面試如果被問:Kafka為何這么＂快＂?
大家好，我是龍臺。
以講解性能作為 Kafka 之旅的開篇之作，讓我們一起來深入了解 Kafka “快”的內(nèi)部秘密。你不僅可以學(xué)習(xí)到 Kafka 性能優(yōu)化的各種手段，也可以提煉出各種性能優(yōu)化的方法論，這些方法論也可以應(yīng)用到我們自己的項目之中，助力我們寫出高性能的項目。
關(guān)公戰(zhàn)秦瓊
“65: Redis 和 Kafka 完全是不同作用的中間件，有比較性嗎？
”
是的，所以此文講的不是《分布式緩存的選型》，也不是《分布式中間件對比》。我們聚焦于這兩個不同領(lǐng)域的項目對性能的優(yōu)化，看一看優(yōu)秀項目對性能優(yōu)化的通用手段，以及在針對不同場景下的特色的優(yōu)化方式。
很多人學(xué)習(xí)了很多東西，了解了很多框架，但在遇到實際問題時，卻常常會感覺到知識不足。這就是沒有將學(xué)習(xí)到的知識體系化，沒有從具體的實現(xiàn)中抽象出可以行之有效的方法論。
學(xué)習(xí)開源項目很重要的一點就是歸納，將不同項目的優(yōu)秀實現(xiàn)總結(jié)出方法論，然后演繹到自我的實踐中去。
開篇寄語
“碼哥：理性、客觀、謹(jǐn)慎是程序員的特點，也是優(yōu)點，但是很多時候我們也需要帶一點感性，帶一點沖動，這個時候可以幫助我們更快的做決策?！副^者正確、樂觀者成功?！瓜Ｍ蠹叶际且粋€樂觀地解決問題的人。
”
Kafka 性能全景
從高度抽象的角度來看，性能問題逃不出下面三個方面：
- 網(wǎng)絡(luò)
- 磁盤
- 復(fù)雜度
對于 Kafka 這種網(wǎng)絡(luò)分布式隊列來說，網(wǎng)絡(luò)和磁盤更是優(yōu)化的重中之重。針對于上面提出的抽象問題，解決方案高度抽象出來也很簡單：
- 并發(fā)
- 壓縮
- 批量
- 緩存
- 算法
知道了問題和思路，我們再來看看，在 Kafka 中，有哪些角色，而這些角色就是可以優(yōu)化的點：
- Producer
- Broker
- Consumer
是的，所有的問題，思路，優(yōu)化點都已經(jīng)列出來了，我們可以盡可能的細(xì)化，三個方向都可以細(xì)化，如此，所有的實現(xiàn)便一目了然，即使不看 Kafka 的實現(xiàn)，我們自己也可以想到一二點可以優(yōu)化的地方。
這就是思考方式。提出問題 > 列出問題點 > 列出優(yōu)化方法 > 列出具體可切入的點 > tradeoff和細(xì)化實現(xiàn)。
現(xiàn)在，你也可以嘗試自己想一想優(yōu)化的點和方法，不用盡善盡美，不用管好不好實現(xiàn)，想一點是一點。
“65 哥：不行啊，我很笨，也很懶，你還是直接和我說吧，我白嫖比較行。
”
順序?qū)?/span>
“65 哥：人家 Redis 是基于純內(nèi)存的系統(tǒng)，你 kafka 還要讀寫磁盤，能比？
”
為什么說寫磁盤慢？
我們不能只知道結(jié)論，而不知其所以然。要回答這個問題，就得回到在校時我們學(xué)的操作系統(tǒng)課程了。65 哥還留著課本嗎？來，翻到講磁盤的章節(jié)，讓我們回顧一下磁盤的運行原理。
“65 哥：鬼還留著哦，課程還沒上到一半書就沒了。要不是考試俺眼神好，估計現(xiàn)在還沒畢業(yè)。
”
看經(jīng)典大圖：
完成一次磁盤 IO，需要經(jīng)過尋道、旋轉(zhuǎn)和數(shù)據(jù)傳輸三個步驟。
影響磁盤 IO 性能的因素也就發(fā)生在上面三個步驟上，因此主要花費的時間就是：
- 尋道時間：Tseek 是指將讀寫磁頭移動至正確的磁道上所需要的時間。尋道時間越短，I/O 操作越快，目前磁盤的平均尋道時間一般在 3-15ms。
