干货 | Kafka 内核知识梳理，附思维导图

前面我们已经分享过几篇Kafka的文章，最近简单梳理了下Kafka内核相关的知识，涵盖了Kafka架构总结，副本机制，控制器，高水位机制，日志或消息存储，消息发送与消费机制等方面知识。文末含对应的Kafka内核思维导图，供参考。

1、架构总结

1）Kafka实际上也是一个主从架构，有一个Controller角色即控制器，协调管理整个集群；

2）有几个Kafka术语肯定是不陌生的：broker，topic，partition，segment，生产者producer，消费者consumer；

2、消息发送机制

1）序列化器：序列化消息对象转成字节数组，然后通过网络传输。

2）分区器：计算消息发往的具体分区；如果显示指定了partition，便不会走分区器。

3）消息缓冲池：客户端的消息缓冲池，默认大小32M，见参数buffer.memory。

4）批量发送：缓冲池中消息会按batch分批次发送，默认批次大小16KB，见参数batch.size。

3、副本机制

1）分区副本默认1，见参数default.replication.factor。

2）副本作用（并不提供读写分离）

实现冗余，提高消息可靠性；
实现高可用，参与leader选举，在leader不可用时提高可用性。

3）leader副本选举

由控制器负责；
选举机制或策略：首先要弄明白AR,ISR的概念，基本策略是从AR中找第一个存活的副本，且该副本在ISR中。

4）Unclean leader选举

参数unclean.leader.election.enable，用于控制是否允许非同步副本参与leader 选举，默认false。如果开启，则当ISR为空时就会从这些副本中选举新的leader，这个过程就称为Unclean leader选举。

4、控制器概述

1）作用：协调与管理整个集群，5个主要职责：

主题增删改
分区重分配
leader选举
元数据管理
broker成员管理，宕机或加入

2）控制器选举：基于zookeeper实现，利用了zookeeper的znode模型与监听机制。

3）控制器故障转移

存在单点故障，但是每个broker节点都可以成为controller；
故障转移即failover也是基于zookeeper实现的，znode模型与监听机制，/controller节点。

5、HW机制

1）概念

HW即高水位，是Kafka副本对象的重要属性，分区的高水位由leader副本的高水位表示，含义是被follower副本同步之后的位置。

2）作用

定义消息可见性，只有分区高水位以下的消息才能被消费；
帮助kafka完成副本同步，kafka是基于高水位实现的异步的副本同步机制。

3）LEO的概念

含义是日志末端位移（Log End Offset），下一条消息写入的位移。

6、消息消费机制

1）拉取机制

Kafka生产端是推的机制即Push，消费端是拉的机制即Pull。

2）Pull的优缺点

优点是消费端可以自己控制消息的读取速度和数量；
缺点是不知道服务端有没有数据，所以要一直pull或隔一定时间pull，可能要pull多次并等待。

3）消息投递语义：

Kafka默认保证at-least-once delivery，容许用户实现at-most-once语义，exactly-once的实现取决于目的存储系统。

4）分区分配策略

RangeAssignor：按照分区范围分配，当前默认策略；
RoundRobinAssignor：轮询的方式分配；
StickyAssignor：Kafka 0.11版本引入，根据更多指标比如负载，尽可能均匀。

7、日志存储机制

1）原理

分段存储，这里的段segment指的是日志段文件，Kafka中的日志含义即是消息或数据，日志回滚受log.segment.bytes控制，默认1G；
索引文件，一个稀疏格式的索引，受参数log.index.interval.bytes控制，默认4KB。即不是每条数据都会写索引，默认每写4KB数据才会写一条索引。

$ ll
-rw-r--r-- 1 kafka kafka    1002496 Apr 25 17:08 00000000000051402174.index
-rw-r--r-- 1 kafka kafka 1073741338 Apr 25 17:08 00000000000051402174.log
-rw-r--r-- 1 kafka kafka   10485760 Apr 26 15:03 00000000000051638285.index
-rw-r--r-- 1 kafka kafka  219984088 Apr 26 15:04 00000000000051638285.log

2）日志留存策略Kafka 会定期检查是否要删除旧消息，见参数 log.retention.check.interval.ms，默认5分钟。当前有三种日志留存策略：

基于空间：log.retention.bytes，默认未开启；
基于时间：log.retention.hours（mintues/ms），默认7天；
基于起始位移：Kafka 0.11.0.0版本引入，解决流处理场景中已处理的中间消息删除问题。

目前基于时间的日志留存策略最常使用。

为了更好的精进学习Kafka，笔者参考本文制作了的一张思维导图，分享：

关注本公众号，后台回复 kafka2020 即可下载Kafka内核高清PDF文档。

往期推荐

1、如何快速全面掌握Kafka？5000字吐血整理
2、HBase原理 | HBase Compaction介绍与参数调优
3、MapReduce Shuffle 和 Spark Shuffle 结业篇
4、实时数仓 | 你想要的数仓分层设计与技术选型