本篇內(nèi)容主要講解“Kafka的設(shè)計(jì)原理及性能應(yīng)用”，感興趣的朋友不妨來看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“Kafka的設(shè)計(jì)原理及性能應(yīng)用”吧!

成都創(chuàng)新互聯(lián)專業(yè)為企業(yè)提供五家渠網(wǎng)站建設(shè)、五家渠做網(wǎng)站、五家渠網(wǎng)站設(shè)計(jì)、五家渠網(wǎng)站制作等企業(yè)網(wǎng)站建設(shè)、網(wǎng)頁設(shè)計(jì)與制作、五家渠企業(yè)網(wǎng)站模板建站服務(wù)，10多年五家渠做網(wǎng)站經(jīng)驗(yàn)，不只是建網(wǎng)站，更提供有價(jià)值的思路和整體網(wǎng)絡(luò)服務(wù)。

前言

達(dá)觀數(shù)據(jù)作為一家提供大數(shù)據(jù)服務(wù)的公司，經(jīng)常會(huì)遇到客戶上報(bào)數(shù)據(jù)的需求。這樣的請(qǐng)求不需要馬上返回處理結(jié)果，  而是需要后臺(tái)將一系列的上報(bào)數(shù)據(jù)進(jìn)行統(tǒng)一歸檔整理挖掘，  然后將結(jié)果數(shù)據(jù)呈現(xiàn)給客戶。這樣的業(yè)務(wù)需求需要達(dá)觀提供數(shù)據(jù)暫存服務(wù)，也就是說我們需要一個(gè)系統(tǒng)在生產(chǎn)者（客戶上報(bào)數(shù)據(jù)）和消費(fèi)者（后臺(tái)數(shù)據(jù)處理）之間進(jìn)行溝通，簡(jiǎn)而言之叫系統(tǒng)間通信消息系統(tǒng)，這種模型就是經(jīng)典的生產(chǎn)者（producer）、消費(fèi)者（consumer）模型。

然而有一個(gè)消息系統(tǒng)正好是為了應(yīng)對(duì)這種業(yè)務(wù)場(chǎng)景而生，它就是kafka。那么kafka到底是一個(gè)什么樣的系統(tǒng)？有什么特點(diǎn)？實(shí)際吞吐表現(xiàn)又如何？帶著這些問題，我們一起來了解一下。

一, Kafka簡(jiǎn)介

首先根據(jù)官網(wǎng)介紹，知道kafka是一個(gè)分布式流處理平臺(tái)，一個(gè)可處理企業(yè)級(jí)發(fā)布/訂閱的消息系統(tǒng)，并且具有高容錯(cuò)性和消費(fèi)及時(shí)性等特點(diǎn)，那么它是怎么做到這一點(diǎn)的呢？接著往下看。

1，主題和日志：

主題(topic)和日志(log)設(shè)置是kafka一大特色，一個(gè)kafka集群可以創(chuàng)建多個(gè)topic，  每個(gè)topic都相當(dāng)于一個(gè)消息隊(duì)列，這就意味著可以將不同格式的數(shù)據(jù)發(fā)布到不同的topic中，減小消費(fèi)這些數(shù)據(jù)時(shí)的邏輯難度。那么每個(gè)topic中處理的數(shù)據(jù)結(jié)構(gòu)是怎樣呢？我們先來看一張topic的解剖圖:

圖1：topic原理解析圖

從圖1中可以看到，  消息傳送過來時(shí)kafka會(huì)通過負(fù)載均衡將消息最終寫入到磁盤上一個(gè)特定分區(qū)（partition）。由于在同一個(gè)partition上這些消息都是順序存儲(chǔ)的，  所以對(duì)一個(gè)特定分區(qū)每條消息都會(huì)有一個(gè)基于起始位置的偏移量（offset），  因此我們?cè)诤罄m(xù)消費(fèi)時(shí)只需要指明從哪個(gè)partition中哪個(gè)offset開始消費(fèi)，就能達(dá)到重復(fù)消費(fèi)目的。

1）雖然kafka可以通過增加partition方式來增加負(fù)載，但是它的數(shù)據(jù)最終是被寫入到磁盤中。比如機(jī)械磁盤寫入效率是很低的， 難道我們需要增大一個(gè)topic的負(fù)載給它設(shè)置更多的partition嗎？

