Kafka宕機引發(fā)的高可用問(wèn)題

問(wèn)題要從一次Kafka的宕機開(kāi)始說(shuō)起。

筆者所在的是一家金融科技公司，但公司內部并沒(méi)有采用在金融支付領(lǐng)域更為流行的RabbitMQ，而是采用了設計之初就為日志處理而生的Kafka，所以我一直很好奇Kafka的高可用實(shí)現和保障。從Kafka部署后，系統內部使用的Kafka一直運行穩定，沒(méi)有出現不可用的情況。

但最近系統測試人員常反饋偶有Kafka消費者收不到消息的情況，登陸管理界面發(fā)現三個(gè)節點(diǎn)中有一個(gè)節點(diǎn)宕機掛掉了。但是按照高可用的理念，三個(gè)節點(diǎn)還有兩個(gè)節點(diǎn)可用怎么就引起了整個(gè)集群的消費者都接收不到消息呢?

要解決這個(gè)問(wèn)題，就要從Kafka的高可用實(shí)現開(kāi)始講起。

Kafka的多副本冗余設計

不管是傳統的基于關(guān)系型數據庫設計的系統，還是分布式的如zookeeper、redis、Kafka、HDFS等等，實(shí)現高可用的辦法通常是采用冗余設計，通過(guò)冗余來(lái)解決節點(diǎn)宕機不可用問(wèn)題。

首先簡(jiǎn)單了解Kafka的幾個(gè)概念：

物理模型

邏輯模型

Broker(節點(diǎn))：Kafka服務(wù)節點(diǎn)，簡(jiǎn)單來(lái)說(shuō)一個(gè)Broker就是一臺Kafka服務(wù)器，一個(gè)物理節點(diǎn)。

Topic(主題)：在Kafka中消息以主題為單位進(jìn)行歸類(lèi)，每個(gè)主題都有一個(gè)Topic Name，生產(chǎn)者根據Topic Name將消息發(fā)送到特定的Topic，消費者則同樣根據Topic Name從對應的Topic進(jìn)行消費。

Partition(分區)：Topic(主題)是消息歸類(lèi)的一個(gè)單位，但每一個(gè)主題還能再細分為一個(gè)或多個(gè)Partition(分區)，一個(gè)分區只能屬于一個(gè)主題。主題和分區都是邏輯上的概念，舉個(gè)例子，消息1和消息2都發(fā)送到主題1，它們可能進(jìn)入同一個(gè)分區也可能進(jìn)入不同的分區(所以同一個(gè)主題下的不同分區包含的消息是不同的)，之后便會(huì )發(fā)送到分區對應的Broker節點(diǎn)上。

Offset(偏移量)：分區可以看作是一個(gè)只進(jìn)不出的隊列(Kafka只保證一個(gè)分區內的消息是有序的)，消息會(huì )往這個(gè)隊列的尾部追加，每個(gè)消息進(jìn)入分區后都會(huì )有一個(gè)偏移量，標識該消息在該分區中的位置，消費者要消費該消息就是通過(guò)偏移量來(lái)識別。

其實(shí)，根據上述的幾個(gè)概念，是不是也多少猜到了Kafka的多副本冗余設計實(shí)現了?別急，咱繼續往下看。

在Kafka 0.8版本以前，是沒(méi)有多副本冗余機制的，一旦一個(gè)節點(diǎn)掛掉，那么這個(gè)節點(diǎn)上的所有Partition的數據就無(wú)法再被消費。這就等于發(fā)送到Topic的有一部分數據丟失了。

在0.8版本后引入副本記者則很好地解決宕機后數據丟失的問(wèn)題。副本是以Topic中每個(gè)Partition的數據為單位，每個(gè)Partition的數據會(huì )同步到其他物理節點(diǎn)上，形成多個(gè)副本。

每個(gè)Partition的副本都包括一個(gè)Leader副本和多個(gè)Follower副本，Leader由所有的副本共同選舉得出，其他副本則都為Follower副本。在生產(chǎn)者寫(xiě)或者消費者讀的時(shí)候，都只會(huì )與Leader打交道，在寫(xiě)入數據后Follower就會(huì )來(lái)拉取數據進(jìn)行數據同步。

就這么簡(jiǎn)單?是的，基于上面這張多副本架構圖就實(shí)現了Kafka的高可用。當某個(gè)Broker掛掉了，甭?lián)?，這個(gè)Broker上的Partition在其他Broker節點(diǎn)上還有副本。你說(shuō)如果掛掉的是Leader怎么辦?那就在Follower中在選舉出一個(gè)Leader即可，生產(chǎn)者和消費者又可以和新的Leader愉快地玩耍了，這就是高可用。

你可能還有疑問(wèn)，那要多少個(gè)副本才算夠用?Follower和Leader之間沒(méi)有完全同步怎么辦?一個(gè)節點(diǎn)宕機后Leader的選舉規則是什么?

