摘要：但是我們明顯能感覺(jué)到這會(huì)降低吞吐量，因?yàn)橄⒉荒懿⑿型哆f了，而且會(huì)阻塞等待，也沒(méi)法發(fā)揮的威力。

最近在看kafka的代碼，就免不了想看看消息隊(duì)列的一些要點(diǎn)：服務(wù)質(zhì)量（QOS）、性能、擴(kuò)展性等等，下面一一探索這些概念，并談?wù)勗谔囟ǖ南㈥?duì)列如kafka或者mosquito中是如何具體實(shí)現(xiàn)這些概念的。

服務(wù)質(zhì)量一般可以分為三個(gè)級(jí)別，下面說(shuō)明它們不同語(yǔ)義。

至多一次，消息可能丟失，但絕不會(huì)重復(fù)傳輸。
生產(chǎn)者：完全依賴(lài)底層TCP/IP的傳輸可靠性，不做特殊處理，所謂“發(fā)送即忘”。kafka中設(shè)置acks=0。
消費(fèi)者：先保存消費(fèi)進(jìn)度，再處理消息。kafka中設(shè)置消費(fèi)者自動(dòng)提交偏移量并設(shè)置較短的提交時(shí)間間隔。

至少一次，消息絕不會(huì)丟，但是可能會(huì)重復(fù)。
生產(chǎn)者：要做消息防丟失的保證。kafka中設(shè)置acks=1 或 all并設(shè)置retries>0。
消費(fèi)者：先處理消息，再保存消費(fèi)進(jìn)度。kafka中設(shè)置消費(fèi)者自動(dòng)提交偏移量并設(shè)置很長(zhǎng)的提交時(shí)間間隔，或者直接關(guān)閉自動(dòng)提交偏移量，處理消息后手動(dòng)調(diào)用同步模式的偏移量提交。

精確一次，每條消息肯定會(huì)被傳輸一次且僅一次。
這個(gè)級(jí)別光靠消息隊(duì)列本身并不好保證，有可能要依賴(lài)外部組件。
生產(chǎn)者：要做消息防丟失的保證。kafka中設(shè)置acks=1 或 all并設(shè)置retries>0。mosquito中通過(guò)四步握手與DUP、MessageID等標(biāo)識(shí)來(lái)實(shí)現(xiàn)單次語(yǔ)義。
消費(fèi)者：要做消息防重復(fù)的保證，有多種方案，如：在保存消費(fèi)進(jìn)度和處理消息這兩個(gè)操作中引入兩階段提交協(xié)議；讓消息冪等；讓消費(fèi)處理與進(jìn)度保存處于一個(gè)事務(wù)中來(lái)保證原子性。kafka中關(guān)閉自動(dòng)提交偏移量，并設(shè)置自定義的再平衡監(jiān)聽(tīng)器，監(jiān)聽(tīng)到分區(qū)發(fā)生變化時(shí)從外部組件讀取或者存儲(chǔ)偏移量，保證自己或者其他消費(fèi)者在更換分區(qū)時(shí)能讀到最新的偏移量從而避免重復(fù)。總之就是結(jié)合ConsumerRebalanceListener、seek和一個(gè)外部系統(tǒng)（如支持事務(wù)的數(shù)據(jù)庫(kù)）共同來(lái)實(shí)現(xiàn)單次語(yǔ)義。此外，kafka還提供了GUID以便用戶(hù)自行實(shí)現(xiàn)去重。kafka 0.11版本通過(guò)3個(gè)大的改動(dòng)支持EOS：1.冪等的producer；2. 支持事務(wù)；3. 支持EOS的流式處理(保證讀-處理-寫(xiě)全鏈路的EOS)。
這三個(gè)級(jí)別可靠性依次增加，但是延遲和帶寬占用也會(huì)增加，所以實(shí)際情況中，要依據(jù)業(yè)務(wù)類(lèi)型做出權(quán)衡。

上面的三個(gè)語(yǔ)義不僅需要生產(chǎn)者和消費(fèi)者的配合實(shí)現(xiàn)，還要broker本身的可靠性來(lái)進(jìn)行保證。可靠性就是只要broker向producer發(fā)出確認(rèn)，就一定要保證這個(gè)消息可以被consumer獲取。

