Apache Kafka 消息中间件

1、概述

• Kafka官方网站地址。
• Kafka中文网站地址。
• kafka官网上对 kafka 的定义：一个分布式发布-订阅消息传递系统。
• 最初由LinkedIn公司开发，Linkedin于2010年贡献给了Apache基金会并成为顶级开源项目。
• 据统计，有三分之一的世界财富500强企业正在使用Kafka，包括所有TOP10旅游公司，7家TOP10银行，8家TOP10保险公司，9家TOP10电信公司等等。LinkedIn、Microsoft和Netflix每天都用Kafka处理万亿级的信息。
• Kafka是一个分布式的、分区的、多副本的、多订阅者，基于zookeeper协调的分布式消息系统。

2、常见消息中间件对比

3、特性

• 可扩展性：kafka集群支持动态扩展；
• 持久性、可靠性：消息被持久化到本地磁盘，并且支持数据备份防止丢失；
• 容错性：允许集群中的节点失败(若分区副本数量为n,则允许n-1个节点失败)；
• 高并发：单机可支持数千个客户端同时读写；
• 客户端状态维护：消息被处理的状态是在Consumer端维护，而不是由server端维护，当失败时能自动平衡；
• 支持多种客户端语言：支持Java、.NET、PHP、Python等多种语言；
• 高吞吐量、低延迟：单机每秒处理几十上百万的消息量。即使存储了很多TB的消息，它也保持稳定的性能和毫秒级的时延；

4、kafka吞吐量为什么这么高？

• 1、顺序读写磁盘

• Kafka是将消息持久化到本地磁盘中；
• 不管是内存还是磁盘，快或慢的关键在于寻址方式；
• 磁盘分为顺序读写与随机读写，内存一样也分为顺序读写与随机读写；
• 基于磁盘的随机读写确实很慢，但基于磁盘的顺序读写性能却很高，一般而言要高出磁盘的随机读写三个数量级，一些情况下磁盘顺序读写性能甚至要高于内存随机读写。

• 2、page cache

• 为了优化读写性能，Kafka利用了操作系统本身的Page Cache，就是利用操作系统自身的内存而不是JVM空间内存；
• 页高速缓冲存储器，简称页高缓；
• page cache的大小为一页，通常为4K；
• 在linux读写文件时，它用于缓存文件的逻辑内容，从而加快对磁盘上映像和数据的访问；
• 从外存的一页到内存的一页的映射过程中，page cache与buffer cache、swap cache共同实现了高速缓存功能；

• 当Producer和Consumer速率相差不大的情况下，Kafka几乎可以完全实现不落盘就完成信息的传输；
• 下图表示的就是一种理想化的场景，如果Kafka producer的生产速率与
  consumer的消费速率相差不大，他们之间的lag相差很小，访问的是page
  cache中的同一个page。那么就能几乎只靠对broker page cache的读写来
  完成整个生产-消费过程，磁盘访问非常少；

• 3、零拷贝

• 零拷贝是指Kafka利用linux操作系统的 “zero-copy” 机制在消费端做的优化；
• 消费端在消费数据时，数据从broker磁盘通过网络传输到消费端的整个过程，包含4次copy操作和2次系统上下文切换，而上下文切换是CPU密集型的工作，数据拷贝是I/O密集型的工作，性能非常低效；
• 零拷贝就是将数据从page cache直接发送到Socket缓冲区，避免了系统上下文的切换，消除了从内核空间到用户空间的来回复制。从下图可以看出，"零拷贝"并不是说整个过程完全不发生拷贝，而是站在内核的角度来说的，避免了内核空间到用户空间的来回拷贝；