機(jī)械磁盤驅(qū)動(dòng)器吞吐量跟尋道延時(shí)是強(qiáng)關(guān)聯(lián)，也就是說，線性讀寫速度遠(yuǎn)大于隨機(jī)讀寫。例如，在67200rpm SATA RAID-5磁盤陣列中，  隨機(jī)寫速度大約是100k/s, 然而線性寫速度可以達(dá)到600M/s，后者大約是前者的6000倍。通過圖1可知， kafka采用的即是后者,  利用操作系統(tǒng)read-ahead和write-behind技術(shù)，極大提升磁盤訪問性能；設(shè)置partition數(shù)量固然可以從磁盤讀寫角度增大topic負(fù)載，但是partition數(shù)量過多會(huì)導(dǎo)致cpu計(jì)算量增大，所以***辦法是根據(jù)不同配置的機(jī)器，  不同的業(yè)務(wù)場(chǎng)景設(shè)置不同的partition數(shù)量。

2）偏移量offset存儲(chǔ)類型是什么， 如果消息足夠大，offset的值是否會(huì)重新置0， 如果置0，后續(xù)消費(fèi)是否會(huì)紊亂？

kafka offset 是一個(gè)日志序列號(hào)（ log sequence number），不必?fù)?dān)心offset  長(zhǎng)度問題。那么這個(gè)日志序列號(hào)到底有多大，舉個(gè)例子：如果一個(gè)partition一天接收1T日志，  這個(gè)offset至少可以使用1百萬年。由于offset足夠用，而且不會(huì)被置0，所以從這個(gè)角度講消費(fèi)紊亂情況是不會(huì)出現(xiàn)的。

3）寫入磁盤的日志會(huì)被***保留嗎？如果想刪除過期消息， 需要怎么操作？

可以通過配置文件中l(wèi)og.retention參數(shù)設(shè)置消息過期時(shí)間，超過過期時(shí)間的消息會(huì)被系統(tǒng)刪除，刪除的消息不可再被重新消費(fèi)。

2，分布式集群

通過前文介紹我們已經(jīng)了解到kafka通過partition和順序讀寫磁盤的方式達(dá)到很高吞吐量，可是單臺(tái)機(jī)器吞吐量再高一旦該機(jī)發(fā)生故障宕掉就會(huì)對(duì)業(yè)務(wù)產(chǎn)生災(zāi)難性影響，怎么處理這個(gè)問題呢？想必你已經(jīng)知道了，那就是采用集群的方式，一旦一臺(tái)機(jī)器發(fā)生故障客戶端可以選擇鏈接其它機(jī)器，  保證業(yè)務(wù)穩(wěn)定性。每一個(gè)partition 都會(huì)有一個(gè)服務(wù)器來作為***（leader），  另外一個(gè)或者多個(gè)服務(wù)器（server）來作為跟隨者（follower），leader會(huì)處理所有的讀寫請(qǐng)求，而follower則會(huì)從leader那里備份數(shù)據(jù)，  如果一個(gè)leader失敗了， 其它的follower會(huì)自動(dòng)選舉一個(gè)成為一個(gè)新的leader，  所以對(duì)于一個(gè)server來說，他可能是某些partition下的leader，  而對(duì)于另外一些partition來說則是follower,這樣設(shè)計(jì)可以將負(fù)載更好均衡。

1）搭建kafka集群時(shí)有沒有什么小細(xì)節(jié)需要值得注意的？

kafka官網(wǎng)已經(jīng)有詳細(xì)的搭建過程，在此不贅述。建議正式項(xiàng)目中不要采用偽集群（多個(gè)broker運(yùn)行在同一臺(tái)物理機(jī)上）的搭建方式，而且zookeeper集群和kafka集群***不要出現(xiàn)在同一臺(tái)實(shí)體機(jī)上，這樣會(huì)影響kafka順序讀寫效率。

2）在kafka集群中如果一個(gè)server失敗， 怎樣保證數(shù)據(jù)完整性？

在kafka配置文件中有一個(gè)復(fù)制因子控制參數(shù)，如果將該參數(shù)設(shè)置為N，則表示一份數(shù)據(jù)會(huì)被保存N次，而這些數(shù)據(jù)被備份到不同server中，所以當(dāng)設(shè)置復(fù)制因子為N時(shí)即使有N-1臺(tái)server失敗，也會(huì)保證數(shù)據(jù)完整性。

3，生產(chǎn)者消費(fèi)者和消息的順序性：

上面講了那么多，無非是要實(shí)現(xiàn)一個(gè)隊(duì)列的數(shù)據(jù)結(jié)構(gòu)。對(duì)于隊(duì)列這種數(shù)據(jù)結(jié)構(gòu)我們一點(diǎn)也不陌生，由此可以想到對(duì)于kafka的一個(gè)topic 隊(duì)列來說，生產(chǎn)消費(fèi)邏輯應(yīng)該是這樣：有很多生產(chǎn)者向topic中寫入數(shù)據(jù)，另外一端則有許多消費(fèi)者消費(fèi)數(shù)據(jù)。（見圖2）

