Kafka宕機引發(fā)的高可用問題

問題要從一次Kafka的宕機開始說起。

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

但最近系統(tǒng)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(xiàn)三個節(jié)點中有一個節(jié)點宕機掛掉了。但是按照高可用的理念，三個節(jié)點還有兩個節(jié)點可用怎么就引起了整個集群的消費者都接收不到消息呢?

要解決這個問題，就要從Kafka的高可用實現(xiàn)開始講起。

Kafka的多副本冗余設(shè)計

不管是傳統(tǒng)的基于關(guān)系型數(shù)據(jù)庫設(shè)計的系統(tǒng)，還是分布式的如zookeeper、redis、Kafka、HDFS等等，實現(xiàn)高可用的辦法通常是采用冗余設(shè)計，通過冗余來解決節(jié)點宕機不可用問題。

首先簡單了解Kafka的幾個概念：

物理模型

邏輯模型

Broker(節(jié)點)：Kafka服務(wù)節(jié)點，簡單來說一個Broker就是一臺Kafka服務(wù)器，一個物理節(jié)點。

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

Partition(分區(qū))：Topic(主題)是消息歸類的一個單位，但每一個主題還能再細分為一個或多個Partition(分區(qū))，一個分區(qū)只能屬于一個主題。主題和分區(qū)都是邏輯上的概念，舉個例子，消息1和消息2都發(fā)送到主題1，它們可能進入同一個分區(qū)也可能進入不同的分區(qū)(所以同一個主題下的不同分區(qū)包含的消息是不同的)，之后便會發(fā)送到分區(qū)對應(yīng)的Broker節(jié)點上。

Offset(偏移量)：分區(qū)可以看作是一個只進不出的隊列(Kafka只保證一個分區(qū)內(nèi)的消息是有序的)，消息會往這個隊列的尾部追加，每個消息進入分區(qū)后都會有一個偏移量，標(biāo)識該消息在該分區(qū)中的位置，消費者要消費該消息就是通過偏移量來識別。

其實，根據(jù)上述的幾個概念，是不是也多少猜到了Kafka的多副本冗余設(shè)計實現(xiàn)了?別急，咱繼續(xù)往下看。

在Kafka 0.8版本以前，是沒有多副本冗余機制的，一旦一個節(jié)點掛掉，那么這個節(jié)點上的所有Partition的數(shù)據(jù)就無法再被消費。這就等于發(fā)送到Topic的有一部分數(shù)據(jù)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(shù)據(jù)丟失的問題。副本是以Topic中每個Partition的數(shù)據(jù)為單位，每個Partition的數(shù)據(jù)會同步到其他物理節(jié)點上，形成多個副本。

每個Partition的副本都包括一個Leader副本和多個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)者寫或者消費者讀的時候，都只會與Leader打交道，在寫入數(shù)據(jù)后Follower就會來拉取數(shù)據(jù)進行數(shù)據(jù)同步。

就這么簡單?是的，基于上面這張多副本架構(gòu)圖就實現(xiàn)了Kafka的高可用。當(dāng)某個Broker掛掉了，甭?lián)?，這個Broker上的Partition在其他Broker節(jié)點上還有副本。你說如果掛掉的是Leader怎么辦?那就在Follower中在選舉出一個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，那要多少個副本才算夠用?Follower和Leader之間沒有完全同步怎么辦?一個節(jié)點宕機后Leader的選舉規(guī)則是什么?

