kafka学习笔记

• kafka属于消息引擎系统， 主要用于系统间传输消息， 可以做到系统业务上的解耦， 缓冲系统上下游瞬时突发流量，使其更平滑（削峰填谷）。

kafka系统里各种概念

• 消息：Record。Kafka 是消息引擎嘛，这里的消息就是指 Kafka 处理的主要对象。
• 主题：Topic。主题是承载消息的逻辑容器，在实际使用中多用来区分具体的业务。
• 分区：Partition。一个有序不变的消息序列。每个主题下可以有多个分区。
• 消息位移：Offset。表示分区中每条消息的位置信息，是一个单调递增且不变的值。
• 副本：Replica。Kafka 中同一条消息能够被拷贝到多个地方以提供数据冗余，这些地方就是所谓的副本。副本还分为领导者副本和追随者副本，各自有不同的角色划分。副本是在分区层级下的，即每个分区可配置多个副本实现高可用。
• 生产者：Producer。向主题发布新消息的应用程序。
• 消费者：Consumer。从主题订阅新消息的应用程序。
• 消费者位移：Consumer Offset。表征消费者消费进度，每个消费者都有自己的消费者位移。
• 消费者组：Consumer Group。多个消费者实例共同组成的一个组，同时消费多个分区以实现高吞吐。
• 重平衡：Rebalance。消费者组内某个消费者实例挂掉后，其他消费者实例自动重新分配订阅主题分区的过程。Rebalance 是 Kafka 消费者端实现高可用的重要手段。

• kafka的各种概念如下图所示：
  kafka相关概念图
  
  

  重点： kafka里的副本针对的是分区来做的， 副本不提供对外的服务，只记录消息数据，kafka通过对topic分区来实现消息系统的负载。

其他

kafka版本

生产者

生产者发送数据流程

• 如果想指定生产者发消息的分区策略， 可以在生产端配置参数： partitioner.class， 对应的class需要实现： org.apache.kafka.clients.producer.Partitioner 这个接口。
• 生产者默认的分区策略是根据消息指定的key发送到指定的分区（这也是生产者保证消息有序性的要点），如果消息没有指定key， 采用的是轮询策略。具体可以看 DefaultPartitioner这个类的实现
• 为了提高生产者的发送效率， 在发送消息的时候， 可以对要发送的消息做压缩处理。配置参数为： "compression.type"。 启用压缩需要在生产端的cpu资源有多余的情况下（一般业务系统都是I/O密集型的）。
• kafka发送的消息， 在发送的时候， 会把多条消息放在一起， 组成消息集合，在Broker端存的消息是发送端发送的"消息集合"
• 避免在Broker配置compression.type， 防止Broker端配置的compression.type跟生产端配置的不一样， 如果配置的不一样， Broker需要对消息集合做解压缩， 让后用Broker配置的压缩算法重新压缩消息， 对Broker的性能有极大的影响。
• 解压缩发生在Consumer端， 压缩算法在消息集合里。
• 压缩算法的对吧吞吐量方面：LZ4 > Snappy > zstd 和 GZIP；而在压缩比方面，zstd > LZ4 > GZIP > Snappy。
• 发送消息的时候， 一定要用通过回调方法验证消息是否发送成功， 不然发送端有可能会有丢消息的风险。
• 设置 retries 为一个较大的值，当出现网络的瞬时抖动时，消息发送可能会失败，此时配置了 retries > 0 的 Producer 能够自动重试消息发送，避免消息丢失。

生产端TCP连接相关

• KafkaProducer 实例创建时启动 Sender 线程，从而创建与 bootstrap.servers 中所有 Broker 的 TCP 连接。
• KafkaProducer 实例首次更新元数据信息之后，还会再次创建与集群中所有 Broker 的 TCP 连接。
• 如果 Producer 端发送消息到某台 Broker 时发现没有与该 Broker 的 TCP 连接，那么也会立即创建连接。
• 如果设置 Producer 端 connections.max.idle.ms 参数大于 0，则步骤 1 中创建的 TCP 连接会被自动关闭；如果设置该参数 =-1，那么步骤 1 中创建的 TCP 连接将无法被关闭，从而成为“僵尸”连接。

消费者

消费者总体工作流程

消费者初始化流程

消费者组消费详细流程

• Consumer分区的分配策略是在消费端来处理的， 并非在Broker端做的分配方案，
• kafka中消费者组是一个很重要的概念， 消费者通过Group_Id来标识自己属于那一个消费者组， 消费者组整体消费某一个Topic， 每个分区只会有一个消费者组的消费者来消费。
• Consumer端有个参数enable.auto.commit，把它设置成false，并采用手动提交位移的方式。
• partition.assignment.strategy：消费者分区分配策略，默认策略Range+CooperativeSticky。Kafka可以同时使用多个分区分配策略。可以选择的策略包括：Range、RoundRobin、Sticky、CooperativeSticky
• 注意消费端如果掉线了， 或者执行的任务过程， 会导致消费端触发“重平衡”， 重平衡是很重的操作， 需要尽量避免
• __consumer_offsets 主题里面采用 key 和 value 的方式存储数据。key 是group.id+topic+分区号，value 就是当前 offset 的值。每隔一段时间，kafka 内部会对这个 topic 进行compact，也就是每个 group.id+topic+分区号就保留最新数据。
• Consumer offset是很重要的， 可以参考这篇文章： https://blog.csdn.net/warybee/article/details/121990020

Broker端

Zookeeper中存储的Kafka 信息

• 设置 unclean.leader.election.enable = false，它控制的是哪些 Broker 有资格竞选分区的 Leader。如果一个 Broker 落后原先的 Leader 太多，那么它一旦成为新的 Leader，必然会造成消息的丢失。故一般都要将该参数设置成 false，即不允许这种情况的发生。
• 设置 replication.factor >= 3， 最好将消息多保存几份，毕竟目前防止消息丢失的主要机制就是冗余
• 设置 min.insync.replicas > 1， 控制的是消息至少要被写入到多少个副本才算是“已提交”。设置成大于 1 可以提升消息持久性。在实际环境中千万不要使用默认值 1。
• 确保 replication.factor > min.insync.replicas。如果两者相等，那么只要有一个副本挂机，整个分区就无法正常工作了。我们不仅要改善消息的持久性，防止数据丢失，还要在不降低可用性的基础上完成。推荐设置成 replication.factor = min.insync.replicas + 1。