自建博客地址:https://www.bytelife.net,欢迎访问! 本文为博客同步发表文章,为了更好的阅读体验,建议您移步至我的博客👇
本文作者: Jeffrey
本文链接: https://www.bytelife.net/articles/62460.html
版权声明: 本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!
Kafka作为大数据领域常用的消息中间件,其核心原理相对于其它消息中间件而言更为复杂,本文主要介绍Kafka消费者的rebalance机制以及controller broker选举机制、副本选举机制等实现原理。
Kafka简易拓扑结构
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分区的重新分配。
Controller选举机制
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controller。
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,zookeeper又会保证有一个broker成为新的controller。
Controller职责
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。
Partition Replicates副本选举机制
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会从每个parititon的replicas副本列表中取出第一个broker作为leader,当然这个broker需要也同时在ISR列表里。
Consumer Rebalance机制
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consumerGroupId+topic+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。
消费者Rebalance机制
消费者rebalance发生在如果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如下情况可能会触发消费者rebalance,常见的情况如下:
- consumer所在服务重启或宕机了
- 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。
第一阶段:选择组协调器
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
公式:hash(consumer group id) % __consumer_offsets主题的分区数
第二阶段:加入消费组JOIN GROUP
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(由于rebalance等策略有客户端配置决定,因此分区方案需要consumer来制定,以消费组协调器的配置为准)。
第三阶段: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。
消费者Rebalance分区分配策略
主要有三种rebalance的策略:range
、round-robin
、sticky
。 Kafka提供了消费者客户端参数partition.assignment.strategy
来设置消费者与订阅主题之间的分区分配策略。
默认情况为range分配策略,假设一个主题有10个分区(0-9),现在有三个consumer消费:
- range策略:按照分区序号排序,假设
n=分区数/消费者数量=3
,m=分区数%消费者数量 = 1
,那么前m
个消费者每个分配n+1
个分区,后面的(消费者数量-m
)个消费者每个分配n
个分区。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consumer。 - round-robin策略: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consumer
sticky策略:在rebalance的时候,需要保证如下两个原则。
- 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。
sticky策略当两者发生冲突时,第一个目标优先于第二个目标。
这样可以最大程度维持原来的分区分配的策略。比如对于第一种range情况的分配,如果第三个consumer挂了,那么重新用sticky策略分配的结果如下:- consumer1除了原有的0~3,会再分配一个7
- consumer2除了原有的4~6,会再分配8和9
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。