Kafka的相關知識點有哪些

這篇文章主要介紹“Kafka的相關知識點有哪些”，在日常操作中，相信很多人在Kafka的相關知識點有哪些問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Kafka的相關知識點有哪些”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

講一講分布式消息中間件

面試問題：

• 什么是分布式消息中間件?

• 消息中間件的作用是什么?

• 消息中間件的使用場景是什么?

• 消息中間件選型?

消息隊列

分布式消息是一種通信機制，和 RPC、HTTP、RMI 等不一樣，消息中間件采用分布式中間代理的方式進行通信。

如圖所示，采用了消息中間件之后，上游業務系統發送消息，先存儲在消息中間件，然后由消息中間件將消息分發到對應的業務模塊應用(分布式生產者 -  消費者模式)。

這種異步的方式，減少了服務之間的耦合程度。

架構

定義消息中間件：

• 利用高效可靠的消息傳遞機制進行平臺無關的數據交流。

• 基于數據通信，來進行分布式系統的集成。

• 通過提供消息傳遞和消息排隊模型，可以在分布式環境下擴展進程間的通信。

在系統架構中引用額外的組件，必然提高系統的架構復雜度和運維的難度，那么在系統中使用分布式消息中間件有什么優勢呢?

消息中間件在系統中起的作用又是什么呢?

• 解耦

• 冗余(存儲)

• 擴展性

• 削峰

• 可恢復性

• 順序保證

• 緩沖

• 異步通信

面試時，面試官經常會關心面試者對開源組件的選型能力，這既可以考驗面試者知識的廣度，也可以考驗面試者對某類系統的知識的認識深度，而且也可以看出面試者對系統整體把握和系統架構設計的能力。

開源分布式消息系統有很多，不同的消息系統的特性也不一樣，選擇怎樣的消息系統，不僅需要對各消息系統有一定的了解，也需要對自身系統需求有清晰的認識。

下面是常見的幾種分布式消息系統的對比：

消息隊列選擇

答案關鍵字：

• 什么是分布式消息中間件?通信，隊列，分布式，生產消費者模式。

• 消息中間件的作用是什么?解耦、峰值處理、異步通信、緩沖。

• 消息中間件的使用場景是什么?異步通信，消息存儲處理。

• 消息中間件選型?語言，協議、HA、數據可靠性、性能、事務、生態、簡易、推拉模式。

Kafka 基本概念和架構

面試問題：

• 簡單講下 Kafka 的架構?

• Kafka 是推模式還是拉模式，推拉的區別是什么?

• Kafka 如何廣播消息?

• Kafka 的消息是否是有序的?

• Kafka 是否支持讀寫分離?

• Kafka 如何保證數據高可用?

• Kafka 中 Zookeeper 的作用?

• 是否支持事務?

• 分區數是否可以減少?

架構圖

Kafka 架構中的一般概念：

• Producer：生產者，也就是發送消息的一方。生產者負責創建消息，然后將其發送到 Kafka。

• Consumer：消費者，也就是接受消息的一方。消費者連接到 Kafka 上并接收消息，進而進行相應的業務邏輯處理。

• Consumer Group：一個消費者組可以包含一個或多個消費者。使用多分區+多消費者方式可以極大提高數據下游的處理速度。

同一消費組中的消費者不會重復消費消息，同樣的，不同消費組中的消費者消息消息時互不影響。Kafka 就是通過消費組的方式來實現消息 P2P  模式和廣播模式。

• Broker：服務代理節點。Broker 是 Kafka 的服務節點，即 Kafka 的服務器。

• Topic：Kafka 中的消息以 Topic 為單位進行劃分，生產者將消息發送到特定的 Topic，而消費者負責訂閱 Topic  的消息并進行消費。

• Partition：Topic 是一個邏輯的概念，它可以細分為多個分區，每個分區只屬于單個主題。

同一個主題下不同分區包含的消息是不同的，分區在存儲層面可以看作一個可追加的日志(Log)文件，消息在被追加到分區日志文件的時候都會分配一個特定的偏移量(Offset)。

• Offset：Offset 是消息在分區中的唯一標識，Kafka 通過它來保證消息在分區內的順序性，不過 Offset 并不跨越分區，也就是說，Kafka  保證的是分區有序性而不是主題有序性。

• Replication：副本，是 Kafka 保證數據高可用的方式，Kafka 同一 Partition 的數據可以在多 Broker  上存在多個副本，通常只有主副本對外提供讀寫服務，當主副本所在 Broker 崩潰或發生網絡一場，Kafka 會在 Controller 的管理下會重新選擇新的  Leader 副本對外提供讀寫服務。