- 旋轉(zhuǎn)延遲：Trotation 是指盤片旋轉(zhuǎn)將請求數(shù)據(jù)所在的扇區(qū)移動到讀寫磁盤下方所需要的時間。旋轉(zhuǎn)延遲取決于磁盤轉(zhuǎn)速，通常用磁盤旋轉(zhuǎn)一周所需時間的 1/2 表示。比如：7200rpm 的磁盤平均旋轉(zhuǎn)延遲大約為 60*1000/7200/2 = 4.17ms，而轉(zhuǎn)速為 15000rpm 的磁盤其平均旋轉(zhuǎn)延遲為 2ms。
- 數(shù)據(jù)傳輸時間：Ttransfer 是指完成傳輸所請求的數(shù)據(jù)所需要的時間，它取決于數(shù)據(jù)傳輸率，其值等于數(shù)據(jù)大小除以數(shù)據(jù)傳輸率。目前 IDE/ATA 能達(dá)到 133MB/s，SATA II 可達(dá)到 300MB/s 的接口數(shù)據(jù)傳輸率，數(shù)據(jù)傳輸時間通常遠(yuǎn)小于前兩部分消耗時間。簡單計算時可忽略。
因此，如果在寫磁盤的時候省去尋道、旋轉(zhuǎn)可以極大地提高磁盤讀寫的性能。
Kafka 采用順序?qū)?/code>文件的方式來提高磁盤寫入性能。順序?qū)?/code>文件，基本減少了磁盤尋道和旋轉(zhuǎn)的次數(shù)。磁頭再也不用在磁道上亂舞了，而是一路向前飛速前行。
Kafka 中每個分區(qū)是一個有序的，不可變的消息序列，新的消息不斷追加到 Partition 的末尾，在 Kafka 中 Partition 只是一個邏輯概念，Kafka 將 Partition 劃分為多個 Segment，每個 Segment 對應(yīng)一個物理文件，Kafka 對 segment 文件追加寫，這就是順序?qū)懳募?/p>
“65 哥：為什么 Kafka 可以使用追加寫的方式呢？
”
這和 Kafka 的性質(zhì)有關(guān)，我們來看看 Kafka 和 Redis，說白了，Kafka 就是一個Queue，而 Redis 就是一個HashMap。Queue和Map的區(qū)別是什么？
Queue 是 FIFO 的，數(shù)據(jù)是有序的；HashMap數(shù)據(jù)是無序的，是隨機(jī)讀寫的。Kafka 的不可變性，有序性使得 Kafka 可以使用追加寫的方式寫文件。
其實很多符合以上特性的數(shù)據(jù)系統(tǒng)，都可以采用追加寫的方式來優(yōu)化磁盤性能。典型的有Redis的 AOF 文件，各種數(shù)據(jù)庫的WAL(Write ahead log)機(jī)制等等。
“所以清楚明白自身業(yè)務(wù)的特點，就可以針對性地做出優(yōu)化。
”
零拷貝
“65 哥：哈哈，這個我面試被問到過?？上Т鸬靡话惆?，唉。
”
什么是零拷貝？
我們從 Kafka 的場景來看，Kafka Consumer 消費存儲在 Broker 磁盤的數(shù)據(jù)，從讀取 Broker 磁盤到網(wǎng)絡(luò)傳輸給 Consumer，期間涉及哪些系統(tǒng)交互。Kafka Consumer 從 Broker 消費數(shù)據(jù)，Broker 讀取 Log，就使用了 sendfile。如果使用傳統(tǒng)的 IO 模型，偽代碼邏輯就如下所示：
readFile(buffer)
send(buffer)
如圖，如果采用傳統(tǒng)的 IO 流程，先讀取網(wǎng)絡(luò) IO，再寫入磁盤 IO，實際需要將數(shù)據(jù) Copy 四次。
- 第一次：讀取磁盤文件到操作系統(tǒng)內(nèi)核緩沖區(qū)；
- 第二次：將內(nèi)核緩沖區(qū)的數(shù)據(jù)，copy 到應(yīng)用程序的 buffer；
- 第三步：將應(yīng)用程序 buffer 中的數(shù)據(jù)，copy 到 socket 網(wǎng)絡(luò)發(fā)送緩沖區(qū)；
- 第四次：將 socket buffer 的數(shù)據(jù)，copy 到網(wǎng)卡，由網(wǎng)卡進(jìn)行網(wǎng)絡(luò)傳輸。
“65 哥：啊，操作系統(tǒng)這么傻嗎？copy 來 copy 去的。
”