直接拋結(jié)論：

多少個副本才算夠用? 副本肯定越多越能保證Kafka的高可用，但越多的副本意味著網(wǎng)絡(luò)、磁盤資源的消耗更多，性能會有所下降，通常來說副本數(shù)為3即可保證高可用，極端情況下將replication-factor參數(shù)調(diào)大即可。

Follower和Lead之間沒有完全同步怎么辦? 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Leader會動態(tài)維護一個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等原因而沒有向Leader發(fā)起拉取數(shù)據(jù)請求，此時Follower相對于Leader是不同步的，則會被踢出ISR列表。所以說，ISR列表中的Follower都是跟得上Leader的副本。

一個節(jié)點宕機后Leader的選舉規(guī)則是什么? 分布式相關(guān)的選舉規(guī)則有很多，像Zookeeper的Zab、Raft、Viewstamped Replication、微軟的PacificA等。而Kafka的Leader選舉思路很簡單，基于我們上述提到的ISR列表，當(dāng)宕機后會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(dāng)選為Leader。另外還要保證前任Leader已經(jīng)是退位狀態(tài)了，否則會出現(xiàn)腦裂情況(有兩個Leader)。怎么保證?Kafka通過設(shè)置了一個controller來保證只有一個Leader。

Ack參數(shù)決定了可靠程度

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

Asks這個參數(shù)是生產(chǎn)者客戶端的重要配置，發(fā)送消息的時候就可設(shè)置這個參數(shù)。該參數(shù)有三個值可配置：0、1、All。

第一種是設(shè)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，有那么點發(fā)后即忘的意思，說出去的話就不負責(zé)了。不負責(zé)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(shè)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有沒有同步就無所謂了。存在一種情況，Leader剛收到了消息，F(xiàn)ollower還沒來得及同步Broker就宕機了，但生產(chǎn)者已經(jīng)認為消息發(fā)送成功了，那么此時消息就丟失了。注意，設(shè)為1是Kafka的默認配置!可見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(quán)衡折中。

第三種是設(shè)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)者才會任務(wù)消息發(fā)送成功。

進一步思考，Asks=All就不會出現(xiàn)丟失消息的情況嗎?答案是否。當(dāng)ISR列表只剩Leader的情況下，Asks=All相當(dāng)于Asks=1，這種情況下如果節(jié)點宕機了，還能保證數(shù)據(jù)不丟失嗎?因此只有在Asks=All并且有ISR中有兩個副本的情況下才能保證數(shù)據(jù)不丟失。

解決問題

繞了一大圈，了解了Kafka的高可用機制，終于回到我們一開始的問題本身，Kafka的一個節(jié)點宕機后為什么不可用?

我在開發(fā)測試環(huán)境配置的Broker節(jié)點數(shù)是3，Topic是副本數(shù)為3，Partition數(shù)為6，Asks參數(shù)為1。

當(dāng)三個節(jié)點中某個節(jié)點宕機后，集群首先會怎么做?沒錯，正如我們上面所說的，集群發(fā)現(xiàn)有Partition的Leader失效了，這個時候就要從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，而是從Partition存活的副本中選擇一個作為Leader，不過這就有潛在的數(shù)據(jù)丟失的隱患了。

所以，只要將Topic副本個數(shù)設(shè)置為和Broker個數(shù)一樣，Kafka的多副本冗余設(shè)計是可以保證高可用的，不會出現(xiàn)一宕機就不可用的情況(不過需要注意的是Kafka有一個保護策略，當(dāng)一半以上的節(jié)點不可用時Kafka就會停止)。那仔細一想，Kafka上是不是有副本個數(shù)為1的Topic?

問題出在了__consumer_offset上，__consumer_offset是一個Kafka自動創(chuàng)建的Topic，用來存儲消費者消費的offset(偏移量)信息，默認Partition數(shù)為50。而就是這個Topic，它的默認副本數(shù)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故障了!當(dāng)將存儲__consumer_offset的Partition的Broker給Kill后，會發(fā)現(xiàn)所有的消費者都停止消費了。

這個問題怎么解決?

第一點，需要將__consumer_offset刪除，注意這個Topic時Kafka內(nèi)置的Topic，無法用命令刪除，我是通過將logs刪了來實現(xiàn)刪除。

第二點，需要通過設(shè)置offsets.topic.replication.factor為3來將__consumer_offset的副本數(shù)改為3。

通過將__consumer_offset也做副本冗余后來解決某個節(jié)點宕機后消費者的消費問題。

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