Kafka Rebalance機制和選舉策略總結
自建博客地址：//www.bytelife.net，歡迎訪問！ 本文為博客同步發表文章，為了更好的閱讀體驗，建議您移步至我的博客👇
本文作者： Jeffrey
本文鏈接： //www.bytelife.net/articles/62460.html
版權聲明： 本博客所有文章除特別聲明外，均採用 BY-NC-SA 許可協議。轉載請註明出處！
Kafka作為大數據領域常用的消息中間件，其核心原理相對於其它消息中間件而言更為複雜，本文主要介紹Kafka消費者的rebalance機制以及controller broker選舉機制、副本選舉機制等實現原理。
Kafka簡易拓撲結構
Kafka核心總控制器Controller
在Kafka集群中會有一個或者多個broker，其中有一個broker會被選舉為控制器（Kafka Controller），它負責管理整個集群中所有分區和副本的狀態。
- 當某個分區的leader副本出現故障時，由控制器負責為該分區選舉新的leader副本。
- 當檢測到某個分區的ISR集合發生變化時，由控制器負責通知所有broker更新其元數據信息。
- 當使用
kafka-topics.sh腳本為某個topic增加分區數量時，同樣還是由控制器負責分區的重新分配。
Controller選舉機制
在kafka集群啟動的時候，會自動選舉一台broker作為controller來管理整個集群，選舉的過程是集群中每個broker都會嘗試在zookeeper上創建一個/controller臨時節點，zookeeper會保證有且僅有一個broker能創建成功，這個broker就會成為集群的總控器controller。
當這個controller角色的broker宕機了，此時zookeeper臨時節點會消失，集群里其他broker會一直監聽這個臨時節點，發現臨時節點消失了，就競爭再次創建臨時節點，zookeeper又會保證有一個broker成為新的controller。
Controller職責
具備控制器身份的broker需要比其他普通的broker多一份職責，具體細節如下：
- 監聽broker相關的變化。為Zookeeper中的
/brokers/ids/節點添加BrokerChangeListener，用來處理broker增減的變化。 - 監聽topic相關的變化。為Zookeeper中的
/brokers/topics節點添加TopicChangeListener，用來處理topic增減的變化；為Zookeeper中的/admin/delete_topics節點添加TopicDeletionListener，用來處理刪除topic的動作。 - 從Zookeeper中讀取獲取當前所有與topic、partition以及broker有關的信息並進行相應的管理。對於所有topic所對應的Zookeeper中的
/brokers/topics/[topic]節點添加PartitionModificationsListener，用來監聽topic中的分區分配變化。 - 更新集群的元數據信息，同步到其他普通的broker節點中。
Partition Replicates副本選舉機制
controller感知到分區leader所在的broker掛了(controller監聽了很多zk節點可以感知到broker存活)，controller會從每個parititon的replicas副本列表中取出第一個broker作為leader，當然這個broker需要也同時在ISR列表裡。
Consumer Rebalance機制
消費者消費消息的offset記錄機制
每個consumer會定期將自己消費分區的offset提交給kafka內部topic：__consumer_offsets，提交過去的時候，key是consumerGroupId+topic+分區號，value就是當前offset的值，kafka會定期清理topic里的消息，最後就保留最新的那條數據，因為__consumer_offsets可能會接收高並發的請求，kafka默認給其分配50個分區(可以通過offsets.topic.num.partitions設置)，這樣可以通過加機器的方式抗大並發。
消費者Rebalance機制
消費者rebalance發生在如果consumer group中某個消費者掛了，此時會自動把分配給他的分區交給其他的消費者，如果他又重啟了，那麼又會把一些分區重新交還給他如下情況可能會觸發消費者rebalance，常見的情況如下：
- consumer所在服務重啟或宕機了
- 動態給topic增加了分區
- 消費組訂閱了更多的topic
Rebalance過程
當有消費者加入消費組時，消費者、消費組及組協調器之間會經歷以下幾個階段。
第一階段：選擇組協調器
組協調器GroupCoordinator：每個consumer group都會選擇一個broker作為自己的組協調器coordinator，負責監控這個消費組裡的所有消費者的心跳，以及判斷是否宕機，然後開啟消費者rebalance。consumer group中的每個consumer啟動時會向kafka集群中的某個節點發送FindCoordinatorRequest請求來查找對應的組協調器GroupCoordinator，並跟其建立網絡連接。
組協調器選擇方式：通過如下公式可以選出consumer消費的offset要提交到__consumer_offsets的哪個分區，這個分區leader對應的broker就是這個consumer group的coordinator
公式：hash(consumer group id) % __consumer_offsets主題的分區數
第二階段：加入消費組JOIN GROUP
在成功找到消費組所對應的GroupCoordinator之後就進入加入消費組的階段，在此階段的消費者會向GroupCoordinator發送JoinGroupRequest請求，並處理響應。然後GroupCoordinator從一個consumer group中選擇第一個加入group的consumer作為leader(消費組協調器)，把consumer group情況發送給這個leader，接着這個leader會負責制定分區方案（由於rebalance等策略有客戶端配置決定，因此分區方案需要consumer來制定，以消費組協調器的配置為準）。
第三階段：SYNC GROUP
consumer leader通過給GroupCoordinator發送SyncGroupRequest，接着GroupCoordinator就把分區方案下發給各個consumer，他們會根據指定分區的leader broker進行網絡連接以及消息消費。
消費者Rebalance分區分配策略
主要有三種rebalance的策略：range、round-robin、sticky。 Kafka提供了消費者客戶端參數partition.assignment.strategy來設置消費者與訂閱主題之間的分區分配策略。
默認情況為range分配策略，假設一個主題有10個分區(0-9)，現在有三個consumer消費：
- range策略：按照分區序號排序，假設
n＝分區數／消費者數量=3，m＝分區數%消費者數量 = 1，那麼前m個消費者每個分配n+1個分區，後面的（消費者數量－m）個消費者每個分配n個分區。比如分區0-3給一個consumer，分區4-6給一個consumer，分區7-9給一個consumer。 - round-robin策略：輪詢分配，比如分區0、3、6、9給一個consumer，分區1、4、7給一個consumer，分區2、5、8給一個consumer
-
sticky策略：在rebalance的時候，需要保證如下兩個原則。
- 分區的分配要儘可能均勻。
- 分區的分配儘可能與上次分配的保持相同。
sticky策略當兩者發生衝突時，第一個目標優先於第二個目標。
這樣可以最大程度維持原來的分區分配的策略。比如對於第一種range情況的分配，如果第三個consumer掛了，那麼重新用sticky策略分配的結果如下：- consumer1除了原有的0~3，會再分配一個7
- consumer2除了原有的4~6，會再分配8和9
