Java kafka 单消息处理 kafka实现消息队列

消息队列作用：异步、削峰、解耦

1、kafka简介

Apache Kafka 是一个分布式的流平台，有三个关键的功能：

1. 能够发布（写入）和订阅（读取）事件流
2. 持续可靠的存储事件流
3. 在事件发生时回顾性的处理事件流

事件流： 数据源随着时间变化产生的一系列的动作或者时间被捕获后，形成事件流

应用场景 🎑

1. 服务解耦

微服务场景，服务以来耦合严重场景

1. 流量削峰

潮汐性较大的场景

1. 实时处理

行为分析、日志采集、异常报警

1. 异步、广播、排队

直播课堂、商城等

业务案例 🌵

服务解耦

用户下单购买商品，购买流程，需要先查看库存是否有货，如果有则快递派送，可以利用消息队列进行服务解耦，下的订单发送进消息队列可以使下单这个事件闭环，可以提升下单这个事件的用户体验，配送服务的消费者去订单的队列里消费这个订单的时候，再去进行配送处理即可

流量削峰

用户行为埋点日志上报，用户在网页上触发的行为非常频繁，100W用户同时进行点击，会形成100W qps的log流，后端存储需要应对100w qps的流量冲击，没有用户点击的时候，流量会降低，这样可以引入消息队列，前端上报服务不会因为写库而阻塞，写库的时候可以分批有序写入。消息队列的存在提升了整个系统架构的

2、Kafka 架构及基本概念

基本概念 🎯

• topic：消息主题，逻辑概念，代表一个消息队列
• partition：消息分区，一个主题可以创建多个分区，一个分区划分为多个==segment==，每个segment对应一个物理文件
• broker：服务代理节点，kafka集群中一台服务器就是一个 broker，支持水平扩展，承载分区的分布
• producer：生产者，负责将客户端产生的消息发送到kafka中
• consumer：消费者，负责从kafka中拉取消息进行业务逻辑处理，consumer group是消费者的逻辑集合，不同消费逻辑需要不同的groupid
• replica：副本，对分区数据的冗余备份，为集群提供高可用能力
• leader/follower：领导副本/普通副本，领导副本负责承接消息的读写，普通副本负责同步leader的消息，是leader的备份

架构简介🚧

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-NXJDchPo-1673344693322)(/Users/zsh/Library/Application Support/typora-user-images/image-20230110175322527.png)]

• 如图所示，为一套三个broker的集群
• zookeeper作为分布式一致性服务，kafka通过其进行元数据管理
• topic1有三个分区，每个分区有3个副本，其中broker0/1/2上各有一个分区副本的leader
• topic2 有三个分区，每个分区有3个副本，其中broker0/1/2上各有一个分区副本的leader
• producer-0 向topic1中生产消息，有consumer-group-0 的三个消费者消费，三个消费者消费的数据不重复
• producer-1 向topic2中生产消息，有consumer-group-1 的一个消费者消费

生产者在生产数据的过程 中，是随机将消息写入到一个topic的每一个partition中，每一个partition都存在一个有序的记录序列，如果有新增日志，会按顺序添加至末尾，分配一个ID号，叫偏移量[offset]，这个ID在整个partition中具有唯一性。

其他概念📚

• AR：Assigned Replicas 的缩写，是每个partition下所有副本(replicas)的统称，AR列表不会变化，除非增加分区
• ISR：In-Sync Replicas 的缩写，是指副本同步队列，ISR是AR中的一个子集，follower 落后 leader的时间小于 replica.lag.time.max.ms（默认10s）这个参数时，则认为此副本与leader是同步的，可以进入ISR，每个partition都有自己的ISR列表，ISR是动态变化的
• LEO：LogEndOffset 的缩写，表示每个partition的log最后一条Message的位置
• HW：HighWatermark的缩写，是指consumer能够看到的此partition的位置。取一个partition对应的ISR中最小的LEO作为HW，consumer最多只能消费到HW所在的位置
• LogStartOffset：表示一个partition的起始位置offset
• ConsumerOffset：表示partition的某个消费者的位置
• Lag：消费者能够消费的最大位置和消费者当前消费者位置的差值，用来表示消费迟滞消息数(延迟)，Lag=HW-ConsumerOffset