• Record：實際寫入 Kafka 中并可以被讀取的消息記錄。每個 Record 包含了 key、value 和 timestamp。

Kafka Topic Partitions Layout，如下圖：

主題

Kafka 將 Topic 進行分區，分區可以并發讀寫。

Kafka Consumer Offset，如下圖：

Consumer Offset

Zookeeper 架構如下圖：

• Broker 注冊：Broker 是分布式部署并且之間相互獨立，Zookeeper 用來管理注冊到集群的所有 Broker 節點。

• Topic 注冊：在 Kafka 中，同一個 Topic 的消息會被分成多個分區并將其分布在多個 Broker 上，這些分區信息及與 Broker  的對應關系也都是由 Zookeeper 在維護

• 生產者負載均衡：由于同一個 Topic 消息會被分區并將其分布在多個 Broker 上，因此，生產者需要將消息合理地發送到這些分布式的 Broker  上。

• 消費者負載均衡：與生產者類似，Kafka 中的消費者同樣需要進行負載均衡來實現多個消費者合理地從對應的 Broker  服務器上接收消息，每個消費者分組包含若干消費者，每條消息都只會發送給分組中的一個消費者，不同的消費者分組消費自己特定的 Topic  下面的消息，互不干擾。

答案關鍵字：

• 簡單講下 Kafka 的架構?Producer、Consumer、Consumer Group、Topic、Partition。

• Kafka 是推模式還是拉模式，推拉的區別是什么?Kafka Producer 向 Broker 發送消息使用 Push 模式，Consumer  消費采用的 Pull 模式。拉取模式，讓 consumer 自己管理 offset，可以提供讀取性能。

• Kafka 如何廣播消息?Consumer group。

• Kafka 的消息是否是有序的?Topic 級別無序，Partition 有序。

• Kafka 是否支持讀寫分離?不支持，只有 Leader 對外提供讀寫服務。

• Kafka 如何保證數據高可用?副本，Ack，HW。

• Kafka 中 zookeeper 的作用?集群管理，元數據管理。

• 是否支持事務?0.11 后支持事務，可以實現“exactly once”。

• 分區數是否可以減少?不可以，會丟失數據。

Kafka 使用

面試問題：

• Kafka 有哪些命令行工具?你用過哪些?

• Kafka Producer 的執行過程?

• Kafka Producer 有哪些常見配置?

• 如何讓 Kafka 的消息有序?

• Producer 如何保證數據發送不丟失?

• 如何提升 Producer 的性能?

• 如果同一 Group 下 Consumer 的數量大于 part 的數量，kafka 如何處理?

• Kafka Consumer 是否是線程安全的?

• 講一下你使用 Kafka Consumer 消費消息時的線程模型，為何如此設計?

• Kafka Consumer 的常見配置?

• Consumer 什么時候會被踢出集群?

• 當有 Consumer 加入或退出時，Kafka 會作何反應?

• 什么是 Rebalance，何時會發生 Rebalance?

