Kafka


文章目录




1. 消息队列概述

消息队列中间件是分布式系统中重要的组件,主要解决应用解耦,异步消息,流量削锋等问题,实现高性能,高可用,可伸缩和最终一致性架构。目前使用较多的消息队列有ActiveMQ,RabbitMQ,ZeroMQ,Kafka,MetaMQ,RocketMQ

2. 消息队列应用场景

以下介绍消息队列在实际应用中常用的使用场景。异步处理,应用解耦,流量削锋和消息通讯四个场景。

2.1异步处理

场景说明:用户注册后,需要发注册邮件和注册短信。传统的做法有两种 1.串行的方式;2.并行方式
a、串行方式:将注册信息写入数据库成功后,发送注册邮件,再发送注册短信。以上三个任务全部完成后,返回给客户端。
kafka理论概述_kafka
b、并行方式:将注册信息写入数据库成功后,发送注册邮件的同时,发送注册短信。以上三个任务完成后,返回给客户端。与串行的差别是,并行的方式可以提高处理的时间
kafka理论概述_消息队列_02
假设三个业务节点每个使用50毫秒钟,不考虑网络等其他开销,则串行方式的时间是150毫秒,并行的时间可能是100毫秒。
因为CPU在单位时间内处理的请求数是一定的,假设CPU1秒内吞吐量是100次。则串行方式1秒内CPU可处理的请求量是7次(1000/150)。并行方式处理的请求量是10次(1000/100)
小结:如以上案例描述,传统的方式系统的性能(并发量,吞吐量,响应时间)会有瓶颈。如何解决这个问题呢?

引入消息队列,将不是必须的业务逻辑,异步处理。改造后的架构如下:
kafka理论概述_客户端_03
按照以上约定,用户的响应时间相当于是注册信息写入数据库的时间,也就是50毫秒。注册邮件,发送短信写入消息队列后,直接返回,因此写入消息队列的速度很快,基本可以忽略,因此用户的响应时间可能是50毫秒。因此架构改变后,系统的吞吐量提高到每秒20 QPS。比串行提高了3倍,比并行提高了两倍。

2.2应用解耦

场景说明:用户下单后,订单系统需要通知库存系统。传统的做法是,订单系统调用库存系统的接口。如下图:
kafka理论概述_kafka_04
订单系统:用户下单后,订单系统完成持久化处理,将消息写入消息队列,返回用户订单下单成功
库存系统:订阅下单的消息,采用拉/推的方式,获取下单信息,库存系统根据下单信息,进行库存操作
假如:在下单时库存系统不能正常使用。也不影响正常下单,因为下单后,订单系统写入消息队列就不再关心其他的后续操作了。实现订单系统与库存系统的应用解耦

2.3流量削锋

流量削锋也是消息队列中的常用场景,一般在秒杀或团抢活动中使用广泛。
应用场景:秒杀活动,一般会因为流量过大,导致流量暴增,应用挂掉。为解决这个问题,一般需要在应用前端加入消息队列。
a、可以控制活动的人数
b、可以缓解短时间内高流量压垮应用
kafka理论概述_客户端_05

用户的请求,服务器接收后,首先写入消息队列。假如消息队列长度超过最大数量,则直接抛弃用户请求或跳转到错误页面。
秒杀业务根据消息队列中的请求信息,再做后续处理

2.4日志处理

日志处理是指将消息队列用在日志处理中,比如Kafka的应用,解决大量日志传输的问题。架构简化如下
kafka理论概述_消息队列_06
日志采集客户端,负责日志数据采集,定时写受写入Kafka队列
Kafka消息队列,负责日志数据的接收,存储和转发
日志处理应用:订阅并消费kafka队列中的日志数据

2.5消息通讯

消息通讯是指,消息队列一般都内置了高效的通信机制,因此也可以用在纯的消息通讯。比如实现点对点消息队列,或者聊天室等
点对点通讯:
kafka理论概述_kafka_07
客户端A和客户端B使用同一队列,进行消息通讯。

聊天室通讯:
kafka理论概述_消息队列_08
客户端A,客户端B,客户端N订阅同一主题,进行消息发布和接收。实现类似聊天室效果。

以上实际是消息队列的两种消息模式,点对点或发布订阅模式。模型为示意图,供参考。

3.Kafka组件

kafka和Zookeeper一起开启的。Zookeeper先开。

kafka理论概述_kafka_09

3.1 Kafka组件说明

kafka理论概述_消息队列_10
有一个生产者与消费者的过程
有一个发布和订阅过程

3.1.1 过程说明

kafka理论概述_客户端_11

3.1.2 过程说明

kafka理论概述_消息队列_12

4.Kafka模型说明

kafka理论概述_消息队列_13
架构具有扩展性,如果Broker不够用的话可以增加机器,扩展

将数据存储在磁盘上,直到使用完毕才删除。

也是可恢复的。当组件失效的时候,Zookeeper就会起作用。

还有这个Pull和Push
推和拉的过程。

针对不同的消费速率的用户Consumer,通过Pull来拉。
拉数据的好处为用户可以自主拉。
Kafka传输有保障

4.1 Kafka传输保障

1.At most once
2.At least once 需要web来协作
3.Exactly once

kafka理论概述_消息队列_14

5.Kafka的环境搭建

5.1 单点搭建

主要用作测试
单点单Broker

kafka理论概述_kafka_15

单点多Broker
也是测试

kafka理论概述_消息队列_16

5.2 多点搭建

多节点多Broker
为线上的情景

kafka理论概述_客户端_17