3、核心原理解析

核心原理💥

1. 强劲的吞如能力，每秒处理百万级数据
2. 无限制的横向扩展，支持热扩展
3. 可用性&数据一致性

高吞吐⭐️

• 磁盘顺序读写

写数据是通过不断追加的方式到本地磁盘末尾的，比磁盘随机读写方式性能提升很高

• 页缓存(os cache)

写数据的时候直接写入 os cache，有操作系统异步的把数据刷入磁盘里，很大的提升写性能

• 零拷贝(zero-copy)

直接读取内核缓存区的数据发送到网络。没有在用户空间发送拷贝操作，节省了开销，提升了读性能

• 分区并发

每个topic划分多个partition，每个p中数据有序，同一个consumer group 中不同的consumer 拉取不同p中的数据，增加partition提升增加数据拉取并发能力

• 稀疏索引

分区中的数据会分段存储在 segment中，默认每4kb新增一个索引，通过二分查找确定数据在文件中的位置，在通过磁盘顺序读找到信息

• 批量&压缩

Producer 和 consumer 通过 batch 的方式读写数据，且支持lz4、snappy、gzip等多种压缩算法，节省大量的网络和磁盘开销

可扩展性⭐️

kafka的topic 由多个partition组成，每个partition中的数据有序且不同，而每个partition是分散在多个broker上的，这样单个topic承载数据的能力，可以通过扩partition的方式来进行扩展，而当集群资源达到上限是，又可以通过扩展broker的方式来扩展集群资源，这样实现了kafka的可扩展性

可用性&一致性⭐️

CAP理论：一个分布式系统最多只能满足**一致性(Consistency)、可用性(Avaliability)、分区容错性(Partition tolerance)**这三项中的两项

• 一致性

生产者将数据写入kafka topic的不同分区里，每个分区有多个副本，其中读写操作都是由leader来承担，满足了数据一致性

• 可用性

在kafka的副本机制，每个分区会允许存在多个副本，follower 副本对象leader副本同步数据，当主副本挂掉时重新选举备份副本成为leader提供读写，满足了可用性

• 分区容错性

由于follower副本异步同步数据，所以kafka不保证分区容错性，但是ISR机制可以尽可能减小分区容错的问题

4、实战应用&排查技巧

kafka 核心配置参数详解✳️

配置项	配置意义
broker.id	broker的唯一标识符，如果不配置则自动生成，一定要保证集群中必须唯一
port	broker server 端口
log.dir	日志数据存放的目录，默认/tmp/kafka-logs
zookeeper.connect	Zookeeper 主机地址，如果zookeeper是集群则以逗号隔开，如 172.6.14.61:2181,172.6.14.62:2182,172.6.14.63:2181
listeners	监听列表，broker对外提供服务时绑定的ip和端口。多个已逗号隔开，如果监听器名称不是一个安全的协议，listener.security.protocol.map也必须设置
advertised.listeners	给客户端用的发布至zookeeper的监听，broler会上送此地址到zookeeper，zookeeper会将此地址提供给消费者，消费者根据此地址获取消息。如果和上面的listeners不同则以此为准
delete.topic.enable	是否可以删除topic，如果关闭此配置则通过管理工具删除topic则不生效。默认false
log.retention.hours log.retention.minutes log.retention.ms	日志删除之前保留的时间，支持不同时间单位
num.network.threads	broker用来处理网络请求的线程数，默认3
message.max.bytes	kafka可以接受的消息最大尺寸，默认1MB，生产环境一般10MB
num.partition	创建topic的默认分区数目
auto.create.topics.enable	是否自动创建topic，默认true

kafka shell 常用命令✡️

• 创建topic
  bin/kafka-topic.sh --create --zookeeper x.x.x.x:2181 --replication-factor 1 --partition 1 --topic xxx
• 查看topic列表
  bin/kafka-topic.sh --zookeeper x.x.x.x:2181 --list
• 查看指定topic信息
  bin/kafka-topic.sh --zookeeper x.x.x.x:2181 --describe --topic xxx
• 控制台向topic生产数据
  bin/kafka-console-producer.sh --broker-list x.x.x.x:9092 --topic xxx
• 控制台消费topic数据
  bin/kafka-console-consumer.sh --broker-list x.x.x.x:9092 --topic
• 删除指定topic
  bin/kafka-topic.sh --delete --zookeeper x.x.x.x:2181 --topic xxx

