TopsLee




技术

如何使用RedisTemplate访问Redis数据结构 MySQL重要知识点 OAuth2认证授授权流程 分布式锁 服务调用 MQ的介绍 SpringCloud 使用链 Eureka 的点对点通信 介绍Eureka RabbitMQ与其它MQ的对比 Springboot 启动过程分析 Springboot 入门 Linux内存管理 自定义CNI IPAM 扩展Kubernetes 副本一致性 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 Kubernetes安全机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占cpu怎么办？ 容器狂打日志怎么办？ Kubernetes资源调度-scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes objects之编排对象 源码分析体会 自动化mock AIOps说的啥 从DevOps中挖掘docker的价值 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes整体结构 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 kubernetes实践 线程排队 jib源码分析之细节 从一个签名框架看待机制和策略 跨主机容器通信 jib源码分析及应用 docker环境下的持续构建 docker环境下的持续发布 一个容器多个进程 kubernetes yaml配置 marathon-client 源码分析 《持续交付36讲》笔记 程序猿应该知道的 mybatis学习 无锁数据结构和算法 《Container-Networking-Docker-Kubernetes》笔记 活用linux 命令 为什么很多业务程序猿觉得数据结构和算法没用？ 串一串一致性协议 当我在说PaaS时，我在说什么 《数据结构与算法之美》——数据结构笔记 swagger PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 《深入剖析kubernetes》笔记 精简代码的利器——lombok 学习 java 语言的动态性 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 JVM4——《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 commons-pipeline 源码分析 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 分布式计算系统的那些套路 Storm 学习 AQS3——论文学习 Unsafe Spark Stream 学习 linux 文件系统 mysql 批量操作优化 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 forkjoin 泛谈 hbase 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 calico 问题排查 bgp初识 mesos 的一些tips mesos 集成 calico calico AQS2——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 compensable-transaction 源码分析 硬件对软件设计的影响 elasticsearch 初步认识 mockito简介及源码分析 线上用docker要解决的问题 《Apache Kafka源码分析》——Producer与Consumer 停止容器 dns隐藏的一个坑 《mysql技术内幕》笔记2 《mysql技术内幕》笔记1 log4j学习 为什么netty比较难懂？ 回溯法 apollo client源码分析及看待面向对象设计 java系并发模型的发展 从一个marathon的问题开始的 docker 环境（主要运行java项目）常见问题 Scala的一些梗 OpenTSDB 入门 spring事务小结 事务一致性 javascript应用在哪里 netty中的future和promise 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 一些tricky的code http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 JVM3——java内存模型 java concurrent 工具类 java exception java io涉及到的一些linux知识 network channel network byte buffer 测试环境docker化实践 通用transport层框架pigeon netty（七）netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 从Go并发编程模型想到的 mesos深入 Macvlan Linux网络源代码学习2 《docker源码分析》小结 对web系统的一些理解 docker中涉及到的一些linux知识 hystrix学习 Linux网络源代码学习 Docker网络五,docker网络的回顾 zookeeper三重奏 数据库的一些知识 Spark 泛谈 commons-chain netty（六）netty回顾 Thrift基本原理与实践（三） Thrift基本原理与实践（二） Thrift基本原理与实践（一） Future 回调 Docker0.1.0源码分析 基于spring boot和Docker搭建微服务 通过Docker Plugin来扩展Docker Engine java gc Docker网络四,基于Centos搭建Docker跨主机网络 google guava的一些理解 Jedis源码分析 Redis概述 Docker回顾 深度学习是个什么鬼 Docker网络三,基于OVS实现Docker跨主机网络 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 netty（四）netty对http协议的实现（废弃） netty（三）netty框架泛谈 向Hadoop学习NIO的使用 以新的角度看数据结构 AQS1——并发相关的硬件与内核支持 使用Ubuntu要做的一些环境准备 Docker网络二,libnetwork systemd 简介 那些有用的sql语句 异构数据库表在线同步 spring aop 实现原理简述——背景知识 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 我们编程的那些潜意识 自己动手写spring（八） 支持AOP 自己动手写spring（七） 类结构设计调整 分析log日志 一次代码调试的过程 自己动手写spring（六） 支持FactoryBean 自己动手写spring（九） 总结 自己动手写spring（五） bean的生命周期管理 自己动手写spring（四） 整合xml与注解方式 自己动手写spring（三） 支持注解方式 自己动手写spring（二） 创建一个bean工厂 自己动手写spring（一） 使用digester varnish 简单使用 docker volume 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM2——JVM和传统OS对比 git spring rmi和thrift maven/ant/gradle使用 再看tcp mesos简介 缓存系统——具体组件 缓存系统 java nio的多线程扩展 多线程设计模式/《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go 常用的一些库 Netty（一）初步了解 java mina Golang开发环境搭建（Windows下） java nio入门 ibatis自动生成类和文件 Python初学 Goroutine 调度模型猜想 一些编程相关的名词 虚拟网络 《程序员的自我修养》小结 VPN(Virtual Private Network) Hadoop安装与调试 Kubernetes持久化存储 Kubernetes 其它特性 访问Kubernetes上的服务 Kubernetes副本管理 Kubernetes pod 组件 使用etcd + confd + nginx做动态负载均衡 nginx安装与简单使用 在CoreOS集群上搭建Kubernetes 如何通过fleet unit files 来构建灵活的服务 CoreOS 安装 定制自己的boot2docker.iso CoreOS 使用 Go初学 JVM1——jvm小结 硬币和扑克牌问题 LRU实现 virtualbox 使用 os->c->java 多线程 容器类概述 zabbix 使用 zabbix 安装 Linux中的一些点 关于集群监控 ThreadLocal小结 我对Hadoop的认识 haproxy安装 docker快速入门