圖2：生產(chǎn)者消費(fèi)者原理解析圖

然而實(shí)際上kafka生產(chǎn)者消費(fèi)者模式有它的特殊性，那么kafka這個(gè)隊(duì)列是怎樣實(shí)現(xiàn)入隊(duì)和出隊(duì)的？接下來我們一起來看看kafka生產(chǎn)者消費(fèi)者模式。

生產(chǎn)者：生產(chǎn)者（producer）顧名思義，就是向kafka隊(duì)列中發(fā)布消息的，即入隊(duì)操作者。生產(chǎn)者功能是在topic中選擇一個(gè)partion  然后向這個(gè)partition中發(fā)送數(shù)據(jù)。選擇partition的過程就是一個(gè)負(fù)載均衡的方式，  比如可以采用輪詢或者自己設(shè)定partition選擇函數(shù)來實(shí)現(xiàn)負(fù)載均衡。當(dāng)然如果使用封裝的api比如（https://github.com/dpkp/kafka-python）就大可不必關(guān)心負(fù)載均衡問題。會(huì)有默認(rèn)的負(fù)載均衡函數(shù)來實(shí)現(xiàn)這一功能。

消費(fèi)者： 消費(fèi)者（consumer）功能是從隊(duì)列中讀取數(shù)據(jù)并進(jìn)行相應(yīng)邏輯處理，但是kafka消費(fèi)者有特殊之處。kafka增加了一個(gè)組（group）的概念，一個(gè)topic可以有多個(gè)group，   當(dāng)多個(gè)consumer從屬于一個(gè)組時(shí)，一條消息將被發(fā)往所有組，但是在組內(nèi)，這條消息只會(huì)被一個(gè)consumer消費(fèi)。由此說來一個(gè)group才是一個(gè)真正“邏輯消費(fèi)者（logic  consumer）”。相關(guān)邏輯如圖3所示。

消息順序性：通過圖3我們知道消息的消費(fèi)情況，那么一個(gè)消息流消費(fèi)情況會(huì)是怎樣的？其實(shí)在高等級(jí)api中由于指定了負(fù)載均衡規(guī)則，同一個(gè)生產(chǎn)者發(fā)布兩條不同消息數(shù)據(jù)時(shí)會(huì)根據(jù)相應(yīng)規(guī)則發(fā)送到一個(gè)特定partition中，在消費(fèi)時(shí)會(huì)按照同樣規(guī)則從partition中取出數(shù)據(jù)，這樣就能保證兩條數(shù)據(jù)消費(fèi)的先后順序，從而保證了消息順序性。

1）對(duì)于一個(gè)具有多個(gè)consumer的topic，我要實(shí)現(xiàn)一條消息被多個(gè)consumer消費(fèi)和一條消息只被一個(gè)consumer消費(fèi)，那我需要怎么設(shè)置group？

將多個(gè)consumer設(shè)置為同一個(gè)組可以實(shí)現(xiàn)一條消息只被多個(gè)consumer消費(fèi)， 將所有的consumer都設(shè)置為不同組，一條消息將會(huì)被所有consumer消費(fèi)。

2）如果有一批數(shù)據(jù)消費(fèi)時(shí)必須嚴(yán)格按照入隊(duì)先后順序來消費(fèi)，需要怎樣設(shè)置生產(chǎn)者和消費(fèi)者。

如果數(shù)據(jù)量小，可以將topic設(shè)置為一個(gè)partition；如果數(shù)據(jù)量較大，可以將一個(gè)生產(chǎn)者寫死負(fù)載均衡函數(shù)，將數(shù)據(jù)發(fā)送到一個(gè)特定partition上，消費(fèi)數(shù)據(jù)時(shí)指定消費(fèi)者消費(fèi)的partition，和offset來順序消費(fèi)數(shù)據(jù)。

圖3：多個(gè)消費(fèi)者組時(shí)消息流向原理圖

二, Kafka性能測(cè)試：

kafka是跨語言消息隊(duì)列系統(tǒng)，github上提供了Java，  Python等多種語言客戶端，為了簡(jiǎn)單起見，我們這里采用kafka-python（https://github.com/dpkp/kafka-python）作為客戶端來鏈接kafka集群做測(cè)試。

