旅游网站设计与制作课程设计,三维免费网站,学做网站需要懂什么,梨树做网站ControllerLeader - PartitionRebalance消息发布机制HW与LEO日志分段 Controller
Kafka核心总控制器Controller#xff1a;在Kafka集群中会有一个或者多个broker#xff0c;其中有一个broker会被选举为控制器#xff08;Kafka Controller#xff09;#xff0c;它负责管理…ControllerLeader - PartitionRebalance消息发布机制HW与LEO日志分段 Controller
Kafka核心总控制器Controller在Kafka集群中会有一个或者多个broker其中有一个broker会被选举为控制器Kafka Controller它负责管理整个集群中所有分区和副本的状态 当某个分区的leader副本出现故障时由控制器负责为该分区选举新的leader副本当检测到某个分区的ISR集合发生变化时由控制器负责通知所有broker更新其元数据信息当使用kafka-topics.sh脚本为某个topic增加分区数量时同样还是由控制器负责让新分区被其他节点感知到 Controller选举机制 zookeeper临时节点的创建来选举controller在kafka集群启动的时候会自动选举一台broker作为controller来管理整个集群选举的过程是集群中每个broker都会尝试在zookeeper上创建一个 /controller 临时节点zookeeper会保证有且仅有一个broker能创建成功这个broker就会成为集群的总控器controllercontroller重新选举当这个controller角色的broker宕机了此时zookeeper临时节点会消失集群里其他broker会一直监听这个临时节点发现临时节点消失了就竞争再次创建临时节点就是我们上面说的选举机制zookeeper又会保证有一个broker成为新的controller 具备控制器身份的broker需要比其他普通的broker多一份职责具体细节如下 监听broker相关的变化。为Zookeeper中的/brokers/ids/节点添加BrokerChangeListener用来处理broker增减的变化监听topic相关的变化。为Zookeeper中的/brokers/topics节点添加TopicChangeListener用来处理topic增减的变化为Zookeeper中的/admin/delete_topics节点添加TopicDeletionListener用来处理删除topic的动作从Zookeeper中读取获取当前所有与topic、partition以及broker有关的信息并进行相应的管理。对于所有topic所对应的Zookeeper中的/brokers/topics/[topic]节点添加PartitionModificationsListener用来监听topic中的分区分配变化更新集群的元数据信息同步到其他普通的broker节点中 Leader - Partition
Partition副本选举Leader机制 controller感知到分区leader所在的broker挂了controller监听了很多zk节点可以感知到broker存活controller会从ISR列表(参数unclean.leader.election.enablefalse的前提下)里挑第一个broker作为leader(第一个broker最先放进ISR列表可能是同步数据最多的副本)如果参数unclean.leader.election.enable为true代表在ISR列表里所有副本都挂了的时候可以在ISR列表以外的副本中选leader这种设置可以提高可用性但是选出的新leader有可能数据少很多 副本进入ISR列表有两个条件 必须能与zookeeper保持会话以及跟leader副本网络连通副本能复制leader上的所有写操作并且不能落后太多 与leader副本同步滞后的副本是由 replica.lag.time.max.ms 配置决定的超过这个时间都没有跟leader同步过的一次的副本会被移出ISR列表 消费者消费消息的offset记录机制 每个consumer会定期将自己消费分区的offset提交给kafka内部topic__consumer_offsets 提交过去的时候key是consumerGroupIdtopic分区号value就是当前offset的值kafka会定期清理topic里的消息最后就保留最新的那条数据 因为__consumer_offsets可能会接收高并发的请求kafka默认给其分配50个分区(可以通过offsets.topic.num.partitions设置)这样可以通过加机器的方式抗大并发 Rebalance
Rebalance分区分配策略partition.assignment.strategyrange默认、round-robin、sticky range按照分区序号排序比如分区0~3给一个consumer分区4~6给一个consumer分区7~9给一个consumerround-robin轮询分配比如分区0、3、6、9给一个consumer分区1、4、7给一个consumer分区2、5、8给一个consumersticky与round-robin类似但是在rebalance的时候需要保证如下两个原则当两者发生冲突时第一个目标优先于第二个目标 分区的分配要尽可能均匀分区的分配尽可能与上次分配的保持相同 Rebalance机制如果消费组里的消费者数量有变化或消费的分区数有变化kafka会重新分配消费者消费分区的关系。