标签

Docker 30

WEB 10

Data 21

Java 53

Linux 14

Tool 9

Algorithm 9

Go 6

CoreOS 4

Kubernetes 20

Other 13

Network 19

Python 1

Netty 16

Spring 19

Mesos 6

Distribute 8

Scala 6

Basic 2

Life 7

Ops 4

MQ 2

eureka 2

Apollo 2

OAuth2 1

MySql 1


《Apache Kafka源码分析》——server

2019年01月30日

前言

建议先阅读下《Apache Kafka源码分析》——Producer与Consumer

服务端网络开发的基本套路

对应到kafka server

对kafka好奇的几个问题：

  1. 数据在磁盘上是如何存储的？

网络层

kafka client (producer/consumer) 与kafka server通信时使用自定义的协议，一个线程 一个selector 裸调java NIO 进行网络通信。

面对高并发、低延迟的需求，kafka 服务端使用了多线程+多selector ，参见java nio的多线程扩展

这是一款常见的服务端 实现

  1. 分层实现，网络io 部分负责读写数据，并将数据序列化/反序列化为协议请求。
  2. 协议请求交给 上层处理， API层就好比 tomcat 中的servlet

单机——基本实现

初始化过程

整体思路

kafka 服务端核心是 KafkaServer，KafkaServer 没什么特别的，聚合和启动各个能力对象即可（kafka 称之为subsystem）。各能力对象都用到了统一的线程池，各自干各自的活儿。

  1. LogManager。 The entry point to the kafka log management subsystem. The log manager is responsible for log creation, retrieval, and cleaning. All read and write operations are delegated to the individual log instances. LogManager 干了日志文件的维护，单纯的日志写入交给了Log 对象
  2. ReplicaManager的主要功能是管理一个Broker 范围内的Partition 信息。代码上，Partition 对象为ReplicaManager 分担一部分职能
  3. KafkaController，在Kafka集群的多个Broker中， 有一个Broker会被推举为Controller Leader，负责管理整个集群中分区和副本的状态。

从下文可以看到，broker 的主要逻辑就是接收各种请求并处理。除了使用了自定义网络协议导致网络层不一样，在api层/业务层，broker 与webserver 的开发逻辑是类似的。作为一个“webserver”，KafkaServer 的一个很重要组件是请求分发——KafkaApis。KafkaServer 将各个组件startup后，KafkaApis 聚合各个能力组件，将请求分发到 各个能力组件具体的方法上。

要注意两个层次的概念

  1. broker 层次的leader 和 follower
  2. replica 层次的leader 和 follower

从单机角度看，自定义协议 + 主流程 + 旁路subsystem，与mysql 有点神似。

写日志过程

日志存储

整体思想

接收到客户端的请求之后，不同的系统（都要读写请求数据）有不同的反应

  1. redis 读取/写入内存
  2. mysql 读取/写入本地磁盘
  3. web 系统，转手将请求数据处理后写入数据；或者查询数据库并返回响应信息，其本身就是一个中转站。

读写本地磁盘的系统 一般有考虑几个问题

  1. 磁盘只能存储二进制数据或文本数据，文本数据你可以一行一行读取/写入。二进制数据则要求制定一个文件格式，一次性读写特定长度的数据。
  2. 如果文件较大，为加快读写速度，还要考虑读写索引文件
  3. 内存是否需要缓存热点磁盘数据

建议和mysql 对比学习下 《mysql技术内幕》笔记1

逻辑概念 对应的物理概念 备注
Log 目录 目录的命名规则<topic_name>_<partition_id>
LogSegment 一个日志文件、一个索引文件 命名规则[baseOffset].log和[baseOffset].index
baseOffset 是日志文件中第一条消息的offset
offset 消息在日志文件中的偏移 类似于数据库表中的主键
由索引文件记录映射关系

以索引文件中的3，205为例，在数据文件中表示第3个message（在全局partition表示第314个message），以及该消息的物理偏移地址为205。

当写满了一个日志段后，Kafka 会自动切分出一个新的日志段，并将老的日志段封存起来。Kafka 在后台还有定时任务会定期地检查老的日志段是否能够被删除，从而实现回收磁盘空间的目的。

