写点什么

Kafka 集群是如何选择 leader,你知道吗?

  • 2023-05-30
    湖南
  • 本文字数:3442 字

    阅读完需:约 11 分钟

kafka集群是由多个broker节点组成,这里面包含了许多的知识点,以下的这些问题你都知道吗?

  • 你知道topic的分区leader是怎么选举的吗?

  • 你知道zookeeper中存储了kafka的什么信息吗?起到什么做呢?

  • 你知道kafka消息文件是怎么存储的吗?

  • 如果kafkaleader节点或者follower节点发生故障,消息会丢失吗?如何保证消息的一致性和可靠性呢?


如果你对这些问题比较模糊的话,那么很有必要看看本文,去了解以下kafka的核心设计,本文主要基于kafka3.x 版本讲解。

kafka broker 核心机制

kafka 集群整体架构

kafka 集群是由多个kafka broker通过连同一个zookeeper组成,那么他们是如何协同工作对外提供服务的呢?zookeeper中又存储了什么信息呢?

  1. kafka broker启动后,会在zookeeper/brokers/ids路径下注册。

  2. 同时,其中一个broker会被选举为控制器(Kafka Controller)。选举规则也很简单,谁先注册到zookeeper中的/controller节点,谁就是控制器。Controller主要负责管理整个集群中所有分区和副本的状态

  3. Kafka Controller会进行Leader选择,比如上图中针对TopicA中的 0 号分区,选择broker0作为Leader, 然后会将选择的节点信息注册到zookeeper/brokers/topics路径下,记录谁是Leader,有哪些服务器可用。

  4. 被选举为Leadertopic分区提供对外的读写服务。为什么只有Leader节点提供读写服务,而不是设计成主从方式,Follower提供读服务呢?

  • 为了保证数据的一致性,因为消息同步延迟,可能导致消费者从不同节点读取导致不一致。

  • kafka 设计目的是分布式日志系统,不是一个读多写少的场景,kafka 的读写基本是对等的。

  • 主从方式的话带来设计上的复杂度。

kafka leader 选举机制

那么问题来了,kafkatopic分区是如何选择leader的呢?为了更好的阐述,我们先来理解下面 3 个概念。

  • ISR表示和 Leader 保持同步的 Follower 集合。如果 Follower 长时间未向 Leader 发送通信请求或同步数据,则该 Follower 将被踢出 ISR。该时间阈值由replica.lag.time.max.ms参数设定,默认 30sLeader 发生故障之后,就会从 ISR 中选举新的Leader

  • OSR表示 FollowerLeader 副本同步时,延迟过多的副本。

  • AR指的是分区中的所有副本,所以AR = ISR + OSR


Kafka Controller选举Leader的规则:在isr队列中存活为前提,按照AR中排在前面的优先。例如ar[1,0,2], isr [1,0,2],那么leader就会按照 1,0,2 的顺序轮询。而 AR 中的这个顺序kafka会进行打散,分摊kafka broker的压力。


当运行中的控制器突然宕机或意外终止时,Kafka 通过监听zookeeper能够快速地感知到,并立即启用备用控制器来代替之前失败的控制器。这个过程就被称为 Failover,该过程是自动完成的,无需你手动干预。

开始的时候,Broker 0 是控制器。当 Broker 0 宕机后,ZooKeeper 通过`` Watch 机制感知到并删除了 /controller 临时节点。之后,所有存活的 Broker 开始竞选新的控制器身份。Broker 3最终赢得了选举,成功地在 ZooKeeper 上重建了 /controller 节点。之后,Broker 3 会从 ZooKeeper 中读取集群元数据信息,并初始化到自己的缓存中,后面就有Broker 3来接管选择Leader的功能了。

Leader 和 Follower 故障处理机制

如果topic分区的leaderfollower发生了故障,那么对于数据的一致性和可靠性会有什么样的影响呢?

  • LEO(Log End Offset):每个副本的最后一个offsetLEO就是最新的offset + 1。

  • HW(High Watermark):水位线,所有副本中最小的LEO ,消费者只能看到这个水位线左边的消息,从而保证数据的一致性。


上图所示,如果follower发生故障怎么办?

  • Follower发生故障后会被临时踢出ISR队列。

  • 这个期间LeaderFollower继续接收数据。

  • 待该Follower恢复后,Follower会读取本地磁盘记录的上次的HW,并将log文件高于HW的部分截取掉,从HW开始向Leader进行同步。

  • 等该FollowerLEO大于等于该PartitionHW,即Follower追上Leader之后,就可以重新加入 ISR 了。


如果leader发生故障怎么办?

