一文讀懂什么是分布式流處理系統(tǒng)Kafka

什么是Kafka

Kafka是一個(gè)分布式流處理系統(tǒng)，流處理系統(tǒng)使它可以像消息隊(duì)列一樣publish或者subscribe消息，分布式提供了容錯(cuò)性，并發(fā)處理消息的機(jī)制。

Kafka的基本概念

kafka運(yùn)行在集群上，集群包含一個(gè)或多個(gè)服務(wù)器。kafka把消息存在topic中，每一條消息包含鍵值（key），值（value）和時(shí)間戳（timestamp）。

kafka有以下一些基本概念：

Producer - 消息生產(chǎn)者，就是向kafka broker發(fā)消息的客戶端。

Consumer - 消息消費(fèi)者，是消息的使用方，負(fù)責(zé)消費(fèi)Kafka服務(wù)器上的消息。

Topic - 主題，由用戶定義并配置在Kafka服務(wù)器，用于建立Producer和Consumer之間的訂閱關(guān)系。生產(chǎn)者發(fā)送消息到指定的Topic下，消息者從這個(gè)Topic下消費(fèi)消息。

Partition - 消息分區(qū)，一個(gè)topic可以分為多個(gè) partition，每個(gè)partition是一個(gè)有序的隊(duì)列。partition中的每條消息都會(huì)被分配一個(gè)有序的id（offset）。

Broker - 一臺(tái)kafka服務(wù)器就是一個(gè)broker。一個(gè)集群由多個(gè)broker組成。一個(gè)broker可以容納多個(gè)topic。

Consumer Group - 消費(fèi)者分組，用于歸組同類消費(fèi)者。每個(gè)consumer屬于一個(gè)特定的consumer group，多個(gè)消費(fèi)者可以共同消息一個(gè)Topic下的消息，每個(gè)消費(fèi)者消費(fèi)其中的部分消息，這些消費(fèi)者就組成了一個(gè)分組，擁有同一個(gè)分組名稱，通常也被稱為消費(fèi)者集群。

Offset - 消息在partition中的偏移量。每一條消息在partition都有唯一的偏移量，消息者可以指定偏移量來(lái)指定要消費(fèi)的消息。

Kafka分布式架構(gòu)

如上圖所示，kafka將topic中的消息存在不同的partition中。如果存在鍵值（key），消息按照鍵值（key）做分類存在不同的partiition中，如果不存在鍵值（key），消息按照輪詢（Round Robin）機(jī)制存在不同的partition中。默認(rèn)情況下，鍵值（key）決定了一條消息會(huì)被存在哪個(gè)partition中。

partition中的消息序列是有序的消息序列。kafka在partition使用偏移量（offset）來(lái)指定消息的位置。一個(gè)topic的一個(gè)partition只能被一個(gè)consumer group中的一個(gè)consumer消費(fèi)，多個(gè)consumer消費(fèi)同一個(gè)partition中的數(shù)據(jù)是不允許的，但是一個(gè)consumer可以消費(fèi)多個(gè)partition中的數(shù)據(jù)。

kafka將partition的數(shù)據(jù)復(fù)制到不同的broker，提供了partition數(shù)據(jù)的備份。每一個(gè)partition都有一個(gè)broker作為leader，若干個(gè)broker作為follower。所有的數(shù)據(jù)讀寫(xiě)都通過(guò)leader所在的服務(wù)器進(jìn)行，并且leader在不同broker之間復(fù)制數(shù)據(jù)。

上圖中，對(duì)于Partition 0，broker 1是它的leader，broker 2和broker 3是follower。對(duì)于Partition 1，broker 2是它的leader，broker 1和broker 3是follower。

在上圖中，當(dāng)有Client（也就是Producer）要寫(xiě)入數(shù)據(jù)到Partition 0時(shí)，會(huì)寫(xiě)入到leader Broker 1，Broker 1再將數(shù)據(jù)復(fù)制到follower Broker 2和Broker 3。

在上圖中，Client向Partition 1中寫(xiě)入數(shù)據(jù)時(shí)，會(huì)寫(xiě)入到Broker 2，因?yàn)锽roker 2是Partition 1的Leader，然后Broker 2再將數(shù)據(jù)復(fù)制到follower Broker 1和Broker 3中。

上圖中的topic一共有3個(gè)partition，對(duì)每個(gè)partition的讀寫(xiě)都由不同的broker處理，因此總的吞吐量得到了提升。