分区

副本机制可以保证数据的持久化或消息不丢失，但倘若Leader副本积累了太多的数据以至于单台 Broker 机器都无法容纳了，此时应该怎么办呢？如果你了解其他分布式系统，你可能听说过分片、分区域等提法，比如 MongoDB 和 Elasticsearch 中的 Sharding、HBase 中的 Region，其实它们都是相同的原理，只是 Partitioning 是最标准的名称。

zookeeper

为什么要zookeeper，因为关联业务要交换元数据

kafka的主体是producer ==> topic ==> consumer，topic只是一个逻辑概念，topic包含多个分区，每个分区数据包含多个副本（leader副本，slave副本）。producer在发送数据之前，首先要确定目的分区（可能变化），其次确定目的分区的leader副本所在host，知道了目的地才能发送record，这些信息是集群的meta信息。producer每次向topic发送record，都要waitOnMetadata(record.topic(), this.maxBlockTimeMs)以拿到最新的metadata。

producer面对的是一个broker集群，这个meta信息找哪个broker要都不方便，也不可靠，本质上，还是从zookeeper获取比较方便。zookeeper成为producer与broker集群解耦的工具。

关联业务之间需要交换元数据，当然，数据库也可以承担这个角色，但数据库没有副本等机制保证可靠性

多机——基于zk协作的两种方式

在kafka中，broker、分区、副本状态等 作为集群状态信息，一旦发生改变，都会需要集群的broker作出反应，那么broker 之间如何协同呢？

在Kafka 早期版本中，每个broker 都会向zookeeper 上注册watcher，当分区或副本状态变化时会唤醒很多不必要的watcher， 导致羊群效应及zookeeper 集群过载。

在新版的设计中，只有Controller Leader 在zookeeper上注册wather，其它的broker 几乎不用再监听zookeeper 中的数据变化。 每个Broker 启动时都会创建一个KafkaController 对象，但是集群中只能存在一个Controller Leader来对外提供服务。在集群启动时，多个Broker上的KafkaController 会在指定路径下竞争创建节点，只有第一个成功创建节点的KafkaController 才能成为Leader（其余的成为Follower）。当Leader出现故障后，所有的Follower会收到通知，再次竞争新的Leader。KafkaController 与Broker 交互，Broker 处理来自KafkaController 的LeaderAndIsrRequest、StopReplicaRequest、UpdateMetadataRequest 等请求

简单说，老版本Broker 之间的数据传递依赖于Zookeeper，每个Broker 对zookeeper 的所有数据数据变化 相机做出反应 并更新zookeeper，比较低效。新版本Broker 选举出Controller Leader 后， 由Controller Leader 相机向各个Broker 发出指令。有人告诉你做什么，总比你拿到数据后自己分析判断再行动要容易些。

作为对比，hadoop 之类框架有明确的master/slave 之分，但为了高可用，master 往往要多个副本。除此之外，分布式框之间的协同 应该是相通的

  1. 每个组件启动后，向zk 注册自己的信息
  2. 接收master/leader 的各种请求（http协议或自定义协议） 并处理即可，处理完相机更新zk的数据

从这个角度看，每个slave 组件的逻辑与业务程序猿常写的web server 也别无二致

在安装kafka的时候，经常需要改三个配置文件。

  1. server.properties, 配置zk地址
  2. producer.properties, 配置broker列表，只有实际的生产端需要（估计是给命令行工具用的）
  3. consumer.properties, 配置broker列表，只有实际的消费端需要（估计是给命令行工具用的）

早期consumer.properties 也是要配置 zk地址的，在靠后的版本就不需要了，这个变迁也体现了zk 作用的变化。producer.properties 未发现要配置zk 地址。

Kafka Pipeline

《软件架构设计》

  1. 对于ACK=ALL场景下，客户端每发送一条消息，要写入到Leader、Follower1和Follower2 之后，Leader 才会对客户端返回成功
  2. Leader 不会主动给两个Follower 同步数据，而是等两个Follower 主动拉取，并且是批量拉取
  3. 为什么叫pipeline呢？Leader处理完msg1就去处理msg2了，等Follower同步完成再告诉客户端msg1接收成功。将一次消息处理分为接收消息和同步消息两个步骤，并且并行化了。

主动拉取 是kafka 的一个重要特征，不仅是consumer 主动拉取broker， broker partition follower 也是主动拉取leader。

小结

面向对象的源码分析，一般先宏观（比如如何启动，比如业务逻辑的实现路径等）后细节，就是类图和主流程序列图

  1. 类图表达依赖关系，反映了代码的组织和业务抽象
  2. 主流程展示主要执行路径，反应了业务的逻辑

声明式编程范式初探命令式编程中的变量本质上是抽象化的内存，变量值是该内存的储存内容。JVM 线程通信 靠共享内存，反映在代码上 就是共享对象。

源码分析体会任何一个系统的设计都有功能和性能（泛化一下就是功能性和非功能性） 两个部分，识别系统模块属于哪个部分，有助于简化对系统的认识。通常，一个系统的最早版本只专注于功能，后续除非大的变动，后来的演化大部分都是为了性能上的追求。在kafka 这块，zk的协作方式等方面的变化 有很充分的体现。