uncategorized

Kafka为什么如此的快

Kafka是分布式的消息系统,需要处理海量的消息,Kafka的设计初衷是把所有消息都写入速度
低容量大的硬盘,以此来换取更强的存储能力,但是实际上,使用硬盘并没有带来
过性能的损失,这究竟为何?

Kafka主要使用以下几种方式实现了超高吞吐率的

顺序读写

Kafka的消息是不断追加到文件中的,这个特性使它可以充分利用磁盘的顺序读写能力。
顺序读写降低了硬盘磁头的寻道时间,只需要很少的扇区旋转时间,所以速度远快于
随机读写。Kafka官方给出的测试数据(Raid-5, 7200rpm)
顺序I/O: 600MB/s
随机I/O: 100KB/s

零拷贝

先简单的了解下文件系统的操作流程,例如一个程序要把文件内容发送到网络。
这个过程发生在用户空间,文件和网络socket属于硬件资源,两者之间有一个
内核空间,在操作系统内部,整个过程为:
image
在Linux Kernal 2.2之后出现了一种叫做“零拷贝(zero-copy)”系统调用机制,
就是跳过“用户缓冲区”的拷贝,建立一个磁盘空间和内存空间的直接映射,数据不再复制到“用户态缓冲区”
系统上下文切换减少2次,可以提升一倍性能
image

文件分段

Kafka的队列topic被分为了多个区partition, 每个partition又分为了多个segment,
所以一个队列中的消息实际上是保存在N多个片段文件中
image
通过分段的方式,每次文件操作都是对一个小文件的操作,非常轻便,同时也增加了并行处理能力

批量发送

Kafka允许进行批量消息发送,先将消息缓存在内存中,然后一次请求批量发送出去,
比如可以指定缓存的消息达到某个量的时候发送,或者缓存了固定的时间后发送
这种策略大大减少了服务器端的I/O次数

数据压缩

Kafka还支持消息压缩,Producer可以通过GZIP或者Snappy格式对消息集合进行压缩,
从而减少网络传输的压力

其实这些优化都是比较常用的手段,在自己的分布式应用中可以借鉴12