實(shí)驗(yàn)一：kafka-python實(shí)現(xiàn)生產(chǎn)者消費(fèi)者

kafka-python是一個(gè)python的Kafka客戶端，可以用來(lái)向kafka的topic發(fā)送消息、消費(fèi)消息。

這個(gè)實(shí)驗(yàn)會(huì)實(shí)現(xiàn)一個(gè)producer和一個(gè)consumer，producer向kafka發(fā)送消息，consumer從topic中消費(fèi)消息。結(jié)構(gòu)如下圖

producer代碼

consumer代碼

接下來(lái)創(chuàng)建test topic

打開(kāi)兩個(gè)窗口中，我們?cè)趙indow1中運(yùn)行producer，如下

在window2中運(yùn)行consumer，如下

可以看到window2中的consumer成功的讀到了producer寫(xiě)入的數(shù)據(jù)

實(shí)驗(yàn)二：消費(fèi)組實(shí)現(xiàn)容錯(cuò)性機(jī)制

這個(gè)實(shí)驗(yàn)將展示消費(fèi)組的容錯(cuò)性的特點(diǎn)。這個(gè)實(shí)驗(yàn)中將創(chuàng)建一個(gè)有2個(gè)partition的topic，和2個(gè)consumer，這2個(gè)consumer共同消費(fèi)同一個(gè)topic中的數(shù)據(jù)。結(jié)構(gòu)如下所示

producer部分代碼和實(shí)驗(yàn)一相同，這里不再重復(fù)。consumer需要指定所屬的consumer group，代碼如下

接下來(lái)我們創(chuàng)建topic，名字test，設(shè)置partition數(shù)量為2

打開(kāi)三個(gè)窗口，一個(gè)窗口運(yùn)行producer，還有兩個(gè)窗口運(yùn)行consumer。

運(yùn)行consumer的兩個(gè)窗口的輸出如下：

可以看到兩個(gè)consumer同時(shí)運(yùn)行的情況下，它們分別消費(fèi)不同partition中的數(shù)據(jù)。window1中的consumer消費(fèi)partition 0中的數(shù)據(jù)，window2中的consumer消費(fèi)parition 1中的數(shù)據(jù)。

我們嘗試關(guān)閉window1中的consumer，可以看到如下結(jié)果

剛開(kāi)始window2中的consumer只消費(fèi)partition1中的數(shù)據(jù)，當(dāng)window1中的consumer退出后，window2中的consumer中也開(kāi)始消費(fèi)partition 0中的數(shù)據(jù)了。

實(shí)驗(yàn)三：offset管理

kafka允許consumer將當(dāng)前消費(fèi)的消息的offset提交到kafka中，這樣如果consumer因異常退出后，下次啟動(dòng)仍然可以從上次記錄的offset開(kāi)始向后繼續(xù)消費(fèi)消息。

這個(gè)實(shí)驗(yàn)的結(jié)構(gòu)和實(shí)驗(yàn)一的結(jié)構(gòu)是一樣的，使用一個(gè)producer，一個(gè)consumer，test topic的partition數(shù)量設(shè)為1。

producer的代碼和實(shí)驗(yàn)一中的一樣，這里不再重復(fù)。consumer的代碼稍作修改，這里consumer中打印出下一個(gè)要被消費(fèi)的消息的offset。consumer代碼如下

在一個(gè)窗口中啟動(dòng)producer，在另一個(gè)窗口并且啟動(dòng)consumer。consumer的輸出如下

可以嘗試退出consumer，再啟動(dòng)consumer。每一次重新啟動(dòng)，consumer都是從offset=98的消息開(kāi)始消費(fèi)的。

修改consumer的代碼如下，在consumer消費(fèi)每一條消息后將offset提交回kafka

啟動(dòng)consumer

可以看到consumer從offset=98的消息開(kāi)始消費(fèi)，到offset=829時(shí)，我們Ctrl+C退出consumer。

我們?cè)俅螁?dòng)consumer

可以看到重新啟動(dòng)后，consumer從上一次記錄的offset開(kāi)始繼續(xù)消費(fèi)消息。之后每一次consumer重新啟動(dòng)，consumer都會(huì)從上一次停止的地方繼續(xù)開(kāi)始消費(fèi)。

本文主要介紹了一下kafka的基本概念，并結(jié)合一些實(shí)驗(yàn)幫助理解kafka中的一些難點(diǎn)，如多個(gè)consumer的容錯(cuò)性機(jī)制，offset管理。