kafka原理解析之-整体架构-爱代码爱编程

kafka整体架构

先上一个整体架构图，如下图。

图一：集群整体架构，P代表partition的leader, r代表partition的follower

对各个组件说明如下：

• Broker： Kafka服务器节点就是被称为Broker，Broker主要负责创建并存储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： 就是数据主题，是数据记录发布的地方，可以用来区分业务系统，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： 一个Topic在Broker中被分为1个或者多个Partition。分区才是真正存储数据的单元。每个partition中的数据使用多个segment文件存储。partition中的数据是有序的，不同partition间的数据丢失了数据的顺序。在需要严格保证消息的消费顺序的场景下，需要将partition数目设为1。
  如果某topic有N个partition，集群有N个broker，那么每个broker存储该topic的一个partition。
  如果某topic有N个partition，集群有(N+M)个broker，那么其中有N个broker存储该topic的一个partition，剩下的M个broker不存储该topic的partition数据。
  如果某topic有N个partition，集群中broker数目少于N个，那么一个broker存储该topic的一个或多个partition。在实际生产环境中，尽量避免这种情况的发生，这种情况容易导致Kafka集群数据不均衡。
  每个partition有多个副本（replication-factor设置）：

• Leader 每个partition多个副本中有且仅有一个作为Leader，Leader是当前负责数据的读写的partition。

• Follower leader的备份，follwers只需被动的同步leader上的数据。当leader宕机了，followers中的一台服务器会自动成为新的 leader。每台 server 都会成为某些分区的 leader 和某些分区的 follower，因此集群的负载是平衡的。

• Producer： 消息和数据的生产者，主要负责生产Push消息到指定Broker的Topic中。生产者负责将记录分配到topic的哪一个
  partition（分区）中。可以使用循环的方式来简单地实现负载均衡，也可以根据某些语义分区函数(例如：记录中的key)来完成。

• Consumer： 消息和数据的消费者，主要负责主动到已订阅的Topic中拉取消息并消费 消费者使用一个 消费组 （Consumer
  Group）名称来进行标识，发布到topic中的每条记录被分配给订阅消费组中的一个消费者实例.消费者实例可以分布在多个进程中或者多个机器上，如下图所示：

  
  图二：消费者用消费组标识

  如果所有的消费者实例在同一消费组中，消息记录会负载平衡到每一个消费者实例.
  如果所有的消费者实例在不同的消费组中，每条消息记录会广播到所有的消费者进程.

• Offset: 分区中的每一个记录都会分配一个id号来表示顺序，我们称之为offset，offset用来唯一的标识分区中每一条记录。在每一个消费者中唯一保存的元数据是offset（偏移量）即消费在log中的位置.偏移量由消费者所控制:通常在读取记录后，消费者会以线性的方式增加偏移量，但是实际上，由于这个位置由消费者控制，所以消费者可以采用任何顺序来消费记录。例如，一个消费者可以重置到一个旧的偏移量，从而重新处理过去的数据；也可以跳过最近的记录，从"现在"开始消费。

  
  图三：offset在partition示意图

• ZooKeeper： ZooKeeper负责维护整个Kafka集群的状态，存储Kafka各个节点 的信息及状态，实现Kafka集群的高可用，协调Kafka的工作内容。

  Broker和Consumer有使用到ZooKeeper，而Producer并没有使用到ZooKeeper，因为Kafka从0.8版本开始， Producer并不需要根据ZooKeeper来获取集群状态，而是在配置中指定多个Broker节点进行发送消息，同时跟指定 的Broker建立连接，来从该Broker中获取集群的状态信息，这是Producer可以知道集群中有多少个Broker是否在 存活状态，每个Broker上的Topic有多少个Partition，Prodocuer会将这些元信息存储到Producuer的内存中。如果Producoer像集群中的一台Broker节点发送信息超时等故障，Producer会主动刷新该内存中的元信息，以获取当 前Broker集群中的最新状态，转而把信息发送给当前可用的Broker，当然Prodocuer也可以在配置中指定周期性的去刷新Broker的元信息以更新到内存中。