并不是操作系統(tǒng)傻，操作系統(tǒng)的設(shè)計就是每個應(yīng)用程序都有自己的用戶內(nèi)存，用戶內(nèi)存和內(nèi)核內(nèi)存隔離，這是為了程序和系統(tǒng)安全考慮，否則的話每個應(yīng)用程序內(nèi)存滿天飛，隨意讀寫那還得了。
不過，還有零拷貝技術(shù)，英文——Zero-Copy。零拷貝就是盡量去減少上面數(shù)據(jù)的拷貝次數(shù)，從而減少拷貝的 CPU 開銷，減少用戶態(tài)內(nèi)核態(tài)的上下文切換次數(shù)，從而優(yōu)化數(shù)據(jù)傳輸?shù)男阅堋?/p>
常見的零拷貝思路主要有三種：
- 直接 I/O：數(shù)據(jù)直接跨過內(nèi)核，在用戶地址空間與 I/O 設(shè)備之間傳遞，內(nèi)核只是進(jìn)行必要的虛擬存儲配置等輔助工作；
- 避免內(nèi)核和用戶空間之間的數(shù)據(jù)拷貝：當(dāng)應(yīng)用程序不需要對數(shù)據(jù)進(jìn)行訪問時，則可以避免將數(shù)據(jù)從內(nèi)核空間拷貝到用戶空間；
- 寫時復(fù)制：數(shù)據(jù)不需要提前拷貝，而是當(dāng)需要修改的時候再進(jìn)行部分拷貝。
Kafka 使用到了 mmap 和 sendfile 的方式來實現(xiàn)零拷貝。分別對應(yīng) Java 的 MappedByteBuffer 和 FileChannel.transferTo。
使用 Java NIO 實現(xiàn)零拷貝，如下：
FileChannel.transferTo()
在此模型下，上下文切換的數(shù)量減少到一個。具體而言，transferTo()方法指示塊設(shè)備通過 DMA 引擎將數(shù)據(jù)讀取到讀取緩沖區(qū)中。然后，將該緩沖區(qū)復(fù)制到另一個內(nèi)核緩沖區(qū)以暫存到套接字。最后，套接字緩沖區(qū)通過 DMA 復(fù)制到 NIC 緩沖區(qū)。
我們將副本數(shù)從四減少到三，并且這些副本中只有一個涉及 CPU。我們還將上下文切換的數(shù)量從四個減少到了兩個。這是一個很大的改進(jìn)，但是還沒有查詢零副本。當(dāng)運行 Linux 內(nèi)核 2.4 及更高版本以及支持收集操作的網(wǎng)絡(luò)接口卡時，后者可以作為進(jìn)一步的優(yōu)化來實現(xiàn)。如下所示。
根據(jù)前面的示例，調(diào)用transferTo()方法會使設(shè)備通過 DMA 引擎將數(shù)據(jù)讀取到內(nèi)核讀取緩沖區(qū)中。但是，使用gather操作時，讀取緩沖區(qū)和套接字緩沖區(qū)之間沒有復(fù)制。取而代之的是，給 NIC 一個指向讀取緩沖區(qū)的指針以及偏移量和長度，該偏移量和長度由 DMA 清除。CPU 絕對不參與復(fù)制緩沖區(qū)。
關(guān)于零拷貝詳情，可以詳讀這篇文章零拷貝 (Zero-copy) 淺析及其應(yīng)用。
PageCache
producer 生產(chǎn)消息到 Broker 時，Broker 會使用 pwrite() 系統(tǒng)調(diào)用【對應(yīng)到 Java NIO 的 FileChannel.write() API】按偏移量寫入數(shù)據(jù)，此時數(shù)據(jù)都會先寫入page cache。consumer 消費消息時，Broker 使用 sendfile() 系統(tǒng)調(diào)用【對應(yīng) FileChannel.transferTo() API】，零拷貝地將數(shù)據(jù)從 page cache 傳輸?shù)?broker 的 Socket buffer，再通過網(wǎng)絡(luò)傳輸。
leader 與 follower 之間的同步，與上面 consumer 消費數(shù)據(jù)的過程是同理的。