• 4、分区分段

• Kafka的设计非常符合分布式系统分区分桶的设计思想；
• message是按topic分类存储的，topic中的数据又是按照一个个的partition即分区存储到不同broker节点；
• 每个partition对应了操作系统上的一个文件夹，partition实际上又是按照segment分段存储的；
• 通过这种分区分段的设计，Kafka的message消息实际上是分布式存储在一个个小的segment中的，每次文件操作也是直接操作的segment；
• 为了进一步的查询优化，Kafka又默认为分段后的数据文件建立了索引文件，就是文件系统上的.index文件；
• 这种分区分段+索引的设计，不仅提升了数据读取的效率，同时也提高了数据操作的并行度；

• 总之，Kafka采用顺序读写、Page Cache、零拷贝以及分区分段等这些设计，再加上在索引方面做的优化，另外Kafka数据读写也是批量的而不是单条的，使得Kafka具有了高性能、高吞吐、低延时的特点。

5、应用场景

• 日志收集：可以用Kafka收集各种服务的log，通过kafka以统一接口开放给各种消费端；
• 消息系统：在分布式或者大数据开发中通常使用消息队列进行缓冲、系统间解耦和削峰填谷等业务场景；
• 用户活动跟踪：用来记录web用户或者APP用户的各种活动，如网页搜索、搜索、点击，用户数据收集然后进行用户行为分析；
• 运营指标：Kafka也经常用来记录运营监控数据，包括收集各种分布式应用的数据，生产各种操作的集中反馈，比如报警和报告；
• 流式处理：类似Flink、spark streaming和storm等

6、基础概念

• Broker：Kafka节点，一个独立的Kafka 服务器被称为broker，是Kafka集群的组成部分；
• Topic：一类消息，消息存放的目录即主题，例如page view日志、click日志等都可以以topic的形式存在，Kafka集群能够同时负责多个topic的分发；
• massage： Kafka中最基本的传递对象，可以把消息看成是数据库里的一个“数据行”或一条“记录”，消息由字节数组组成；
• Partition：topic物理上的分组，一个topic可以分为多个partition，每个partition是一个有序的队列，Kafka 通过分区来实现数据冗余和伸缩性；
• Segment：多个大小相等的segment file (段)组成了一个partition，每个partition 就相当于一个巨型的文件，里面由多个大小相等的segment file小文件组成，但是每个segment file 的消息数量并不一定相等，这种设计方便旧的segment file 快速删除；
• Replicas：kafka 使用主题来组织数据，每个主题被分为若干个分区，每个分区可以指定多个副本；
• Producer : 生产者，发送消息到指定的topic下，消息再根据分配规则append到某个partition的末尾；
• Consumer : 消费者，订阅topic并消费message, consumer作为一个线程来消费；
• Consumer Group：消费者组，一个Consumer Group包含多个consumer，并行消费message，同一topic的一条消息只能被同一个consumer group内的一个consumer消费，但多个consumer group可同时消费这一消息，即消费原则遵循组间共享，组内均分；
• Offset：偏移量，在kafka 中offset 是partition 中消息序列号，可以认为是这个消息的唯一标识；
• Leader：每个partition有多个副本，其中有且仅有一个作为leader，leader会负责所有的客户端读写操作；
• Follower：follower不对外提供服务，只与leader保持数据同步，如果leader失效，则选举一个follower来充当新的leader。当follower与leader挂掉、卡住或者同步太慢，leader会把这个follower从ISR列表中删除，重新创建一个follower；
• AR：分区中的所有副本统称为AR（Assigned Repllicas），AR=ISR+OSR；
• ISR：所有与leader副本保持一定程度同步的副本（包括Leader）组成ISR（In-Sync Replicas），ISR集合是AR集合中的一个子集；
• OSR：与leader副本同步滞后过多的副本（不包括leader）组成OSR(Out-Sync Relipcas)；
• Ack机制：指的是producer的消息发送确认机制（0，1，-1）；
• Rebalance：重平衡，consumer group内某个消费者挂掉后，其他消费者自动重新分配订阅主题分区的过程，是 Kafka 消费者端实现高可用的重要手段。如下图Consumer Group A中的C2挂掉，C1会接收P1和P2，以达到重新平衡。同样的，当有新消费者加入consumer group，也会触发重平衡操作；
  

