2：kafka架构

1、kafka工作流程和文件存储机制

• kafka中消息是以topic进行分类的，生产者生产消息，消费者消费消息都是面向topic的；
• topic是逻辑上的概念，而partition是物理上的概念，每个partition对应一个log文件，文件中存储的就是producer生产的数据。会不断追加到文件末端，媒每条数据都有自己的offset,消费者也会记录自己消费到了哪个offset.以便出错时从上次的位置继续消费；
  
• 为防止log文件过大导致数据定位效率低下，kafka采取了分片和索引机制，将每个partition分为多个segment。每个segment对应两个文件：index文件和log文件，位于一个文件夹下，文件夹的命名是topic名称+分区序号。index和log文件是以当前segment的第一条消息的offset命名。

index文件存储大量的索引信息，log文件存储大量数据，索引文件中的元数据指向对应数据文件中的message的物理偏移地址。

2、kafka生产者

2.1 分区策略

为什么分区

方便在集群中扩展
可以提高并发：以分区为单位读写；

分区原则

将producer发送的数据封装成一个ProducerRecord对象；

• 指明partition的话，直接将其作为partition值；
• 未指定partition的话，将key的hash值%(partition数量)得到partition值；
• 若key和partition都没有，使用round-robin算法，第一次调用时随机生成一个整数（后面每次调用在这个整数上自增），将这个值与topic的可用的分区数取余。

数据可靠性保证

为保证producer发送的数据，能可靠的发送到指定的topic，topic的每个partition收到数据后，需要向producer发送ack，如果producer收到ack，就会进行下一轮的发送，否则重新发送数据；

副本数据同步策略

方案	优点	缺点
半数以上完成同步	延迟低	选举新的leader时，容忍n台节点的故障需要2n+1个副本
全部同步完成 才发送ACK	选举新的leader时容忍n台节点的故障需要n+1个副本	延迟高

kafka使用第二种方案原因如下：

• 为了容忍n台节点的故障，第一种方案需要2n+1个副本，第二种只需要n+1个副本，kafka的每个分区都有大量的数据，第一种方案造成大量冗余；
• 第二种方案网络延迟较高，但是网络延迟对kafka的影响较小；

ISR（in-sync replica set）
  对于第二种情况：leader收到数据，所有follower都开始同步数据，但是有一个follower,因为某种故障，迟迟不能与leader进行同步，那么leader就要一直等下去直到完成同步才能发送ack。怎么解决呢：
leader维护了一个动态的in-sync replica set(ISR),即和leader保持同步的follower集合。当ISR中的follower完成数据的同步之后，leader给follower发送ack，若是follower长时间没有向leader发送同步数据，则该follower将会被踢出ISR。leader发生故障之后将会从ISR这选举新的leader;

ACK应答机制
对于某些不太重要的数据，对数据的可靠性要求不是很高，能够容忍数据的少量丢失，没必要等ISR的follower全部接收成功；
kafka为用户提供了三种可靠性级别。通过对acks参数进行配置：

• 0：producer不等待broker的ack，这一操作提供了一个最低的延迟，broker故障时可能丢失数据；
• 1：producer等待broker的ack，partition的leader落盘成功后返回ack,如果在follower同步成功之前leader故障，将会丢失数据；
  
• -1(all)：producer等待broker的ack，partition的leader和follower全部落盘成功后返回ack。如果在follower同步完成后，broker发送ack之前leader发生故障，会造成数据重复；
  

故障处理细节

LEO(log end offset):每个副本的最后一个offset
HW（high watermark）：所有副本中最小的LEO

（1）follower故障
follower发生故障后会被临时踢出ISR，待该follower恢复后，follower会读取本地磁盘记录的上次的HW，将log文件中高于HW的部分截取掉，从HW开始向leader进行同步。等该follower的LEO大于等于该partition的HW，即follower追上leader之后就可以重新加入ISR了。
（2）leader故障
leader发生故障之后，会从ISR中选出一个新的leader,其余的follower会先将各自的log文件高于H的部分截掉，从新的leader中同步数据；

exactly once语义

• 将服务器的ACK级别设置为-1，可以保证producer到server之间不会丢失数据 即at least once语义；
• 将服务器ACK级别设置为0，可以保证生产者每条消息只会被发送一次即At Most Once语义；
• At Least Once可以保证数据不丢失，但是不能保证数据不重复；相对的， At Least Once可以保证数据不重复，但是不能保证数据不丢失。
• 对于一些非常重要的信息，比如交易数据，下游数据消费者要求数据既不重复也不丢失；即Exactly once语义。在0.11版本之前对此是无能为力的，只能保证数据不丢失，再在下游消费者对数据进行全局去重。
• 0.11版本的kafka，引入了一项重大特性：幂等性。不论producer向server发送多少次重复数据，server端只会持久化一条。
  At Least Once+幂等性=Exactly Once；

3、kafka消费者

3.1 消费方式

consumer采用pull模式从broker中读取数据；

push模式的不足是：

push模式很难适应消费速率不同的消费者，因为消息发送速率是由broker决定的；broker的目标是尽可能以最快的速率传递消息，很容易造成consumer来不及处理消息，造成拒绝服务以及网络阻塞。pull模式可以根据consumer的消费能力以适当的速率消费消息；

pull模式的不足：

如果kafka没有数据，消费者可能会陷入循环中，一直返回空数据。
解决：kafka消费者在消费数据时会传入一个时长参数timeout，如果当前没有数据可以消费，consumer会等待timeout后再返回；

3.2 分区分配策略

一个消费者组中有多个消费者，一个topic有多个分区，必然涉及到分区的分配问题；

kafka有两种分配策略，RoundRobin和Range：
RoundRobin

range

3.3 offset的维护

由于consumer在消费过程中可能会出现断电宕机等故障，consumer恢复后，需要从故障前的位置继续消费，所以consumer需要实时记录自己消费到了哪个offset，以便故障恢复后继续消费；
kafka0.9版本之前，consumer默认将offset保存在zookeeper中，从0.9版本开始consumer默认将offset保存在kafka一个内置的topic中，该topic为__consumer_offsets。

3.4 kafka高效读写数据

顺序写磁盘
  生产者生产的数据需要写入到log文件，一致追加到文件末尾，为顺序写。官网数据表明，同样的磁盘顺序写能到600M/s，随机写只有100k/s。
零复制技术
kafka中的消费者在读取服务端的数据时，需要将服务端的磁盘文件通过网络发送到消费者进程，网络发送需要经过几种网络节点。

通常情况下，kafka的消息会有多个订阅者，生产者发布的消息会被不同的消费者多次消费，为了优化这个流程，kafka使用了零拷贝技术：

零拷贝技术只用将磁盘文件的数据复制到页面缓存一次，然后将数据从页面缓存直接发送到网络中，避免了重复复制操作。

3.5 zookeeper在kafka的作用

kafka集群中有一个broker会被选举为controller，负责管理集群broker的上下线、所有topic的分区副本分配和leader选举等工作；controller的管理工作都是依赖于zookeeper的；