page cache中的數(shù)據(jù)會隨著內(nèi)核中 flusher 線程的調(diào)度以及對 sync()/fsync() 的調(diào)用寫回到磁盤，就算進(jìn)程崩潰，也不用擔(dān)心數(shù)據(jù)丟失。另外，如果 consumer 要消費的消息不在page cache里，才會去磁盤讀取，并且會順便預(yù)讀出一些相鄰的塊放入 page cache，以方便下一次讀取。
因此如果 Kafka producer 的生產(chǎn)速率與 consumer 的消費速率相差不大，那么就能幾乎只靠對 broker page cache 的讀寫完成整個生產(chǎn) - 消費過程，磁盤訪問非常少。
網(wǎng)絡(luò)模型
“65 哥：網(wǎng)絡(luò)嘛，作為 Java 程序員，自然是 Netty
”
是的，Netty 是 JVM 領(lǐng)域一個優(yōu)秀的網(wǎng)絡(luò)框架，提供了高性能的網(wǎng)絡(luò)服務(wù)。大多數(shù) Java 程序員提到網(wǎng)絡(luò)框架，首先想到的就是 Netty。Dubbo、Avro-RPC 等等優(yōu)秀的框架都使用 Netty 作為底層的網(wǎng)絡(luò)通信框架。
Kafka 自己實現(xiàn)了網(wǎng)絡(luò)模型做 RPC。底層基于 Java NIO，采用和 Netty 一樣的 Reactor 線程模型。
Reacotr 模型主要分為三個角色
- Reactor：把 IO 事件分配給對應(yīng)的 handler 處理
- Acceptor：處理客戶端連接事件
- Handler：處理非阻塞的任務(wù)
在傳統(tǒng)阻塞 IO 模型中，每個連接都需要獨立線程處理，當(dāng)并發(fā)數(shù)大時，創(chuàng)建線程數(shù)多，占用資源；采用阻塞 IO 模型，連接建立后，若當(dāng)前線程沒有數(shù)據(jù)可讀，線程會阻塞在讀操作上，造成資源浪費
針對傳統(tǒng)阻塞 IO 模型的兩個問題，Reactor 模型基于池化思想，避免為每個連接創(chuàng)建線程，連接完成后將業(yè)務(wù)處理交給線程池處理；基于 IO 復(fù)用模型，多個連接共用同一個阻塞對象，不用等待所有的連接。遍歷到有新數(shù)據(jù)可以處理時，操作系統(tǒng)會通知程序，線程跳出阻塞狀態(tài)，進(jìn)行業(yè)務(wù)邏輯處理
Kafka 即基于 Reactor 模型實現(xiàn)了多路復(fù)用和處理線程池。其設(shè)計如下：
其中包含了一個Acceptor線程，用于處理新的連接，Acceptor 有 N 個 Processor 線程 select 和 read socket 請求，N 個 Handler 線程處理請求并相應(yīng)，即處理業(yè)務(wù)邏輯。
I/O 多路復(fù)用可以通過把多個 I/O 的阻塞復(fù)用到同一個 select 的阻塞上，從而使得系統(tǒng)在單線程的情況下可以同時處理多個客戶端請求。它的最大優(yōu)勢是系統(tǒng)開銷小，并且不需要創(chuàng)建新的進(jìn)程或者線程，降低了系統(tǒng)的資源開銷。
總結(jié)： Kafka Broker 的 KafkaServer 設(shè)計是一個優(yōu)秀的網(wǎng)絡(luò)架構(gòu)，有想了解 Java 網(wǎng)絡(luò)編程，或需要使用到這方面技術(shù)的同學(xué)不妨去讀一讀源碼。后續(xù)『碼哥』的 Kafka 系列文章也將涉及這塊源碼的解讀。
批量與壓縮
Kafka Producer 向 Broker 發(fā)送消息不是一條消息一條消息的發(fā)送。使用過 Kafka 的同學(xué)應(yīng)該知道，Producer 有兩個重要的參數(shù)：batch.size和linger.ms。這兩個參數(shù)就和 Producer 的批量發(fā)送有關(guān)。
