kafka分区与分组原理_Kafka工作原理
Kafka工作原理
Kafka工作原理
4.1. topic和消息
4.2. Producer
4.3. Consumer
4.4. Kafka核心特性
4.5. consumer、consumer group、partition、topic的关系
4.6. 结尾
4.4.1. 消息可靠性
4.6.1. produce方面:
4.6.2. customer方面:
1. 简介
2. Kafka和其他主流分布式消息系统的对比
3. kafka的特性
4. kafka中概念
1. 简介
Apache kafka 是一个分布式的基于push-subscribe的消息系统,它具备快速、可扩展、可持久化的特点。它现在是Apache旗下的一个开源系统,作为Hadoop生态系统的一部分,被各种商业公司广泛应用。它的最大的特性就是可以实时的处理大量数据以满足各种需求场景:比如基于hadoop的批处理系统、低延迟的实时系统、storm/Spark流式处理引擎。
Kafka所采用的就是发布/订阅模式,被称为一种高吞吐量、持久性、分布式的发布订阅的消息队列系统。
2. Kafka和其他主流分布式消息系统的对比
3. kafka的特性
高吞吐量、低延迟:kafka每秒可以处理几十万条消息,它的延迟最低只有几毫秒
可扩展性:kafka集群支持热扩展
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数据丢失
容错性:允许集群中节点失败(若副本数量为n,则允许n-1个节点失败)
高并发:支持数千个客户端同时读写
4. kafka中概念
broker:书架,用于存储消息;Broker主要负责创建Topic,存储Producer所发布的消息,记录消息处理的过程,现是将消息保存到内存中,然后持久化到磁盘
topic:消息的主题;同一个Topic的消息可以分布在一个或多个Broker上,一个Topic包含一个或者多个Partition分区,数据被存储在多个Partition中
partition:分区;在这里被称为Topic物理上的分组,一个Topic在Broker中被分为1个或者多个Partition,也可以说为每个Topic包含一个或多个Partition,分区在创建Topic的时候可以指定。分区才是真正存储数据的单元
producer:消息的生产者,将消息放到broker中的指定的topic下
consumer:消息的消费者,将broker中的指定的topic下的消息取出来消费
4.1. topic和消息
kafka将所有消息组织成多个topic的形式存储,而每个topic又可以拆分成多个partition,每个partition又由一个一个消息组成。每个消息都被标识了一个递增序列号代表其进来的先后顺序,并按顺序存储在partition中。
这样,消息就以一个个id的方式,组织起来。
producer选择一个topic,生产消息,消息会通过分配策略append到某个partition末尾。
consumer选择一个topic,通过id指定从哪个位置开始消费消息,消费完成之后,保留id,下次可以从这个位置开始继续消费,也可以从其他任意位置开始消费。
上面的id在kafka中称为offset,这种组织和处理策略提供了如下好处:
消费者可以根据需求,灵活指定offset消费。
保证了消息不变性,为并发消费提供了线程安全的保证。每个consumer都保留自己的offset,互相之间不干扰,不存在线程安全问题。
消息访问的并行高效性。每个topic中的消息被组织成多个partition,partition均匀分配到集群server中。生产、消费消息的时候,会被路由到指定partition,减少竞争,增加了程序的并行能力。
增加消息系统的可伸缩性。每个topic中保留的消息可能非常庞大,通过partition将消息切分成多个子消息,并通过负责均衡策略将partition分配到不同server。这样当机器负载满的时候,通过扩容可以将消息重新均匀分配。
保证消息可靠性。消息消费完成之后不会删除,可以通过重置offset重新消费,保证了消息不会丢失。
灵活的持久化策略。可以通过指定时间段(如最近一天)来保存消息,节省broker存储空间。
备份高可用性。消息以partition为单位分配到多个server,并以partition为单位进行备份。备份策略为:1个leader和N个followers,leader接受读写请求,followers被动复制leader。leader和followers会在集群中打散,保证partition高可用。
4.2. Producer
producer生成者生产消息需要如下参数:
topic:消息的主题是什么。往哪个topic生产消息
partition:消息的分区是什么。把消息放到哪个partition中。
key:根据该key将消息分区到不同的partition
message:消息的内容
4.3. Consumer
传统消息系统由两种模式:
队列
发布订阅
kafka通过consumer groupZ将两种模式统一处理:每个consumer将自己标记consumer group名称,之后系统会将consumer group按名称分组,将消息复制并分发给所有分组,每个分组只有一个consumer能消费这条消息。
于是推理出两个极端情况:
当所有的consumer的consumer grouop相同时,一个消息只能被其中一个consumer消费,系统变成队列模式
当每个consumer的consumer group都不相同时,如果group都订阅了此topic,那么一个消息可以被所有的consumer消费, 系统变成发布订阅
注意:
consumer groups 提供了topics和 partitions的隔离,如上图consumer group-c2挂掉,consumer-c1会接收配p1,p2,即一个consumer grouoip 中 有其他consumer挂掉后能够重新平衡。如下图:
多consumer并发消费消息,容易导致消息乱序,通过限制消费者为同步,但是这大大降低了程序的并发性。
kafka通过partition的概念,保证了partition内消息有序性,缓解了上面的问题。partition内消息会复制分发给所有分组,每个分组只有一个consumer能消费这条消息。这个语义保证了某个分组消费某个分区的消息,是同步而非并发的。如果一个topic只有一个partition,那么这个topic并发消费有序,否则只是单个partition有序。一般消息系统,consumer存在两种消费模型:
push:优势在于消息实时性高;劣势在于没有考虑consumer消费能力和饱和情况,容易导致procuer压死consumer
pull:优势在于可以控制消费速度和消费数量,保证consumer不会出现饱和;劣势在于当没有数据时,会出现空轮询,消耗cpu。
kafka采用pull,并采用可配置化参数保证当存在数据并且数据量达到一定量的时候,consumer端才进行pull操作,否则一直处于block状态。kakfa采用整数值consumer position来记录单个分区的消费状态,并且单个分区单个消息只能被consumer group内的一个consumer消费,维护简单开销小。消费完成,broker收到确认,position指向下次消费的offset。由于消息不会删除,在完成消费,position更新之后,consumer依然可以重置offset重新消费历史消息。
4.4. Kafka核心特性
4.4.1. 消息可靠性
在消息系统中,保证消息在生产和消费过程中的可靠性是十分重要的,在实际消息传递过程中,可能会出现如下三种情况:
一个消息发送失败
一个消息被发送多次
最理想的情况:exactly-once,一个消息发送成功且发送了一次
4.5. consumer、consumer group、partition、topic的关系
每个group中可以有多个consumer,每个consumer属于一个consumer group;
通常情况下,一个group中会包含多个consumer,这样不仅可以提高topic中消息的并发消费能力,而且还能提高"故障容错"性,如果group中的某个consumer失效那么其消费的partitions将会有其他consumer自动接管。
对于Topic中的一条特定的消息,只会被订阅此Topic的每个group中的其中一个consumer消费,此消息不会发送给一个group的多个consumer;
那么一个group中所有的consumer将会交错的消费整个Topic,每个group中consumer消息消费互相独立,我们可以认为一个group是一个"订阅"者。
在kafka中,一个partition中的消息只会被group中的一个consumer消费(同一时刻);
一个Topic中的每个partions,只会被一个"订阅者"中的一个consumer消费,不过一个consumer可以同时消费多个partitions中的消息。
kafka的设计原理决定,对于一个topic,同一个group中不能有多于partitions个数的consumer同时消费,否则将意味着某些consumer将无法得到消息。
kafka只能保证一个partition中的消息被某个consumer消费时是顺序的;事实上,从Topic角度来说,当有多个partitions时,消息仍不是全局有序的。
4.6. 结尾
4.6.1. produce方面:
如果有多个分区,发送的时候按照key值hashCode%partitionNum哈希取模分区数来决定该条信息发往哪个partition, 这里可以自定义partition的分发策略,只要实现Partitioner接口就好,可以自定义成随机分发或者fangwang发往指定分区;
4.6.2. customer方面:
对于topic中的partition来说,一个partition只允许一个customer来消费,同一个partition上不允许customer并发;
Partition数量>customer数量时:一个consumer会对应于多个partitions,这里主要合理分配consumer数和partition数,否则会导致partition里面的数据被取的不均匀 。最好partiton数目是consumer数目的整数倍,所以partition数目很重要,比如取24,就很容易设定consumer数目 。
Partition数量
如果一个consumer从多个partition读到数据,不保证数据间的顺序性,kafka只保证在一个partition上数据是有序的,但多个partition,根据你读的顺序会有不同 ;kafka只保证在一个上数据是有序的(每个partition都有segment文件记录消息的顺序性),无法保证topic全局数据的顺序行;
kafka分区与分组原理_Kafka工作原理相关推荐
- 分组交换网络的工作原理:分组交换网络的组成
分组交换网络的工作原理. PSDN交换网络PSDN已经成为广域网中的重要传输系统.分组交换是一种在远距离工作站点之间进行大容量数据传输的有效方法.它结合线路交换和报纸交换的优点,将信息分成小组存储和转 ...
- bootloader功能介绍/时钟初始化设置/串口工作原理/内存工作原理/NandFlash工作原理...
bootloader功能介绍 初始化开发板上主要硬件(时钟,内存,硬盘), 把操作系统从硬盘拷贝到内存,然后让cpu跳转到内存中执行操作系统. boot阶段 1.关闭影响CPU正常执行的外设 -关闭看 ...