命令行工具

Kafka 的命令行工具在 Kafka 包的 /bin 目錄下，主要包括服務和集群管理腳本，配置腳本，信息查看腳本，Topic  腳本，客戶端腳本等。

• kafka-configs.sh：配置管理腳本。

• kafka-console-consumer.sh：kafka 消費者控制臺。

• kafka-console-producer.sh：kafka 生產者控制臺。

• kafka-consumer-groups.sh：kafka 消費者組相關信息。

• kafka-delete-records.sh：刪除低水位的日志文件。

• kafka-log-dirs.sh：kafka 消息日志目錄信息。

• kafka-mirror-maker.sh：不同數據中心 kafka 集群復制工具。

• kafka-preferred-replica-election.sh：觸發 preferred replica 選舉。

• kafka-producer-perf-test.sh：kafka 生產者性能測試腳本。

• kafka-reassign-partitions.sh：分區重分配腳本。

• kafka-replica-verification.sh：復制進度驗證腳本。

• kafka-server-start.sh：啟動 kafka 服務。

• kafka-server-stop.sh：停止 kafka 服務。

• kafka-topics.sh：topic 管理腳本。

• kafka-verifiable-consumer.sh：可檢驗的 kafka 消費者。

• kafka-verifiable-producer.sh：可檢驗的 kafka 生產者。

• zookeeper-server-start.sh：啟動 zk 服務。

• zookeeper-server-stop.sh：停止 zk 服務。

• zookeeper-shell.sh：zk 客戶端。

我們通常可以使用kafka-console-consumer.sh和kafka-console-producer.sh腳本來測試 Kafka  生產和消費。

kafka-consumer-groups.sh 可以查看和管理集群中的 Topic，kafka-topics.sh 通常用于查看 Kafka  的消費組情況。

Kafka Producer

Kafka producer 的正常生產邏輯包含以下幾個步驟：

• 配置生產者客戶端參數常見生產者實例。

• 構建待發送的消息。

• 發送消息。

• 關閉生產者實例。

Producer 發送消息的過程如下圖所示，需要經過攔截器，序列化器和分區器，最終由累加器批量發送至 Broker。

Producer

Kafka Producer 需要以下必要參數：

• bootstrap.server：指定 Kafka 的 Broker 的地址。

• key.serializer：key 序列化器。

• value.serializer：value 序列化器。

常見參數：

• batch.num.messages，默認值：200，每次批量消息的數量，只對 asyc 起作用。

• request.required.acks，默認值：0，0 表示 producer 毋須等待 leader 的確認，1 代表需要 leader  確認寫入它的本地 log 并立即確認，-1 代表所有的備份都完成后確認。

只對 async 模式起作用，這個參數的調整是數據不丟失和發送效率的 tradeoff，如果對數據丟失不敏感而在乎效率的場景可以考慮設置為  0，這樣可以大大提高 producer 發送數據的效率。

• request.timeout.ms，默認值：10000，確認超時時間。

• partitioner.class，默認值：kafka.producer.DefaultPartitioner，必須實現  kafka.producer.Partitioner，根據 Key 提供一個分區策略。

有時候我們需要相同類型的消息必須順序處理，這樣我們就必須自定義分配策略，從而將相同類型的數據分配到同一個分區中。

• producer.type，默認值：sync，指定消息發送是同步還是異步。異步 asyc 成批發送用  kafka.producer.AyncProducer， 同步 sync 用  kafka.producer.SyncProducer。同步和異步發送也會影響消息生產的效率。

• compression.topic，默認值：none，消息壓縮，默認不壓縮。其余壓縮方式還有，"gzip"、"snappy"和"lz4"。對消息的壓縮可以極大地減少網絡傳輸量、降低網絡  IO，從而提高整體性能。

• compressed.topics，默認值：null，在設置了壓縮的情況下，可以指定特定的 topic 壓縮，未指定則全部壓縮。

• message.send.max.retries，默認值：3，消息發送最大嘗試次數。

• retry.backoff.ms，默認值：300，每次嘗試增加的額外的間隔時間。

• topic.metadata.refresh.interval.ms，默認值：600000，定期的獲取元數據的時間。

當分區丟失，leader 不可用時 producer 也會主動獲取元數據，如果為  0，則每次發送完消息就獲取元數據，不推薦。如果為負值，則只有在失敗的情況下獲取元數據。

• queue.buffering.max.ms，默認值：5000，在 producer queue 的緩存的數據最大時間，僅僅 for asyc。

• queue.buffering.max.message，默認值：10000，producer 緩存的消息的最大數量，僅僅 for asyc。

• queue.enqueue.timeout.ms，默認值：-1，0 當 queue 滿時丟掉，負值是 queue 滿時 block, 正值是 queue  滿時 block 相應的時間，僅僅 for asyc。

Kafka Consumer

Kafka  有消費組的概念，每個消費者只能消費所分配到的分區的消息，每一個分區只能被一個消費組中的一個消費者所消費，所以同一個消費組中消費者的數量如果超過了分區的數量，將會出現有些消費者分配不到消費的分區。

消費組與消費者關系如下圖所示：

Consumer Group

Kafka Consumer Client 消費消息通常包含以下步驟：

• 配置客戶端，創建消費者

• 訂閱主題

• 拉去消息并消費

• 提交消費位移

• 關閉消費者實例

過程

因為 Kafka 的 Consumer 客戶端是線程不安全的，為了保證線程安全，并提升消費性能，可以在 Consumer 端采用類似 Reactor  的線程模型來消費數據。

消費模型

Kafka Consumer 參數：

• bootstrap.servers：連接 broker 地址，host：port 格式。

• group.id：消費者隸屬的消費組。

• key.deserializer：與生產者的key.serializer對應，key 的反序列化方式。

• value.deserializer：與生產者的value.serializer對應，value 的反序列化方式。

• session.timeout.ms：coordinator 檢測失敗的時間。默認 10s 該參數是 Consumer Group 主動檢測 (組內成員  comsummer) 崩潰的時間間隔，類似于心跳過期時間。

