Kafka选举机制原理_Kafka

1 大数据常用的选主机制

Kafka选举机制原理_Kafka_02

Leader选举算法非常多,大数据领域常用的有以下两种:

1.1 Zab(zookeeper使用)

Kafka选举机制原理_Kafka_03

Zab协议有四个阶段

  • Leader election

  • Discovery (E#epoch establish)

  • Synchronization (5X#sync with followers)

  • Broadcast

比如3个节点选举leader:编号为1、2、3。1先启动,选择自己为leader,然后2启动
首先也选择自己为leader,由于1,2都没过半,选择编号大的为leader,所以1、2都
选择2为leader,然后3启动发现1,2已经协商好且数量过半,于是3也选择2为leader,leader选举结束。

1.2 Raft

Kafka选举机制原理_Kafka_03

类似美国大选。
在Raft中,任何时候一个服务器可以扮演下面角色之一:

  • Leader
    处理所有客户端交互,日志复制等,一般只有一个Leader

  • Follower

    类似选民,完全被动

  • Candidate候选人

    可被选为一个新的领导人

启动时在集群中指定一些机器为Candidate,然后Candidate开始向其他机器(尤
其是Follower)拉票,当某个Candidate的票数超过半数,它就成为leader。

都是 paoxs 算法的变种。

由于Kafka集群依赖zookeeper集群,所以最简单最直观的方案是,所有Follower
都在ZooKeeper上设置一个Watch,一旦Leader宕机,其对应的ephemeral
znode会自动删除,此时所有Follower都尝试创建该节点,而创建成功者
(ZooKeeper保证只有一个能创建成功)即是新的Leader,其它Replica即为
Follower。

2 常用选主机制的缺点

2.1 split-brain (脑裂)

Kafka选举机制原理_Kafka_03

这是由ZooKeeper的特性引起的,虽然ZooKeeper能保证所有Watch按顺序触发,但是网络延迟,并不能保证同一时刻所有Replica“看”到的状态是一样的,这就可能造成不同Replica的响应不一致,可能选出多个领导“大脑”,导致“脑裂”。

2.2 herd effect (羊群效应)

Kafka选举机制原理_Kafka_03

如果宕机的那个Broker上的Partition比较多, 会造成多个Watch被触发,造成集群内大量的调整,导致大量网络阻塞。

2.3 ZooKeeper负载过重

Kafka选举机制原理_Kafka_03

每个Replica都要为此在ZooKeeper上注册一个Watch,当集群规模增加到几千个Partition时ZooKeeper负载会过重。

Kafka选举机制原理_Kafka

3 Kafka Partition选主机制

Kafka选举机制原理_Kafka_02

3.1 优势

Kafka选举机制原理_Kafka_03

Kafka的Leader Election方案解决了上述问题,它在所有broker中选出一个controller,所有Partition的Leader选举都由controller决定。
controller会将Leader的改变直接通过RPC的方式(比ZooKeeper Queue的方式更高效)通知需为此作为响应的Broker。

没有使用 zk,所以无 2.3 问题;也没有注册 watch无 2.2 问题
leader 失败了,就通过 controller 继续重新选举即可,所以克服所有问题。

3.2 Kafka集群controller的选举

Kafka选举机制原理_Kafka_03

每个Broker都会在Controller Path (/controller)上注册一个Watch。当前
Controller失败时,对应的Controller Path会自动消失(因为它是ephemeral
Node),此时该Watch被fire,所有“活” 着的Broker都会去竞选成为新的
Controller (创建新的Controller Path),但是只会有一个竞选成功(这点由
Zookeeper保证)。竞选成功者即为新的Leader,竞选失败者则重新在新的
Controller Path上注册Watch。因为Zookeeper的Watch是一次性的, 被fire一次
之后即失效,所以需要重新注册。

3.3 Kafka partition leader的选举

Kafka选举机制原理_Kafka_03

由controller执行:

  • 从Zookeeper中读取当前分区的所有ISR(in-sync replicas)集合

  • 调用配置的分区选择算法选择分区的leader

Kafka选举机制原理_Kafka_13
上面五种分区算法都是选择PreferredReplica作为当前Partition的leader。区别仅
仅是选择leader之后的操作有所不同。

所以,对于下图partition 0先选择broker2,之后选择broker 0作カleader;对于
partition 1先选择broker 0,之后迭拝broker 1作カleader;partition 2先选择
broker1,之后选择 broker2作为leader。
Kafka选举机制原理_Kafka_14