kafka 中一個(gè)topic有多個(gè)partition，每個(gè)partition又有多個(gè)replica，所有replica中有一個(gè)leader，ISR是一定要同步leader后才能返回提交成功的replica集，OSR內(nèi)的replica盡力的去同步leader，可能數(shù)據(jù)版本會(huì)落后。在kafka工作的過(guò)程中，如果某個(gè)replica同步速度慢于replica.lag.time.max.ms指定的閾值，則被踢出ISR存入OSR，如果后續(xù)速度恢復(fù)可以回到ISR中?？梢耘渲?b>min.insync.replicas指定ISR中的replica最小數(shù)量，默認(rèn)該值為1。LEO是分區(qū)的最新數(shù)據(jù)的offset，當(dāng)數(shù)據(jù)寫(xiě)入leader后，LEO就立即執(zhí)行該最新數(shù)據(jù)，相當(dāng)于最新數(shù)據(jù)標(biāo)識(shí)位。HW是當(dāng)寫(xiě)入的數(shù)據(jù)被同步到所有的ISR中的副本后，數(shù)據(jù)才認(rèn)為已提交，HW更新到該位置，HW之前的數(shù)據(jù)才可以被消費(fèi)者訪問(wèn)，保證沒(méi)有同步完成的數(shù)據(jù)不會(huì)被消費(fèi)者訪問(wèn)到，相當(dāng)于所有副本同步數(shù)據(jù)標(biāo)識(shí)位。

每個(gè)partition的所有replica需要進(jìn)行leader選舉（依賴(lài)ZooKeeper）。在leader宕機(jī)后，只能從ISR列表中選取新的leader，無(wú)論ISR中哪個(gè)副本被選為新的leader，它都知道HW之前的數(shù)據(jù)，可以保證在切換了leader后，消費(fèi)者可以繼續(xù)看到HW之前已經(jīng)提交的數(shù)據(jù)。當(dāng)ISR中所有replica都宕機(jī)該partition就不可用了，可以設(shè)置unclean.leader.election.enable=true，該選項(xiàng)使得kafka選擇任何一個(gè)活的replica成為leader然后繼續(xù)工作，此replica可能不在ISR中，就可能導(dǎo)致數(shù)據(jù)丟失。所以實(shí)際使用中需要進(jìn)行可用性與可靠性的權(quán)衡。

kafka建議數(shù)據(jù)可靠存儲(chǔ)不依賴(lài)于數(shù)據(jù)強(qiáng)制刷盤(pán)（會(huì)影響整體性能），而是依賴(lài)于replica。

順序消費(fèi)是指消費(fèi)者處理消息的順序與生產(chǎn)者投放消息的順序一致。
主要可能破壞順序的場(chǎng)景是生產(chǎn)者投放兩條消息AB，然后A失敗重投遞導(dǎo)致消費(fèi)者拿到的消息是BA。

kafka中能保證分區(qū)內(nèi)部消息的有序性，其做法是設(shè)置max.in.flight.requests.per.connection=1，也就是說(shuō)生產(chǎn)者在未得到broker對(duì)消息A的確認(rèn)情況下是不會(huì)發(fā)送消息B的，這樣就能保證broker存儲(chǔ)的消息有序，自然消費(fèi)者請(qǐng)求到的消息也是有序的。
但是我們明顯能感覺(jué)到這會(huì)降低吞吐量，因?yàn)橄⒉荒懿⑿型哆f了，而且會(huì)阻塞等待，也沒(méi)法發(fā)揮 batch 的威力。
如果想要整個(gè)topic有序，那就只能一個(gè)topic一個(gè)partition了，一個(gè)consumer group也就只有一個(gè)consumer了。這樣就違背了kafka高吞吐的初衷。

重復(fù)消費(fèi)是指一個(gè)消息被消費(fèi)者重復(fù)消費(fèi)了。 這個(gè)問(wèn)題也是上面第三個(gè)語(yǔ)義需要解決的。

一般的消息系統(tǒng)如kafka或者類(lèi)似的rocketmq都不能也不提倡在系統(tǒng)內(nèi)部解決，而是配合第三方組件，讓用戶(hù)自己去解決。究其原因還是解決問(wèn)題的成本與解決問(wèn)題后獲得的價(jià)值不匹配，所以干脆不解決，就像操作系統(tǒng)對(duì)待死鎖一樣，采取“鴕鳥(niǎo)政策”。
但是kafka 0.11還是處理了這個(gè)問(wèn)題，見(jiàn)發(fā)行說(shuō)明，維護(hù)者是想讓用戶(hù)無(wú)可挑剔嘛 [笑cry]。

