Kafka 生成消息时的 3 种分区策略
本文分享自华为云社区《Kafka生产者3种分区分配策略》,作者:石臻臻的杂货铺。
Kafka Producer 在发送消息的时候,需要指定发送到哪个分区, 那么这个分区策略都有哪些呢?我们今天来看一下。
使用分区策略的配置:
1. Default Partitioner 默认分区策略
全路径类名:org.apache.kafka.clients.producer.internals.DefaultPartitioner
如果消息中指定了分区,则使用它
如果未指定分区但存在 key,则根据序列化 key 使用 murmur2 哈希算法对分区数取模。
如果不存在分区或 key,则会使用粘性分区策略,关于粘性分区请参阅 KIP-480。
粘性分区 Sticky Partitioner
为什么会有粘性分区的概念?
首先,我们指定,Producer 在发送消息的时候,会将消息放到一个 Producer Batch 中, 这个 Batch 可能包含多条消息,然后再将 Batch 打包发送。关于这一块可以看看我之前的文章 图解 Kafka Producer 消息缓存模型。
这样做的好处就是能够提高吞吐量,减少发起请求的次数。
但是有一个问题就是, 因为消息的发送它必须要你的一个 Batch 满了或者 linger.ms 时间到了,才会发送。如果生产的消息比较少的话,迟迟难以让 Batch 塞满,那么就意味着更高的延迟。
在之前的消息发送中,就将消息轮询到各个分区的, 本来消息就少,你还给所有分区遍历的分配,那么每个 Producer Batch 都很难满足条件。
那么假如我先让一个 Producer Batch 塞满了之后,再给其他的分区分配是不是可以降低这个延迟呢?
详细的可以看看下面这张图
这张图的前提是:
Topic1 有 3 分区, 此时给 Topic1 发 9 条无 key 的消息, 这 9 条消息加起来都不超过 batch.size .
那么以前的分配方式和粘性分区的分配方式如下
可以看到,使用粘性分区之后,至少是先把一个 Batch 填满了发送然后再去填充另一个 Batch。不至于向之前那样,虽然平均分配了,但是导致一个 Batch 都没有放满,不能立即发送。这不就增大了延迟了吗(只能通过 linger.ms 时间到了才发送)
划重点:
当一个 Batch 发送之后,需要选择一个新的粘性分区的时候
①. 可用分区<1 ;那么选择分区的逻辑是在所有分区中随机选择。
②. 可用分区=1; 那么直接选择这个分区。
③. 可用分区>1 ; 那么在所有可用分区中随机选择。
当选择下一个粘性分区的时候,不是按照分区平均的原则来分配。而是随机原则(当然不能跟上一次的分区相同)
例如刚刚发送到的 Batch 是 1 号分区,等 Batch 满了,发送之后,新的消息可能会发到 2 或者 3, 如果选择的是 2,等 2 的 Batch 满了之后,下一次选择的 Batch 仍旧可能是 1,而不是说为了平均,选择 3 分区。
2.Uniform Sticky Partitioner 纯粹的粘性分区策略
全路径类名:org.apache.kafka.clients.producer.internals.UniformStickyPartitioner
他跟 Default Partitioner 分区策略的唯一区别就是。
Default Partitionerd 如果有 key 的话,那么它是按照 key 来决定分区的,这个时候并不会使用粘性分区 Uniform Sticky Partitioner 是不管你有没有 key, 统一都用粘性分区来分配。
3. Round Robin Partitioner 分区策略
全路径类名:org.apache.kafka.clients.producer.internals.RoundRobinPartitioner
如果消息中指定了分区,则使用它
将消息平均的分配到每个分区中。
与 key 无关
上面是具体代码。有个地方需要注意;
当可用分区是 0 的话,那么就是遍历的是所有分区中的。
当有可用分区的话,那么遍历的是所有可用分区的。
版权声明: 本文为 InfoQ 作者【华为云开发者社区】的原创文章。
原文链接:【http://xie.infoq.cn/article/de0c4775db9b1649868cc9b3c】。文章转载请联系作者。
评论