直接拋結論：

多少個(gè)副本才算夠用? 副本肯定越多越能保證Kafka的高可用，但越多的副本意味著(zhù)網(wǎng)絡(luò )、磁盤(pán)資源的消耗更多，性能會(huì )有所下降，通常來(lái)說(shuō)副本數為3即可保證高可用，極端情況下將replication-factor參數調大即可。

Follower和Lead之間沒(méi)有完全同步怎么辦? Follower和Leader之間并不是完全同步，但也不是完全異步，而是采用一種ISR機制(In-Sync Replica)。每個(gè)Leader會(huì )動(dòng)態(tài)維護一個(gè)ISR列表，該列表里存儲的是和Leader基本同步的Follower。如果有Follower由于網(wǎng)絡(luò )、GC等原因而沒(méi)有向Leader發(fā)起拉取數據請求，此時(shí)Follower相對于Leader是不同步的，則會(huì )被踢出ISR列表。所以說(shuō)，ISR列表中的Follower都是跟得上Leader的副本。

一個(gè)節點(diǎn)宕機后Leader的選舉規則是什么? 分布式相關(guān)的選舉規則有很多，像Zookeeper的Zab、Raft、Viewstamped Replication、微軟的PacificA等。而Kafka的Leader選舉思路很簡(jiǎn)單，基于我們上述提到的ISR列表，當宕機后會(huì )從所有副本中順序查找，如果查找到的副本在ISR列表中，則當選為L(cháng)eader。另外還要保證前任Leader已經(jīng)是退位狀態(tài)了，否則會(huì )出現腦裂情況(有兩個(gè)Leader)。怎么保證?Kafka通過(guò)設置了一個(gè)controller來(lái)保證只有一個(gè)Leader。

Ack參數決定了可靠程度

另外，這里補充一個(gè)面試考Kafka高可用必備知識點(diǎn)：request.required.asks參數。

Asks這個(gè)參數是生產(chǎn)者客戶(hù)端的重要配置，發(fā)送消息的時(shí)候就可設置這個(gè)參數。該參數有三個(gè)值可配置：0、1、All。

第一種是設為0，意思是生產(chǎn)者把消息發(fā)送出去之后，之后這消息是死是活咱就不管了，有那么點(diǎn)發(fā)后即忘的意思，說(shuō)出去的話(huà)就不負責了。不負責自然這消息就有可能丟失，那就把可用性也丟失了。

第二種是設為1，意思是生產(chǎn)者把消息發(fā)送出去之后，這消息只要順利傳達給了Leader，其他Follower有沒(méi)有同步就無(wú)所謂了。存在一種情況，Leader剛收到了消息，Follower還沒(méi)來(lái)得及同步Broker就宕機了，但生產(chǎn)者已經(jīng)認為消息發(fā)送成功了，那么此時(shí)消息就丟失了。注意，設為1是Kafka的默認配置!可見(jiàn)Kafka的默認配置也不是那么高可用，而是對高可用和高吞吐量做了權衡折中。

第三種是設為All(或者-1)，意思是生產(chǎn)者把消息發(fā)送出去之后，不僅Leader要接收到，ISR列表中的Follower也要同步到，生產(chǎn)者才會(huì )任務(wù)消息發(fā)送成功。

進(jìn)一步思考，Asks=All就不會(huì )出現丟失消息的情況嗎?答案是否。當ISR列表只剩Leader的情況下，Asks=All相當于A(yíng)sks=1，這種情況下如果節點(diǎn)宕機了，還能保證數據不丟失嗎?因此只有在A(yíng)sks=All并且有ISR中有兩個(gè)副本的情況下才能保證數據不丟失。

解決問(wèn)題

繞了一大圈，了解了Kafka的高可用機制，終于回到我們一開(kāi)始的問(wèn)題本身，Kafka的一個(gè)節點(diǎn)宕機后為什么不可用?

我在開(kāi)發(fā)測試環(huán)境配置的Broker節點(diǎn)數是3，Topic是副本數為3，Partition數為6，Asks參數為1。

當三個(gè)節點(diǎn)中某個(gè)節點(diǎn)宕機后，集群首先會(huì )怎么做?沒(méi)錯，正如我們上面所說(shuō)的，集群發(fā)現有Partition的Leader失效了，這個(gè)時(shí)候就要從ISR列表中重新選舉Leader。如果ISR列表為空是不是就不可用了?并不會(huì )，而是從Partition存活的副本中選擇一個(gè)作為L(cháng)eader，不過(guò)這就有潛在的數據丟失的隱患了。

所以，只要將Topic副本個(gè)數設置為和Broker個(gè)數一樣，Kafka的多副本冗余設計是可以保證高可用的，不會(huì )出現一宕機就不可用的情況(不過(guò)需要注意的是Kafka有一個(gè)保護策略，當一半以上的節點(diǎn)不可用時(shí)Kafka就會(huì )停止)。那仔細一想，Kafka上是不是有副本個(gè)數為1的Topic?

問(wèn)題出在了__consumer_offset上，__consumer_offset是一個(gè)Kafka自動(dòng)創(chuàng )建的Topic，用來(lái)存儲消費者消費的offset(偏移量)信息，默認Partition數為50。而就是這個(gè)Topic，它的默認副本數為1。如果所有的Partition都存在于同一臺機器上，那就是很明顯的單點(diǎn)故障了!當將存儲__consumer_offset的Partition的Broker給Kill后，會(huì )發(fā)現所有的消費者都停止消費了。

這個(gè)問(wèn)題怎么解決?

第一點(diǎn)，需要將__consumer_offset刪除，注意這個(gè)Topic時(shí)Kafka內置的Topic，無(wú)法用命令刪除，我是通過(guò)將logs刪了來(lái)實(shí)現刪除。

第二點(diǎn)，需要通過(guò)設置offsets.topic.replication.factor為3來(lái)將__consumer_offset的副本數改為3。

通過(guò)將__consumer_offset也做副本冗余后來(lái)解決某個(gè)節點(diǎn)宕機后消費者的消費問(wèn)題。

最后，關(guān)于為什么__consumer_offset的Partition會(huì )出現只存儲在一個(gè)Broker上而不是分布在各個(gè)Broker上感到困惑，如果有朋友了解的煩請指教~