管理工具 kafka manager(CMAK)🛠

• 管理多个集群
• 轻松检查集群状态(主题、消费者、偏移量、代理、副本分布、分区分布)
• 运行首选副本选举
• 生成分区分配，并带有选择要使用的代理的选项
• 运行分区重新分配(基于生成的分配)
• 创建一个带有可选主题配置的主题(0.8.1.1配置与0.8.2+不同)
• 删除主题(仅支持0.8.2+，并记住在代理配置中设置delete.topic.enable=true)
• 主题列表现在指示标记为删除的主题(仅支持0.8.2+)
• 为多个主题批量生成分区分配，并可选择要使用的代理
• 批量运行多个主题的分区重新分配
• 将分区添加到现有主题
• 更新现有主题的配置
• 可以选择为代理级别和主题级别指标启动JMX轮询
• 可选择过滤掉 zookeeper 中没有 ids/owners/ & offsets/ 目录的消费者

生产环境使用流程及建议 💡

1. 评估业务架构，峰值体量，合理规划机器资源。可以按单实际物理机 10w/s 实际使用规划，例如 30w/s 的总峰值体量，可以规划3台物理机(万兆网卡、40c、256g)
2. 规划业务侧topic，分区数(建议不超过48个分区是最佳的)，副本数(一般默认3个就可以)，注意分区数影响并发能力和消费能力的上限，副本数影响高可用性
3. 开发消费者逻辑，明确 consumer group
4. 压测，调整消费并行度，通过在kafka manager 中观测指定topic，指定consemer group 的lag趋势来判断消费延迟情况，生产到达峰值情况下lag的值持续不地震，表示消费能力满足要求
5. 在生产环境运行期间，对数据消费又强时效性需求的，建议配置lag告警，流量水位告警
6. 注意：当出现持续提升消费者并行度，依然无法解决延迟问题的时候，是由于消费者服务，单线程对于单分区的消费能力过弱，可考虑review消费者逻辑，在数据解析、网络交互等模块进行优化，如果均达到理想性能，则可通过增大分区数，来提升消费能力上限。topic的分区可以在线热扩展

kafka 和 Rocket MQ选型比较 🆚

特性	可靠性	性能	实时性	顺序性	分布式事务	消息查询	消息回溯
kafak	不保证	较高	较高	不保证	不支持	不支持	支持
RocketMQ	保证	高	较高	保证	支持	支持	支持

总结

kafka更擅长处理流量较大，吞吐需要较高的场景，由于异步刷新，所以消息是无法保证强可靠性的，对于一些偏业务交互的能力支持也偏弱，比较适合大数据处理，性能优先的场景

RocketMQ 是支持同步刷盘、同步复制，可靠性较高，适当牺牲性能，比较适合业务侧应用的数据处理，对于数据可靠性有保障，支持分布式事务，可以适合业务优先的场景

kafka 不适合的场景⭕️

1. kafka不适合作为数据库来进行使用

kafka虽然提供了ACID的保证，也可以长期存储数据，但是对于检索能力的支持比较差，无法提供有好的数据访问机制

1. kafka不适合处理大型数据

基于kafka 的IO特性，kafka不是为大型消息而设计的，10k的消息大小为最佳

1. kafka无法独立提供一套实时系统，更多的事作为消息中间件，和其他框架搭配使用

kafka 自身设计没有提供丰富的面向业务的函数库，对于消息的处理还是需要以来合适的消费者的选型和处理逻辑的准确性，所以更多的是作为中间件搭配使用

1. 强时序性消息流需要谨慎选择kafka

kafka 是单分区保持强顺序性，但是分区数超过1时，消费的顺序是无法保证的，所以需要在顺序性和扩展性上做选择，需要选择合适的场景使用