測(cè)試環(huán)境：

1， broker 數(shù)量：3
2， 備份因子數(shù)：2
3， 磁盤信息：200G普通機(jī)械硬盤
4， cpu參數(shù)：8核8線程
5， 語言： Python2.7
6, 客戶端： kafka-python
7, partition 數(shù)量： 5

單進(jìn)程producer 發(fā)送10條消息測(cè)試（如圖4）：

圖4：一個(gè)生產(chǎn)者發(fā)送消息延時(shí)結(jié)果圖

統(tǒng)計(jì)上圖數(shù)據(jù)可知平均延時(shí)：0.004488707，也就是說qps可以達(dá)到2000，這樣的成績(jī)無疑是驚人的。那么在多進(jìn)程情況下kafka表現(xiàn)還會(huì)好嗎？我們?cè)O(shè)置10個(gè)進(jìn)程，看看kafka在10個(gè)進(jìn)程下的延時(shí)會(huì)有較大的變化嗎？如圖5（打印消息過多，截取部分結(jié)果圖）：

圖5：多個(gè)生產(chǎn)者發(fā)送消息延時(shí)結(jié)果圖（部分）

由圖5可知10 個(gè)進(jìn)程每個(gè)進(jìn)程發(fā)送10條消息，平均延時(shí)為0.00050380466秒, qps接近200000，由于kafka支持?jǐn)?shù)千個(gè)客戶端同時(shí)讀寫，所以kafka吞吐能力是驚人的，更多測(cè)試歡迎大家去完成。

三，kafka在達(dá)觀數(shù)據(jù)的應(yīng)用介紹

1，在垂直搜索中的應(yīng)用：

我們知道搜索引擎需要定時(shí)對(duì)文檔進(jìn)行更新， 如果我們把需要更新內(nèi)容暫存到 kafka，這樣索引更新時(shí),只需要從對(duì)應(yīng) partition 中從上一次取過的 offset 處繼續(xù)取數(shù)據(jù)，就能達(dá)到增量更新目的，而過期數(shù)據(jù)會(huì)被自動(dòng)清理， 減少了操作冗余性和復(fù)雜性。

2，在用戶畫像以及相關(guān)推薦中的應(yīng)用：

和用戶畫像之前上報(bào)的用戶點(diǎn)擊行為數(shù)據(jù)不同，相關(guān)推薦之前的海量 item 數(shù)據(jù)上報(bào)對(duì)數(shù)據(jù)準(zhǔn)確性要求更高，試想如果一條 item  數(shù)據(jù)因?yàn)樘幚硎《鴽]有正確入庫，那么相關(guān)推薦時(shí)就永遠(yuǎn)不會(huì)出現(xiàn)這條 item， 所以這就對(duì)“可回滾”提出了更加嚴(yán)格要求。然而在 kafka  中，也只需要將消費(fèi)的 offset 重新置為消費(fèi)失敗時(shí)的 offset，修復(fù)入庫問題重新消費(fèi)即可。

當(dāng)然 kafka 還有更加廣泛的應(yīng)用，這里就不一一討論，根據(jù)官網(wǎng)的介紹，kafka 在網(wǎng)站行為追蹤（Website Activity  Tracking）、數(shù)據(jù)監(jiān)控， 流處理等眾多方面有特長(zhǎng)，如果你對(duì) kafka 原理有研究或者有實(shí)際應(yīng)用方面有心得，歡迎來討論，謝謝！

關(guān)于達(dá)觀數(shù)據(jù)

達(dá)觀數(shù)據(jù)專注于企業(yè)大數(shù)據(jù)技術(shù)服務(wù)，以***的多層智能挖掘算法，實(shí)現(xiàn)對(duì)海量用戶行為和文本數(shù)據(jù)的深入分析和挖掘，為企業(yè)提供智能文本分析、精準(zhǔn)用戶行為建模、個(gè)性化推薦、智能搜索等***數(shù)據(jù)挖掘功能。

到此，相信大家對(duì)“Kafka的設(shè)計(jì)原理及性能應(yīng)用”有了更深的了解，不妨來實(shí)際操作一番吧！這里是創(chuàng)新互聯(lián)網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！

當(dāng)前標(biāo)題：Kafka的設(shè)計(jì)原理及性能應(yīng)用
當(dāng)前地址：http://www.rwnh.cn/article46/ipcieg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供App開發(fā)、用戶體驗(yàn)、移動(dòng)網(wǎng)站建設(shè)、微信公眾號(hào)、網(wǎng)站維護(hù)、手機(jī)網(wǎng)站建設(shè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)