面试题：Kafka 为什么那么快？

---

前言

有人说：他曾在一台配置较好的机子上对 Kafka 进行性能压测，压测结果是 Kafka 单个节点的极限处理能力接近每秒 2000万 条消息，吞吐量达到每秒 600MB。

那 Kafka 为什么这么快？如何做到这个高的性能？
本篇文章主要从这 3 个角度来分析：

• 生产端
• 服务端 Broker
• 消费端

Kafka 为什么那么快

生产端

服务端

消费端

批量消息

序列化/压缩

PageCache缓存

文件布局-磁盘文件顺序写入

零拷贝

多分区partition

多消费者消费

先来看下生产端发送消息，Kafka 做了哪些优化？

---

（1）生产端 Producer

Producer 生产者发送消息的流程

1. 首先指定消息发送到哪个 Topic。
2. 选择一个 Topic 的分区 partitiion，默认是轮询来负载均衡。也可以指定一个分区 key，根据 key 的 hash 值来分发到指定的分区。也可以自定义 partition 来实现分区策略。
3. 找到这个分区的 leader partition。
4. 与所在机器的 Broker 的 socket 建立通信。
5. 发送 Kafka 自定义协议格式的请求（包含携带的消息、批量消息）。

将思绪集中在消息发送时候，可发现这两个华点：批量消息和自定义协议格式。

1. 批量发送：减少了与服务端 Broker 处理请求的次数，从而提升总体的处理能力。调用 send() 方法时，不会立刻把消息发送出去，而是缓存起来，选择恰当时机把缓存里的消息划分成一批数据，按批次发送给服务端 Broker。
2. 自定义协议格式：序列化方式和压缩格式都能减少数据体积，从而节省网络资源消耗。

各种压缩算法对比：

• 吞吐量方面：LZ4 > Snappy > zstd 和 GZIP
• 压缩比方面：zstd > LZ4 > GZIP > Snappy
  

（2）服务端 Broker

Broker 的高性能主要从这 3 个方面体现：

1. PageCache 缓存
2. Kafka 的文件布局 以及 磁盘文件顺序写入
3. 零拷贝 sendfile：加速消费流程

下面展开讲讲。

1）PageCache 加速消息读写

使用 PageCache 主要能带来如下好处：

• 写入文件的时候：操作系统会先把数据写入到内存中的 PageCache，然后再一批一批地写到磁盘上，从而减少磁盘 IO 开销。
  

• 读取文件的时候：也是从 PageCache 中来读取数据。

如果消息刚刚写入到服务端就会被消费，按照 LRU 的“优先清除最近最少使用的页”这种策略，读取的时候，对于这种刚刚写入的
PageCache，命中的几率会非常高。

2）Kafka 的文件布局 以及 磁盘文件顺序写入

文件布局如下图所示：

主要特征是：文件的组织方式是“topic + 分区”，每一个 topic 可以创建多个分区，每一个分区包含单独的文件夹。

Kafka 在分区级别实现文件顺序写：即多个文件同时写入，更能发挥磁盘 IO 的性能。

• 相对比 RocketMQ： RocketMQ 在消息写入时追求极致的顺序写，所有的消息不分主题一律顺序写入 commitlog 文件， topic 和 分区数量的增加不会影响写入顺序。
• 弊端： Kafka 在消息写入时的 IO 性能，会随着 topic 、分区数量的增长先上升，后下降。所以使用 Kafka 时，要警惕 Topic 和 分区数量。

3）零拷贝 sendfile：加速消费流程

当不使用零拷贝技术读取数据时：

流程如下：

1. 消费端 Consumer：向 Kafka Broker 请求拉取消息
2. Kafka Broker 从 OS Cache 读取消息到 应用程序的内存空间：
   a. 若 OS Cache 中有消息，则直接读取
   b. 若 OS Cache 中无消息，则从磁盘里读取
3. 再通过网卡，socket 将数据发送给 消费端Consumer

当使用零拷贝技术读取数据：

Kafka 使用零拷贝技术可以把这个复制次数减少一次，直接从 PageCache 中把数据复制到 Socket 缓冲区中。

这样不用将数据复制到用户内存空间。
DMA 控制器直接完成数据复制，不需要 CPU 参与，速度更快。

（3）消费端 Consumer

消费者只从 Leader分区批量拉取消息。

为了提高消费速度，多个消费者并行消费比不可少。Kafka 允许创建消费组(唯一标识 group.id)，在同一个消费组的消费者共同消费数据。

举个栗子：

• 有两个 Kafka Broker，即有 2个机子
• 有一个主题：TOPICA，有 3 个分区(0, 1, 2)

如上图，举例 4 中情况：

1. group.id = 1，有一个消费者：这个消费者要处理所有数据，即 3 个分区的数据。
2. group.id = 2，有两个消费者：consumer 1消费者需处理 2个分区的数据，consumer2 消费者需处理 1个分区的数据
3. group.id = 3，有三个消费者：消费者数量与分区数量相等，刚好每个消费者处理一个分区
4. group.id = 4，有四个消费者：消费者数量 > 分区数量，第四个消费者则会处于空闲状态