一定大小的块，索引msg在该segment中的相对offset和在log文件中的位置偏移量

根据offset查找msg的过程

1. 根据msg的offset和log文件名中的start_offset,找到最后一个不大于msgoffset的segment，即为msg所在的segment；
2. 根据对应segment的index文件，进一步查找msg在log文件中的偏移量
3. 从log文件的偏移量开始读取解析msg，比较msgoffset，找到所要读取的msg

Partition recovery过程

每个Partition会在磁盘记录一个RecoveryPoint, 记录已经flush到磁盘的最大offset。当broker fail 重启时，会进行loadLogs。首先会读取该Partition的RecoveryPoint，找到包含RecoveryPoint的segment及以后的segment, 这些segment就是可能没有完全flush到磁盘segments。然后调用segment的recover，重新读取各个segment的msg，并重建索引

优点

1. 以segment为单位管理Partition数据，方便数据生命周期的管理，删除过期数据简单
2. 在程序崩溃重启时，加快recovery速度，只需恢复未完全flush到磁盘的segment
3. 通过命名中offset信息和index文件，大大加快msg查找时间，并且通过分多个Segment，每个index文件很小，查找速度更快

数据的同步

数据流

1. Partition的多个replica中一个为Leader，其余为follower
2. Producer只与Leader交互，把数据写入到Leader中
3. Followers从Leader中拉取数据进行数据同步
4. Consumer只从Leader拉取数据

ISR:所有不落后的replica集合, 不落后有两层含义：距离上次FetchRequest的时间不大于某一个值或落后的消息数不大于某一个值，Leader失败后会从ISR中选取一个Follower做Leader

数据可靠性保证

当Producer向Leader发送数据时，可以通过acks参数设置数据可靠性的级别

1. 0: 不论写入是否成功，server不需要给Producer发送Response，如果发生异常，server会终止连接，触发Producer更新meta数据；
2. 1: Leader写入成功后即发送Response，此种情况如果Leader fail，会丢失数据
3. -1: 等待所有ISR接收到消息后再给Producer发送Response，这是最强保证

仅设置acks=-1也不能保证数据不丢失，当Isr列表中只有Leader时，同样有可能造成数据丢失。要保证数据不丢除了设置acks=-1, 还要保证ISR的大小大于等于2，具体参数设置：

1. request.required.acks：设置为-1 等待所有ISR列表中的Replica接收到消息后采算写成功；
2. min.insync.replicas: 设置为大于等于2，保证ISR中至少有两个Replica

Producer要在吞吐率和数据可靠性之间做一个权衡

数据一致性保证

一致性定义：若某条消息对client可见，那么即使Leader挂了，在新Leader上数据依然可以被读到

1. HW-HighWaterMark: client可以从Leader读到的最大msg offset，即对外可见的最大offset， HW=max(replica.offset)
2. 对于Leader新收到的msg，client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client消费，这样就保证了如果Leader fail，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)

HDFS数据组织

与Kafka有几点明显不同：

1. 数据分块，比如以64M为一个数据块；
2. 流水线复制：每个数据块没有Leader和Follower之分，采用流水线的方式进行数据复制；
3. 就近读取：为了减少读取时的网路IO，采用就近读取，加快读取速率