7、架构原理

• 一个典型的kafka集群中包含若干producer，若干broker（Kafka支持水平扩展，一般broker数量越多，集群吞吐率越高），若干consumer group，以及一个zookeeper集群。kafka通过zookeeper协调管理kafka集群，选举分区leader，以及在consumer group发生变化时进行rebalance。
• 对于传统的MQ而言，已经被消费的消息会从队列中删除，但在Kafka中被消费的消息也不会立马删除，在kafka的配置文件中定义了数据的保存时间，当文件到设定的保存时间时才会删除。
• Kafka读取消息的时间复杂度为O(1)，与文件大小无关，所以删除过期文件与提高Kafka性能并没有关系，选择怎样的删除策略应该考虑磁盘以及具体的需求。

8、SpringBoot集成kafka

• 修改Kafka配置（公网访问需要把IP改为公网IP）

advertised.listeners=PLAINTEXT://110.110.110.110:9092

• pom依赖

    org.springframework.kafka
    spring-kafka

• application.propertise配置

spring:
  kafka:
    bootstrap-servers: 110.110.110.110:9092
    producer:
      acks: 1
      retries: 0
      key-serializer: org.apache.kafka.common.serialization.StringSerializer
      value-serializer: org.apache.kafka.common.serialization.StringSerializer
    consumer:
      group-id: wlf
      enable-auto-commit: true
      auto-offset-reset: latest
      auto-commit-interval: 100
      key-deserializer: org.apache.kafka.common.serialization.StringDeserializer
      value-deserializer: org.apache.kafka.common.serialization.StringDeserializer

• KafkaProducer生产者

package com.cloudansys.api;

import com.cloudansys.constant.Const;
import io.swagger.annotations.ApiImplicitParam;
import io.swagger.annotations.ApiOperation;
import lombok.extern.slf4j.Slf4j;
import org.springframework.kafka.core.KafkaTemplate;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

import javax.annotation.Resource;

/**
 * @author wlf
 * @since 2022/6/12
 */
@Slf4j
@RestController
public class TestProduce {

    @Resource
    private KafkaTemplate<String, Object> kafkaTemplate;

    @ApiOperation(value = "生产消息")
    @ApiImplicitParam(
            value = "消息",
            name = "msg",
            required = true
    )
    @PostMapping("/kafka/produce")
    public void sendMessage1(@RequestParam(value = "msg") String msg) {
        log.info("msg:{}", msg);
        kafkaTemplate.send(Const.TOPIC, msg);
    }

}

• KafkaConsumer消费者

package com.cloudansys.config;

import com.cloudansys.constant.Const;
import lombok.extern.slf4j.Slf4j;
import org.apache.kafka.clients.consumer.ConsumerRecord;
import org.springframework.kafka.annotation.KafkaListener;
import org.springframework.stereotype.Component;

/**
 * @author wlf
 * @since 2022/6/12
 */
@Slf4j
@Component
public class TestConsume {

    @KafkaListener(topics = {Const.TOPIC})
    public void consume(ConsumerRecord<?, ?> record) {
        // 打印出消费的哪个topic、partition的信息，以及消息内容
        System.out.println("topic=" + record.topic());
        System.out.println("partition=" + record.partition());
        System.out.println("record=" + record.value());
    }

}

9、监控工具

主流的三种kafka监控工具：

• Kafka Manager【CMAK】：偏向Kafka集群管理，对Kafka实时生产和消费消息是通过JMX实现的。
• Kafka Web Conslole：监控功能较为全面，可以预览消息，监控Offset、Lag等信息，但存在bug，不建议在生产环境中使用；
• KafkaOffsetMonitor：程序以一个jar包的形式运行，部署较为方便，但只有监控功能，不过使用起来也较为安全。