Kafka Producer 的執(zhí)行流程如下圖所示：
發(fā)送消息依次經(jīng)過以下處理器：
- Serialize：鍵和值都根據(jù)傳遞的序列化器進(jìn)行序列化。優(yōu)秀的序列化方式可以提高網(wǎng)絡(luò)傳輸?shù)男省?/li>
- Partition：決定將消息寫入主題的哪個分區(qū)，默認(rèn)情況下遵循 murmur2 算法。自定義分區(qū)程序也可以傳遞給生產(chǎn)者，以控制應(yīng)將消息寫入哪個分區(qū)。
- Compress：默認(rèn)情況下，在 Kafka 生產(chǎn)者中不啟用壓縮.Compression 不僅可以更快地從生產(chǎn)者傳輸?shù)酱恚€可以在復(fù)制過程中進(jìn)行更快的傳輸。壓縮有助于提高吞吐量，降低延遲并提高磁盤利用率。
- Accumulate：
Accumulate顧名思義，就是一個消息累計器。其內(nèi)部為每個 Partition 維護(hù)一個Deque雙端隊列，隊列保存將要發(fā)送的批次數(shù)據(jù)，Accumulate將數(shù)據(jù)累計到一定數(shù)量，或者在一定過期時間內(nèi)，便將數(shù)據(jù)以批次的方式發(fā)送出去。記錄被累積在主題每個分區(qū)的緩沖區(qū)中。根據(jù)生產(chǎn)者批次大小屬性將記錄分組。主題中的每個分區(qū)都有一個單獨的累加器 / 緩沖區(qū)。 - Group Send：記錄累積器中分區(qū)的批次按將它們發(fā)送到的代理分組。批處理中的記錄基于 batch.size 和 linger.ms 屬性發(fā)送到代理。記錄由生產(chǎn)者根據(jù)兩個條件發(fā)送。當(dāng)達(dá)到定義的批次大小或達(dá)到定義的延遲時間時。
Kafka 支持多種壓縮算法：lz4、snappy、gzip。Kafka 2.1.0 正式支持 ZStandard —— ZStandard 是 Facebook 開源的壓縮算法，旨在提供超高的壓縮比 (compression ratio)，具體細(xì)節(jié)參見 zstd。
Producer、Broker 和 Consumer 使用相同的壓縮算法，在 producer 向 Broker 寫入數(shù)據(jù)，Consumer 向 Broker 讀取數(shù)據(jù)時甚至可以不用解壓縮，最終在 Consumer Poll 到消息時才解壓，這樣節(jié)省了大量的網(wǎng)絡(luò)和磁盤開銷。
分區(qū)并發(fā)
Kafka 的 Topic 可以分成多個 Partition，每個 Paritition 類似于一個隊列，保證數(shù)據(jù)有序。同一個 Group 下的不同 Consumer 并發(fā)消費 Paritition，分區(qū)實際上是調(diào)優(yōu) Kafka 并行度的最小單元，因此，可以說，每增加一個 Paritition 就增加了一個消費并發(fā)。
Kafka 具有優(yōu)秀的分區(qū)分配算法——StickyAssignor，可以保證分區(qū)的分配盡量地均衡，且每一次重分配的結(jié)果盡量與上一次分配結(jié)果保持一致。這樣，整個集群的分區(qū)盡量地均衡，各個 Broker 和 Consumer 的處理不至于出現(xiàn)太大的傾斜。
“65 哥：那是不是分區(qū)數(shù)越多越好呢？
”
當(dāng)然不是。
越多的分區(qū)需要打開更多的文件句柄
在 kafka 的 broker 中，每個分區(qū)都會對照著文件系統(tǒng)的一個目錄。在 kafka 的數(shù)據(jù)日志文件目錄中，每個日志數(shù)據(jù)段都會分配兩個文件，一個索引文件和一個數(shù)據(jù)文件。因此，隨著 partition 的增多，需要的文件句柄數(shù)急劇增加，必要時需要調(diào)整操作系統(tǒng)允許打開的文件句柄數(shù)。
客戶端 / 服務(wù)器端需要使用的內(nèi)存就越多