比如consumer group中某个消费者挂了此时会自动把分配给他的分区交给其他的消费者如果他又重启了那么又会把一些分区重新交还给他 rebalance只针对subscribe这种不指定分区消费的情况如果通过assign这种消费方式指定了分区kafka不会进行rebanlancerebalance过程中消费者无法从kafka消费消息这对kafka的TPS会有影响如果kafka集群内节点较多比如数百个那重平衡可能会耗时极多所以应尽量避免在系统高峰期的重平衡发生 触发消费者rebalance 消费组里的consumer增加或减少了动态给topic增加了分区消费组订阅了更多的topic Rebalance过程当有消费者加入消费组时消费者、消费组及组协调器之间会经历以下几个阶段 选择组协调器GroupCoordinator每个consumer group都会选择一个broker作为自己的组协调器coordinator负责监控这个消费组里的所有消费者的心跳以及判断是否宕机然后开启消费者rebalance consumer group中的每个consumer启动时会向kafka集群中的某个节点发送FindCoordinatorRequest请求来查找对应的组协调器GroupCoordinator并跟其建立网络连接组协调器选择方式通过如下公式可以选出consumer消费的offset要提交到__consumer_offsets的哪个分区这个分区leader对应的broker就是这个consumer group的coordinator。说白了leader分区所在的节点就是GroupCoordinator 加入消费组JOIN GROUP选择消费组协调器 在成功找到消费组所对应的 GroupCoordinator 之后就进入加入消费组的阶段在此阶段的消费者会向 GroupCoordinator 发送 JoinGroupRequest 请求并处理响应。然后GroupCoordinator 从一个consumer group中选择第一个加入group第一个与GroupCoordinator连接的consumer的consumer作为leader(消费组协调器)把consumer group情况发送给这个leader接着这个leader会负责制定分区方案 SYNC GROUP consumer leader通过给GroupCoordinator发送SyncGroupRequest接着GroupCoordinator就把分区方案下发给各个consumer他们会根据指定分区的leader broker进行网络连接以及消息消费 消息发布机制
producer发布消息机制 写入方式producer 采用 push 模式将消息发布到 broker每条消息都被 append 到 patition 中属于顺序写磁盘顺序写磁盘效率比随机写内存要高保障 kafka 吞吐率消息路由producer 发送消息到 broker 时会根据分区算法选择将其存储到哪一个 partition 指定了 patition则直接使用指定 patition 但指定 key通过对 key 的 value 进行 hash 选出一个 patitionpatition 和 key 都未指定使用轮询选出一个 patition 写入流程 producer 先从 zookeeper 的 “/brokers/…/state” 节点找到该 partition 的 leaderproducer 将消息发送给该 leaderleader 将消息写入本地 logfollowers 从 leader pull 消息写入本地 log 后向leader 发送 ACKleader 收到所有 ISR 中的 replica 的 ACK 后增加 HWhigh watermark最后 commit 的 offset 并向 producer 发送 ACK HW与LEO HWHW俗称高水位HighWatermark的缩写取一个partition对应的ISR中最小的LEO(log-end-offset)作为HWconsumer最多只能消费到HW所在的位置。 每个replica都有HWleader和follower各自负责更新自己的HW的状态。对于leader新写入的消息consumer不能立刻消费leader会等待该消息被所有ISR中的replicas同步后更新HW消息才能被consumer消费。这样就保证了如果leader所在的broker失效该消息仍然可以从新选举的leader中获取。对于来自内部broker的读取请求没有HW的限制 当producer生产消息至broker后ISR以及HW和LEO的流转过程 Kafka的复制机制既不是完全的同步复制也不是单纯的异步复制很好的均衡了确保数据不丢失以及吞吐率 当 acks1 日志分段
日志分段存储Kafka 一个分区的消息数据对应存储在一个文件夹下以topic名称分区号命名消息在分区内是分段(segment)存储每个段的消息都存储在不一样的log文件里这种特性方便old segment file快速被删除kafka规定了一个段位的 log 文件最大为 1G做这个限制目的是为了方便把 log 文件加载到内存去操作 00000000000000000000.index部分消息的offset索引文件kafka每次往分区发4K(可配置)消息就会记录一条当前消息的offset到index文件 如果要定位消息的offset会先在这个文件里快速定位再去log文件里找具体消息 00000000000000000000.log消息存储文件主要存offset和消息体00000000000000000000.timeindex息的发送时间索引文件kafka每次往分区发4K(可配置)消息就会记录一条当前消息的发送时间戳与对应的offset到timeindex文件 如果需要按照时间来定位消息的offset会先在这个文件里查找 文件名00000000000000000000就是表了这个日志段文件里包含的起始 Offset log.segment.bytes限定了每个日志段文件的大小最大就是 1GB 一个日志段文件满了就自动开一个新的日志段文件来写入避免单个文件过大影响文件的读写性能这个过程叫做log rolling正在被写入的那个日志段文件叫做 active log segment。