衡量一個(gè)消息系統(tǒng)的性能有許多方面，最常見(jiàn)的就是下面幾個(gè)指標(biāo)。

是指系統(tǒng)在同一時(shí)刻能支持多少個(gè)生產(chǎn)者或者消費(fèi)者的連接總數(shù)。連接數(shù)和broker采用的網(wǎng)絡(luò)IO模型直接相關(guān)，常見(jiàn)模型有：單線程、連接每線程、Reactor、Proactor等。
單線程一時(shí)刻只能處理一個(gè)連接，連接每線程受制于server的線程數(shù)量，Reactor是目前主流的高性能網(wǎng)絡(luò)IO模型，Proactor由于操作系統(tǒng)對(duì)真異步的支持不太行所以尚未流行。

kafka的broker采用了類(lèi)似于Netty的Reactor模型：1（1個(gè)Acceptor線程）+N（N個(gè)Processor線程）+M（M個(gè)Work線程）。
其中Acceptor負(fù)責(zé)監(jiān)聽(tīng)新的連接請(qǐng)求，同時(shí)注冊(cè)OPACCEPT事件，將新的連接按照RoundRobin的方式交給某個(gè)Processor線程處理。
每個(gè)Processor都有一個(gè)NIO selector，向 Acceptor分配的 SocketChannel 注冊(cè) OPREAD、OPWRITE事件，對(duì)socket進(jìn)行讀寫(xiě)。N由num.networker.threads決定。
Worker負(fù)責(zé)具體的業(yè)務(wù)邏輯如：從requestQueue中讀取請(qǐng)求、數(shù)據(jù)存儲(chǔ)到磁盤(pán)、把響應(yīng)放進(jìn)responseQueue中等等。M的大小由num.io.threads決定。

Reactor模型一般基于IO多路復(fù)用（如select，epoll），是非阻塞的，所以少量的線程能處理大量的連接。
如果大量的連接都是idle的，那么Reactor使用epoll的效率是杠杠的，如果大量的連接都是活躍的，此時(shí)如果沒(méi)有Proactor的支持就最好把epoll換成select或者poll。
具體做法是-Djava.nio.channels.spi.SelectorProvider把sun.nio.ch包下面的EPollSelectorProvider換成PollSelectorProvider。

是指系統(tǒng)每秒能處理的請(qǐng)求數(shù)量。QPS通常可以體現(xiàn)吞吐量（該術(shù)語(yǔ)很廣，可以用TPS/QPS、PV、UV、業(yè)務(wù)數(shù)/小時(shí)等單位體現(xiàn)）的大小。

kafka中由于可以采用 batch 的方式（還可以壓縮），所以每秒鐘可以處理的請(qǐng)求很多（因?yàn)闇p少了解析量、網(wǎng)絡(luò)往復(fù)次數(shù)、磁盤(pán)IO次數(shù)等）。另一方面，kafka每一個(gè)topic都有多個(gè)partition，所以同一個(gè)topic下可以并行（注意不是并發(fā)喲）服務(wù)多個(gè)生產(chǎn)者和消費(fèi)者，這也提高了吞吐量。

平均響應(yīng)時(shí)間是指每個(gè)請(qǐng)求獲得響應(yīng)需要的等待時(shí)間。

kafka中處理請(qǐng)求的瓶頸（也就是最影響響應(yīng)時(shí)間的因素）最有可能出現(xiàn)在哪些地方呢？
網(wǎng)絡(luò)？ 有可能，但是這個(gè)因素總體而言不是kafka能控制的，kafka可以對(duì)消息進(jìn)行編碼壓縮并批量提交，減少帶寬占用；
磁盤(pán)？ 很有可能，所以kafka從分利用OS的pagecache，并且對(duì)磁盤(pán)采用順序?qū)?/strong>，這樣能大大提升磁盤(pán)的寫(xiě)入速度。同時(shí)kafka還使用了零拷貝技術(shù)，把普通的拷貝過(guò)程：disk->read buffer->app buffer->socket buffer->NIC buffer 中，read buffer到app buffer的拷貝過(guò)程省略了（所以上下文切換也減少了），加快了處理速度。這個(gè)功能依賴(lài)于 java 的 transferTo，底層由 linux 的sendfile系統(tǒng)調(diào)用實(shí)現(xiàn)。在 linux2.4及以上 中，數(shù)據(jù)可以直接從 read buffer 拷貝到 NIC buffer ，達(dá)到了最短拷貝路徑。
此外還有文件分段技術(shù)，每個(gè)partition都分為多個(gè)segment，避免了大文件操作的同時(shí)提高了并行度。
CPU？ 不大可能，因?yàn)橄㈥?duì)列的使用并不涉及大量的計(jì)算，常見(jiàn)消耗有線程切換、編解碼、壓縮解壓、內(nèi)存拷貝等，這些在大數(shù)據(jù)處理中一般不是瓶頸。