  • Leader发生故障之后,会从ISR中选出一个新的Leader

  • 为保证多个副本之间的数据一致性,其余的Follower会先将各自的log文件高于HW的部分截掉,然后从新的Leader同步数据。


所以为了让kafka broker保证消息的可靠性和一致性,我们要做如下的配置:

  • 设置 生产者producer 的配置acks=all或者-1。leader 在返回确认或错误响应之前,会等待所有副本收到悄息,需要配合min.insync.replicas配置使用。这样就意味着leaderfollowerLEO对齐。

  • 设置topic 的配置replication.factor>=3副本大于 3 个,并且 min.insync.replicas>=2表示至少两个副本应答。

  • 设置broker配置unclean.leader.election.enable=false,默认也是 false,表示不对落后leader很多的follower也就是非ISR队列中的副本选择为Leader, 这样可以避免数据丢失和数据 不一致,但是可用性会降低。

Leader Partition 负载平衡

正常情况下,Kafka本身会自动把Leader Partition均匀分散在各个机器上,来保证每台机器的读写吞吐量都是均匀的。但是如果某些broker宕机,会导致 Leader Partition 过于集中在其他少部分几台broker上,这会导致少数几台broker的读写请求压力过高,其他宕机的 broker 重启之后都是follower partition,读写请求很低,造成集群负载不均衡。那么该如何负载平衡呢?


  1. 自动负载均衡

通过broker配置设置自动负载均衡。

  • auto.leader.rebalance.enable:默认是 true。 自动 Leader Partition 平衡。生产环境中,leader 重选举的代价比较大,可能会带来性能影响,建议设置为 false 关闭。

  • leader.imbalance.per.broker.percentage:默认是 10%。每个 broker 允许的不平衡的 leader的比率。如果每个 broker 超过了这个值,控制器会触发 leader 的平衡。

  • leader.imbalance.check.interval.seconds:默认值 300 秒。检查 leader 负载是否平衡的间隔时间。


  1. 手动负载均衡

  • 对所有topic进行负载均衡

./bin/kafka-preferred-replica-election.sh --zookeeper hadoop16:2181,hadoop17:2181,hadoop18:2181/kafka08
复制代码
  • 对指定topic负载均衡

cat topicPartitionList.json
{
"partitions":
[
{"topic":"test.example","partition": "0"}
]
}
复制代码


./bin/kafka-preferred-replica-election.sh --zookeeper hadoop16:2181,hadoop17:2181,hadoop18:2181/kafka08 --path-to-json-file topicPartitionList.json
复制代码

kafka 的存储机制

kafka 消息最终会存储到磁盘文件中,那么是如何存储的呢?清理策略是什么呢?

一个topic分为多个partition,每个 partition 对应于一个log文件,为防止 log 文件过大导致数据定位效率低下,Kafka 采取了分片和索引机制,每个partition分为多个segment。每个segment包括:“.index”文件、“.log”文件和.timeindex等文件,Producer生产的数据会被不断追加到该 log 文件末端。

上图中 t1 即为一个topic的名称,而“t1-0/t1-1”则表明这个目录是 t1 这个topic的哪个partition

kafka 中的索引文件以稀疏索引(sparseindex)的方式构造消息的索引,如下图所示:

  1. 根据目标offset定位segment文件

  2. 找到小于等于目标offset的最大offset对应的索引项

  3. 定位到log文件

  4. 向下遍历找到目标Record


注意:index 为稀疏索引,大约每往log文件写入4kb数据,会往index文件写入一条索引。通过参数log.index.interval.bytes控制,默认4kb


那 kafka 中磁盘文件保存多久呢?


kafka 中默认的日志保存时间为 7 天,可以通过调整如下参数修改保存时间。

  • log.retention.hours,最低优先级小时,默认 7 天。

  • log.retention.minutes,分钟。

  • log.retention.ms,最高优先级毫秒。

  • log.retention.check.interval.ms,负责设置检查周期,默认 5 分钟。

kafka broker 重要参数

前面讲解了kafka broker中的核心机制,我们再来看下重要的配置参数。


首先来说下 kafka 服务端配置属性Update Mode的作用:

  • read-only。被标记为read-only 的参数和原来的参数行为一样,只有重启 Broker,才能令修改生效。

  • per-broker。被标记为 per-broker 的参数属于动态参数,修改它之后,无需重启就会在对应的 broker 上生效。

  • cluster-wide。被标记为 cluster-wide 的参数也属于动态参数,修改它之后,会在整个集群范围内生效,也就是说,对所有 broker 都生效。也可以为具体的 broker 修改cluster-wide 参数。


Broker 重要参数

总结

Kafka集群的分区多副本架构是 Kafka 可靠性保证的核心,把消息写入多个副本可以使 Kafka 在发生崩溃时仍能保证消息的持久性。本文围绕这样的核心架构讲解了其中的一些核心机制,包括 Leader 的选举、消息的存储机制等等。


作者:JAVA 旭阳

链接:https://juejin.cn/post/7238604003599695928

来源:稀土掘金

用户头像

还未添加个人签名 2021-07-28 加入

公众号:该用户快成仙了

评论

发布
暂无评论
Kafka集群是如何选择leader,你知道吗?_Java_做梦都在改BUG_InfoQ写作社区