- 冯诺依曼原理计算机称为,冯·诺依曼提出的计算机工作原理又称为 工作原理。...
冯·诺依曼提出的计算机工作原理又称为 工作原理. 更多相关问题 Y211是一种靠液压动力坐封的封隔器,而Y441或Y445是一种靠机械坐封的封隔器. 美容心理诊断对美容医学的意义 肾功能不全的老年患者 ...
- 太阳能电池板原理及工作原理
本文转载于: http://www.go-gddq.com/html/NYLiYHeHuiShou/2013-04/1117691.htm 太阳能电池板原理及工作原理 随着全球能源日趋紧张,太阳能成为 ...
- 电热水器工作过程 c语言,电热水器工作原理—电热水器工作原理及使用注意事项介绍...
电热水器现在已经成为了一种最为受到消费者喜爱的热水设备,而在我们大家购买电热水器的时候,并不是很了解电热水器,所以今天小编就来为大家介绍一下电热水器的一些工作原理及一些使用中的注意事项,希望可以帮助大 ...
- 电子邮件服务器的工作原理,电子邮件工作原理 电子邮件有什么特点呢
电子邮件是交流信息的一种通信方式,可以用来传输文件和图片,还是非常方便的.很多人对电子邮件的工作原理感到好奇,电子邮件工作原理是怎样的?电子邮件有什么特点呢? 电子邮件工作原理 电子邮件工作原理 电子 ...
- [JavaScript][AJAX]onreadystatechange事件;AJAX含义及组成部分;AJAX工作原理/HTTP工作原理;一个页面从输入url到呈现网页过程;FormData对象;防抖
目录 onreadystatechange事件 AJAX含义及组成部分 AJAX工作原理/HTTP工作原理 一个页面从输入url到呈现网页过程 TCP三次握手图示 渲染引擎渲染网页流程图 编辑 Fo ...
- 了解WiFi的原理、工作原理以及相关的标准。
Wi-Fi 是 Wireless Fidelity 的缩写,是无线局域网 (WLAN) 的一种常用技术.它使用频率为 2.4GHz 和 5GHz 的高频电波传送数据. Wi-Fi 工作原理: 发送端: ...
- 计算机设备的工作原理,计算机工作原理
基本原理 计算机在运行时,先从内存中取出第一条指令,通过控制器的译码,按指令的要求,从存储器中取出数据进行指定的运算和逻辑操作等加工,然后再按地址把结果送到内存中去.接下来,再取出第二条指令,在控制器 ...
最新文章
- Android 保存崩溃日志到本地目录下
- 智能交通:影响人类未来10-40年的重大变革
- gis中的擦除_GIS案例分析 | 公园建设选址
- linux android编译环境,Linux下Android开发安装环境配置
- DarkTrack 4 Alien Version Released RAT 下载地址视频教程
- Python爬虫框架--Scrapy
- MTK:oemlock介绍
- velocity学习(2)
- quartus管脚分配后需要保存吗_掉电保存数据到EEPROM
- oracle安装 redo log file,Oracle Dump Redo Log File 说明
- kotlin字符串数组_Kotlin程序读取,遍历,反向和排序字符串数组
- 2017级C语言大作业 - 见缝插针
- 谷歌新竞赛:在欧美长大的AI,也要认识亚非拉的生活丨可参加NIPS
- javascript的bind方法绑定深入理解
- ubuntu mysql双主热备配置_mysql学习:mysql双主热备+lvs+keepalived配置
- 用VBA检查Word文档中是否存在位于行首的脚注引用,如存在则通过调整字符间距使其移动到非行首的位置
- 计算机怎样安装硬盘,固态硬盘怎么安装?小编教你怎么安装固态硬盘详图
- vue底部跳转_Vue实现回到顶部和底部动画效果
- PageRank算法(二)
- CM部署CDH安装组件到scm时报错: Cause:Table ‘scm.CM_VERSION‘ doesn‘t exist
热门文章
- python中for循环缩进_Python基础- 缩进,选择和循环
- TIM SWEENEY:引擎及图形学的未来
- SQL基础之 基本属性和运算 (一)
- SQL DATEADD (Transact-SQL)根据需要返回时间,
- Php global echo,php中global和$GLOBALS[]的分析之一
- python 内置_python 内置
- python控制鼠标_如何使用Python在Mac中控制鼠标?
- cad vba编程从入门到精通_【科研资源02】C语言和C++编程110G从入门到精通自学教程...
- matlab怎么求imf图,MATLAB中提取EMD分解后的每个IMF图像,并导出每个IMF数据
- mysql 多对多_mysql多对一、多对多查询实践