客戶端 producer 有個參數(shù) batch.size，默認(rèn)是 16KB。它會為每個分區(qū)緩存消息，一旦滿了就打包將消息批量發(fā)出?？瓷先ミ@是個能夠提升性能的設(shè)計。不過很顯然，因為這個參數(shù)是分區(qū)級別的，如果分區(qū)數(shù)越多，這部分緩存所需的內(nèi)存占用也會更多。
降低高可用性
分區(qū)越多，每個 Broker 上分配的分區(qū)也就越多，當(dāng)一個發(fā)生 Broker 宕機(jī)，那么恢復(fù)時間將很長。
文件結(jié)構(gòu)
Kafka 消息是以 Topic 為單位進(jìn)行歸類，各個 Topic 之間是彼此獨立的，互不影響。每個 Topic 又可以分為一個或多個分區(qū)。每個分區(qū)各自存在一個記錄消息數(shù)據(jù)的日志文件。
Kafka 每個分區(qū)日志在物理上實際按大小被分成多個 Segment。
- segment file 組成：由 2 大部分組成，分別為 index file 和 data file，此 2 個文件一一對應(yīng)，成對出現(xiàn)，后綴”.index”和“.log”分別表示為 segment 索引文件、數(shù)據(jù)文件。
- segment 文件命名規(guī)則：partion 全局的第一個 segment 從 0 開始，后續(xù)每個 segment 文件名為上一個 segment 文件最后一條消息的 offset 值。數(shù)值最大為 64 位 long 大小，19 位數(shù)字字符長度，沒有數(shù)字用 0 填充。
index 采用稀疏索引，這樣每個 index 文件大小有限，Kafka 采用mmap的方式，直接將 index 文件映射到內(nèi)存，這樣對 index 的操作就不需要操作磁盤 IO。mmap的 Java 實現(xiàn)對應(yīng) MappedByteBuffer 。
“65 哥筆記：mmap 是一種內(nèi)存映射文件的方法。即將一個文件或者其它對象映射到進(jìn)程的地址空間，實現(xiàn)文件磁盤地址和進(jìn)程虛擬地址空間中一段虛擬地址的一一對映關(guān)系。實現(xiàn)這樣的映射關(guān)系后，進(jìn)程就可以采用指針的方式讀寫操作這一段內(nèi)存，而系統(tǒng)會自動回寫臟頁面到對應(yīng)的文件磁盤上，即完成了對文件的操作而不必再調(diào)用 read,write 等系統(tǒng)調(diào)用函數(shù)。相反，內(nèi)核空間對這段區(qū)域的修改也直接反映用戶空間，從而可以實現(xiàn)不同進(jìn)程間的文件共享。
”
Kafka 充分利用二分法來查找對應(yīng) offset 的消息位置：
- 按照二分法找到小于 offset 的 segment 的.log 和.index
- 用目標(biāo) offset 減去文件名中的 offset 得到消息在這個 segment 中的偏移量。
- 再次用二分法在 index 文件中找到對應(yīng)的索引。
- 到 log 文件中，順序查找，直到找到 offset 對應(yīng)的消息。
總結(jié)
Kafka 是一個優(yōu)秀的開源項目。其在性能上面的優(yōu)化做的淋漓盡致，是很值得我們深入學(xué)習(xí)的一個項目。無論是思想還是實現(xiàn)，我們都應(yīng)該認(rèn)真的去看一看，想一想。
Kafka 性能優(yōu)化：
- 零拷貝網(wǎng)絡(luò)和磁盤
- 優(yōu)秀的網(wǎng)絡(luò)模型，基于 Java NIO
- 高效的文件數(shù)據(jù)結(jié)構(gòu)設(shè)計
- Parition 并行和可擴(kuò)展
- 數(shù)據(jù)批量傳輸
- 數(shù)據(jù)壓縮
- 順序讀寫磁盤
- 無鎖輕量級 offset
以上就是 Kafka“快”的秘密，覺得不錯請點贊、分享。