• auto.offset.reset：該屬性指定了消費者在讀取一個沒有偏移量后者偏移量無效(消費者長時間失效當前的偏移量已經過時并且被刪除了)的分區的情況下，應該作何處理，默認值是  latest，也就是從最新記錄讀取數據(消費者啟動之后生成的記錄)，另一個值是  earliest，意思是在偏移量無效的情況下，消費者從起始位置開始讀取數據。

• enable.auto.commit：否自動提交位移，如果為false，則需要在程序中手動提交位移。對于精確到一次的語義，最好手動提交位移。

• fetch.max.bytes：單次拉取數據的最大字節數量。

• max.poll.records：單次 poll  調用返回的最大消息數，如果處理邏輯很輕量，可以適當提高該值。但是max.poll.records條數據需要在在 session.timeout.ms  這個時間內處理完 。默認值為 500。

• request.timeout.ms：一次請求響應的最長等待時間。如果在超時時間內未得到響應，kafka  要么重發這條消息，要么超過重試次數的情況下直接置為失敗。

Kafka Rebalance

Rebalance 本質上是一種協議，規定了一個 Consumer Group 下的所有 Consumer 如何達成一致來分配訂閱 Topic  的每個分區。

比如某個 Group 下有 20 個 Consumer，它訂閱了一個具有 100 個分區的 Topic。

正常情況下，Kafka 平均會為每個 Consumer 分配 5 個分區。這個分配的過程就叫 Rebalance。

①什么時候 Rebalance?這也是經常被提及的一個問題。

Rebalance 的觸發條件有三種：

• 組成員發生變更(新 Consumer 加入組、已有 Consumer 主動離開組或已有 Consumer 崩潰了——這兩者的區別后面會談到)

• 訂閱主題數發生變更

• 訂閱主題的分區數發生變更

②如何進行組內分區分配?

Kafka 默認提供了兩種分配策略：Range 和 Round-Robin。當然 Kafka  采用了可插拔式的分配策略，你可以創建自己的分配器以實現不同的分配策略。

答案關鍵字：

• Kafka 有哪些命令行工具?你用過哪些?/bin目錄，管理 Kafka 集群、管理 Topic、生產和消費 Kafka。

• Kafka Producer 的執行過程?攔截器，序列化器，分區器和累加器。

• Kafka Producer 有哪些常見配置?Broker 配置，Ack 配置，網絡和發送參數，壓縮參數，Ack 參數。

• 如何讓 Kafka 的消息有序?Kafka 在 Topic 級別本身是無序的，只有 Partition  上才有序，所以為了保證處理順序，可以自定義分區器，將需順序處理的數據發送到同一個 Partition。

• Producer 如何保證數據發送不丟失?Ack 機制，重試機制。

• 如何提升 Producer 的性能?批量，異步，壓縮。

• 如果同一 group 下 consumer 的數量大于 part 的數量，kafka 如何處理?多余的 Part 將處于無用狀態，不消費數據。

• Kafka Consumer 是否是線程安全的?不安全，單線程消費，多線程處理

• 講一下你使用 Kafka Consumer 消費消息時的線程模型，為何如此設計?拉取和處理分離。

• Kafka Consumer 的常見配置?Broker, 網絡和拉取參數，心跳參數。

• Consumer 什么時候會被踢出集群?奔潰，網絡異常，處理時間過長提交位移超時。

• 當有 Consumer 加入或退出時，Kafka 會作何反應?進行 Rebalance。

• 什么是 Rebalance，何時會發生 Rebalance?Topic 變化，Consumer 變化。

高可用和性能

面試問題：

• Kafka 如何保證高可用?

• Kafka 的交付語義?

• Replic 的作用?

• 什么事 AR，ISR?

• Leader 和 Flower 是什么?

• Kafka 中的 HW、LEO、LSO、LW 等分別代表什么?

• Kafka 為保證優越的性能做了哪些處理?

分區與副本

分區副本

在分布式數據系統中，通常使用分區來提高系統的處理能力，通過副本來保證數據的高可用性。

多分區意味著并發處理的能力，這多個副本中，只有一個是 Leader，而其他的都是 Follower 副本。

僅有 Leader 副本可以對外提供服務。多個 Follower 副本通常存放在和 Leader 副本不同的 Broker 中。

通過這樣的機制實現了高可用，當某臺機器掛掉后，其他 Follower 副本也能迅速“轉正”，開始對外提供服務。

①為什么 Follower 副本不提供讀服務?

這個問題本質上是對性能和一致性的取舍。試想一下，如果 Follower 副本也對外提供服務那會怎么樣呢?

