1 kafka工作流程，存储机制

kafka以topic为单位进行工作，一个topic是一个整体，一个topic是一个消息队列，生产者不停地向队列中生产数据，消费者从topic中不停的消费数据。

topic是一个逻辑上的整体，物体上一个topic分为许多个partition，目的：增加扩展性，提高吞吐量，partition内部数据有序。

partition才是kafka存储数据的基本单位，一个partition就是一个不停追加的文件，通过位置索引文件和时间索引文件标识每条数据，综上，三个文件构成一组文件。

当文件越来越大时，使得查找信息十分不方便，当数据增长到一定程度时，进行切分，形成新的文件（Segment，默认1GB），新产生的数据存储到新文件当中。默认一星期之后，一个Segment会被删除，默认5分钟检查一次Segment的生命周期。

在查找消息的时候，先定位消息在哪个Segment，然后根据Segment的索引定位此消息在Segment中的位置，最后将数据取出来。

2 kafka生产者

2.1 分区策略

分区原因：方便在集群中扩展，每个Partition可以通过调整以适应它所在的机器，而一个topic又可以由多个Partition组成，因此整个集群就可以适应任意大小的数据了；提高并发，因为可以以Partition为单位读写了。

分区规则：指明 partition 的情况下，直接将指明的值直接作为 partition 值；没有指明 partition 值但有 key 的情况下，将 key 的 hash 值与 topic 的 partition 数进行取余得到 partition 值；既没有 partition 值又没有 key 值的情况下，第一次调用时随机生成一个整数（后面每次调用在这个整数上自增），将这个值与 topic 可用的 partition 总数取余得到 partition 值，也就是常说的 round-robin 算法。

2.2 数据可靠性保证

producer向server发送数据，最重要的是发送的数据是否安全。

安全性分为两个部分：①producer向server发送的路上信息是否会丢失；②server在保存信息时是否会丢失。

①：如果server接收到producer发送的信息，会返回一个ACK，能够返回ACK的时机：1）server收到信息以后立即回复ACK，这种方式会产生安全隐患，在返回ACK之后，server将消息丢失了；2）server将信息写入到topic中再发送ACK，partition中有很多副本，一个leader，很多follower，a）写入到leader中就发送ACK，当leader写完信息后宕机了，就会造成数据丢失；b）数据写入leader和全部follower再发送ACK，此时如果发送的ACK producer没有收到（可能是leader宕机引起），可能会重发，造成数据的重复。

综上分为三种发送ACK时机：消息收到就发送；只有leader写完就发送；集群全部写完再发送。三种方式可以手动设置，为了安全性，一般采取第三种。

②：数据在server端的保存机制，如何验证集群的所有机器全部保存？第一种策略是集群中的所有节点全部保存成功；第二种是类似于Zookeeper集群的半数以上原则。前者安全性高，后者更快。kafka使用第一种策略。为了防止某一个follower迟迟不响应leader（follower写入数据成功之后需要向leader报告），leader使用ISR（与leader完成同步的follower），当出现上述过程，leader会将这个迟迟不响应的节点从ISR中去除，只有在ISR中的follower才有写数据，当选leader的权利。

**被去除的切点如何回到ISR：**ISR中每个分区的副本的最后一个日志的序号叫做这个分区的LEO（Log End Offset），每个分区都有一个LEO。ISR中所有副本最小的LEO叫做HW（High Watermark）。consumer能够消费的数据是HW之前的数据，被从ISO中除名的节点经过若干时间，恢复过来，会寻找被去除之前的HW和LEO，此时HW之前的数据完全可靠，其会将HW之后的数据全部清除，然后去找leader同步旧HW与新HW（此节点被去除后，ISR中的节点仍然正常工作）之间的数据，当旧HW与新HW相同时，其能够回到ISR中。

2.3 Exactly Once语义

数据重复的问题是否严重要取决于具体应用的场景，leader写入数据重复了之后，consumer就会消费到重复的数据，如果不允许数据重复，consumer消费到重复数据后就会在下游（consumer端）进行全局去重，然后处理数据，这样每一个consumer都会消费一部分算力进行上述工作，引起资源浪费。

所以在kafka 0.11版本后，引入幂等性的概念来解决数据重复问题（一件事情不管干了多少次，都和第一次一样，比如e的求导）。在Producer的参数中enable.idompotence设置为true启动幂等性功能。使用全局主键来唯一标识一份数据，如果没有主键，kafka会为其安排一个主键。当kafka 的producer向server发送消息以后，server不仅存储这份数据，还会存储这份数据的全局主键，主键包括PID，Partition，SeqNumber，根据主键判断数据是否重复。但是PID重启就会变化，同时不同的Partition也具有不同主键，所以幂等性无法保证跨分区跨会话的Exactly Once。

3 kafka消费者

3.1 消费方式

一种是topic的server端向consumer推送消息，另一种是consumer向server端拉取数据。前者，消息的实时性比较好，问题就是consumer无法适配server端的推送速率，在一对一通信中，consumer可以增加一些反馈机制，但是kafka是一对多的，不同consumer的消费能力不同，想要增加一个统一的反馈机制不是很容易。所以kafka采用第二种消费方式，好处在于各个consumer之间根据自己的消费能力自行消费，缺点就是数据的及时性问题，如果kafka没有数据，消费者可能会陷入循环中，一直返回空数据。针对这一点，Kafka的消费者在消费数据时会传入一个时长参数timeout，如果当前没有数据可供消费，consumer会等待一段时间之后再返回，这段时长即为timeout。