首先，性能是肯定會有所提升的。但同時，會出現一系列問題。類似數據庫事務中的幻讀，臟讀。

比如你現在寫入一條數據到 Kafka 主題 a，消費者 b 從主題 a 消費數據，卻發現消費不到，因為消費者 b  去讀取的那個分區副本中，最新消息還沒寫入。

而這個時候，另一個消費者 c 卻可以消費到最新那條數據，因為它消費了 Leader 副本。

Kafka 通過 WH 和 Offset 的管理來決定 Consumer 可以消費哪些數據，已經當前寫入的數據。

Watermark

②只有 Leader 可以對外提供讀服務，那如何選舉 Leader

Kafka 會將與 Leader 副本保持同步的副本放到 ISR 副本集合中。當然，Leader 副本是一直存在于 ISR  副本集合中的，在某些特殊情況下，ISR 副本中甚至只有 Leader 一個副本。

當 Leader 掛掉時，Kakfa 通過 Zookeeper 感知到這一情況，在 ISR 副本中選取新的副本成為 Leader，對外提供服務。

但這樣還有一個問題，前面提到過，有可能 ISR 副本集合中，只有 Leader，當 Leader 副本掛掉后，ISR 集合就為空，這時候怎么辦呢?

這時候如果設置 unclean.leader.election.enable 參數為 true，那么 Kafka 會在非同步，也就是不在 ISR  副本集合中的副本中，選取出副本成為 Leader。

③副本的存在就會出現副本同步問題

Kafka 在所有分配的副本 (AR) 中維護一個可用的副本列表 (ISR)，Producer 向 Broker 發送消息時會根據 ACK  配置來確定需要等待幾個副本已經同步了消息才相應成功。

Broker 內部會 ReplicaManager 服務來管理 Flower 與 Leader 之間的數據同步。

Sync

性能優化:

• Partition 并發。

• 順序讀寫磁盤。

• Page Cache：按頁讀寫。

• 預讀：Kafka 會將將要消費的消息提前讀入內存。

• 高性能序列化(二進制)。

• 內存映射。

• 無鎖 Offset 管理：提高并發能力。

• Java NIO 模型。

• 批量：批量讀寫。

• 壓縮：消息壓縮，存儲壓縮，減小網絡和 IO 開銷。

Partition 并發

一方面，由于不同 Partition 可位于不同機器，因此可以充分利用集群優勢，實現機器間的并行處理。

另一方面，由于 Partition 在物理上對應一個文件夾，即使多個 Partition 位于同一個節點，也可通過配置讓同一節點上的不同  Partition 置于不同的 disk drive 上，從而實現磁盤間的并行處理，充分發揮多磁盤的優勢。

順序讀寫

Kafka 每一個 Partition 目錄下的文件被平均切割成大小相等(默認一個文件是 500 兆，可以手動去設置)的數據文件。

每一個數據文件都被稱為一個段(segment file), 每個 segment 都采用 append 的方式追加數據。

追加數據

答案關鍵字：

• Kafka 如何保證高可用?通過副本來保證數據的高可用，Producer Ack、重試、自動 Leader 選舉，Consumer 自平衡。

• Kafka 的交付語義?交付語義一般有 at least once、at most once 和 exactly once。Kafka 通過 Ack  的配置來實現前兩種。

• Replic 的作用?實現數據的高可用。

• 什么是 AR，ISR?AR：Assigned Replicas。AR 是主題被創建后，分區創建時被分配的副本集合，副本個 數由副本因子決定。

ISR：In-Sync Replicas。Kafka 中特別重要的概念，指代的是 AR 中那些與 Leader 保 持同步的副本集合。

在 AR 中的副本可能不在 ISR 中，但 Leader 副本天然就包含在 ISR 中。關于 ISR，還有一個常見的面試題目是如何判斷副本是否應該屬于  ISR。

目前的判斷依據是：Follower 副本的 LEO 落后 Leader LEO 的時間，是否超過了 Broker 端參數  replica.lag.time.max.ms 值。如果超過了，副本就會被從 ISR 中移除。

• Leader 和 Flower 是什么?見上文。

• Kafka 中的 HW 代表什么?高水位值 (High watermark)。這是控制消費者可讀取消息范圍的重要字段。

一個普通消費者只能“看到”Leader 副本上介于 Log Start Offset 和 HW(不含)之間的  所有消息。水位以上的消息是對消費者不可見的。

• Kafka 為保證優越的性能做了哪些處理?Partition 并發、順序讀寫磁盤、Page Cache 壓縮、高性能序列化(二進制)、內存映射、無鎖  Offset 管理、Java NIO 模型。

到此，關于“Kafka的相關知識點有哪些”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！