3.2 分区分配策略

一个consumer group中有多个consumer，一个 topic有多个partition，所以必然会涉及到partition的分配问题，即确定那个partition由哪个consumer来消费。

一个消费者消费一个分区是最优情况，但现实情况中很难做到这一点，当消费者数量和分区数量不一样时，Kafka有两种分配策略，一是roundrobin，一是range，仅适用于consumer数量小于partition数量时。

roundrobin：每个consumer都会被按照顺序分配一个分区，循环，到无分区可分配时。

range：提前算好每个consumer分配几个分区（尽可能平均）。

3.3 offset的维护

消费者消费完消息，这个消息不会被立刻删除，所以每个消费者将哪些消息消费到哪里，需要做一个记录（offset）。同时由于consumer在消费过程中可能会出现断电宕机等故障，consumer恢复后，需要从故障前的位置的继续消费，所以consumer需要实时记录自己消费到了哪个offset，以便故障恢复后继续消费。

Kafka 0.9版本之前，consumer默认将offset保存在Zookeeper中，从0.9版本开始，consumer默认将offset保存在Kafka一个内置的topic中，该topic为**__consumer_offsets**。

3.4 kafka如何实现高效读写数据

（1）顺序写磁盘

Kafka的producer生产数据，要写入到log文件中，写的过程是一直追加到文件末端，为顺序写。官网有数据表明，同样的磁盘，顺序写能到到600M/s，而随机写只有100k/s（最极端情况）。这与磁盘的机械机构有关，顺序写之所以快，是因为其省去了大量磁头寻址的时间，使用顺序读写增加消息的吞吐量。

（2）大量使用PageCache

PageCache是一个操作系统的优化技术，操作系统的运行很大程度上依赖于硬盘的随机读写能力。

Kafka数据持久化是直接持久化到Pagecache中，这样会产生以下几个好处：

• I/O Scheduler 会将连续的小块写组装成大块的物理写从而提高性能；
• I/O Scheduler 会尝试将一些写操作重新按顺序排好，从而减少磁盘头的移动时间；
• 充分利用所有空闲内存（非 JVM 内存）。如果使用应用层 Cache（即 JVM 堆内存），会增加 GC 负担；
• 读操作可直接在 Page Cache 内进行。如果消费和生产速度相当，甚至不需要通过物理磁盘（直接通过 Page Cache）交换数据；
• 如果进程重启，JVM 内的 Cache 会失效，但 Page Cache 仍然可用。

尽管持久化到Pagecache上可能会造成宕机丢失数据的情况，但这可以被Kafka的Replication机制解决。如果为了保证这种情况下数据不丢失而强制将 Page Cache 中的数据 Flush 到磁盘，反而会降低性能。1000

(3)零复制技术

当用户进行复制的时候，需要经过User space（所有应用程序运行在这一层） 和 kernel space（运行操作系统的底层，负责一些内核驱动的程序，如读写磁盘）层，复制的操作发生在user space层，由上层调用kernel space层，内核层调用IO读写功能，读取文件，再由应用程序层将流写出去，写入到迷你盘上面（NIC）。

复制操作不需要应用层将文件查看一遍，直接从Page Cache中写出去即可，最佳路径如下所示，称为零拷贝技术，应用层执行一个管理者的角色，仅发出复制命令即可。

零拷贝也是操作系统提供的一项优化措施，kafka调用接口实现此功能，如果所在的操作系统不允许此操作，kafka的此项技术将会消失，一般的linux操作系统都支持此项功能。

3.5 Zookeeper在Kafka中的作用

Kafka集群中有一个broker会被选举为Controller（谁快谁就是Controller），负责监视集群broker的上下线，所有topic的分区副本分配和leader选举等工作。

leader选举工作：

当一个leader（Broker）失效之后：

3.6kafka事务

Kafka从0.11版本开始引入了事务支持。事务可以保证Kafka在Exactly Once语义的基础上，生产和消费可以跨分区和会话，要么全部成功，要么全部失败。

一般来说事务就是在Producer到Server那一端。

（1）Producer事务

为了实现跨分区跨会话的事务，kafka引入一个全局唯一的Transaction ID，并将Producer获得的PID和Transaction ID绑定，写入Transation state中。这样当Producer重启后就可以通过正在进行的Transaction ID获得原来的PID。

为了管理Transaction，Kafka引入了一个新的组件Transaction Coordinator。Producer就是通过和Transaction Coordinator交互获得Transaction ID对应的任务状态。Transaction Coordinator还负责将事务所有写入Kafka的一个内部Topic，这样即使整个服务重启，由于事务状态得到保存，进行中的事务状态可以得到恢复，从而继续进行。

kafka不支持数据的删除，执行回滚操作时，kafka会标记一些数据对consumer不可见。

（2）Consumer事务

上述事务机制主要是从Producer方面考虑，对于Consumer而言，事务的保证就会相对较弱，尤其是无法保证Commit的信息被精确消费。这是由于Consumer可以通过offset访问任意信息，而且不同的Segment File生命周期不同，同一事务的消息可能会出现重启后被删除的情况。

如果想完成Consumer端的精准一次性消费，那么需要kafka消费端将消费过程和提交offset过程做原子绑定。此时我们需要将kafka的offset保存到支持事务的自定义介质中（比如mysql）。

因为kafka采用Customer主动拉取数据，所以事务在此处作用不是很大，想要启动事务，需要在Customer端进行控制，与kafka的关系不大。