|
|
|
|
|
# 15 | Kafka如何实现高性能IO？
|
|
|
|
|
|
|
|
|
|
|
|
你好，我是李玥。
|
|
|
|
|
|
|
|
|
|
|
|
Apache Kafka是一个高性能的消息队列，在众多消息队列产品中，Kafka的性能绝对是处于第一梯队的。我曾经在一台配置比较好的服务器上，对Kafka做过极限的性能压测，Kafka单个节点的极限处理能力接近每秒钟2000万条消息，吞吐量达到每秒钟600MB。
|
|
|
|
|
|
|
|
|
|
|
|
你可能会问，Kafka是如何做到这么高的性能的？
|
|
|
|
|
|
|
|
|
|
|
|
我们在专栏“进阶篇”的前几节课，讲的知识点一直围绕着同一个主题：怎么开发一个高性能的网络应用程序。其中提到了像全异步化的线程模型、高性能的异步网络传输、自定义的私有传输协议和序列化、反序列化等等，这些方法和优化技巧，你都可以在Kafka的源代码中找到对应的实现。
|
|
|
|
|
|
|
|
|
|
|
|
在性能优化方面，除了这些通用的性能优化手段之外，Kafka还有哪些“独门绝技”呢？
|
|
|
|
|
|
|
|
|
|
|
|
这节课，我来为你一一揭晓这些绝技。
|
|
|
|
|
|
|
|
|
|
|
|
## 使用批量消息提升服务端处理能力
|
|
|
|
|
|
|
|
|
|
|
|
我们知道，批量处理是一种非常有效的提升系统吞吐量的方法。在Kafka内部，消息都是以“批”为单位处理的。一批消息从发送端到接收端，是如何在Kafka中流转的呢？
|
|
|
|
|
|
|
|
|
|
|
|
我们先来看发送端，也就是Producer这一端。
|
|
|
|
|
|
|
|
|
|
|
|
在Kafka的客户端SDK（软件开发工具包）中，Kafka的Producer只提供了单条发送的send()方法，并没有提供任何批量发送的接口。原因是，Kafka根本就没有提供单条发送的功能，是的，你没有看错，虽然它提供的API每次只能发送一条消息，但实际上，Kafka的客户端SDK在实现消息发送逻辑的时候，采用了异步批量发送的机制。
|
|
|
|
|
|
|
|
|
|
|
|
当你调用send()方法发送一条消息之后，无论你是同步发送还是异步发送，Kafka都不会立即就把这条消息发送出去。它会先把这条消息，存放在内存中缓存起来，然后选择合适的时机把缓存中的所有消息组成一批，一次性发给Broker。简单地说，就是攒一波一起发。
|
|
|
|
|
|
|
|
|
|
|
|
在Kafka的服务端，也就是Broker这一端，又是如何处理这一批一批的消息呢？
|
|
|
|
|
|
|
|
|
|
|
|
在服务端，Kafka不会把一批消息再还原成多条消息，再一条一条地处理，这样太慢了。Kafka这块儿处理的非常聪明，每批消息都会被当做一个“批消息”来处理。也就是说，在Broker整个处理流程中，无论是写入磁盘、从磁盘读出来、还是复制到其他副本这些流程中，**批消息都不会被解开，一直是作为一条“批消息”来进行处理的。**
|
|
|
|
|
|
|
|
|
|
|
|
在消费时，消息同样是以批为单位进行传递的，Consumer从Broker拉到一批消息后，在客户端把批消息解开，再一条一条交给用户代码处理。
|
|
|
|
|
|
|
|
|
|
|
|
比如说，你在客户端发送30条消息，在业务程序看来，是发送了30条消息，而对于Kafka的Broker来说，它其实就是处理了1条包含30条消息的“批消息”而已。显然处理1次请求要比处理30次请求要快得多。
|
|
|
|
|
|
|
|
|
|
|
|
构建批消息和解开批消息分别在发送端和消费端的客户端完成，不仅减轻了Broker的压力，最重要的是减少了Broker处理请求的次数，提升了总体的处理能力。
|
|
|
|
|
|
|
|
|
|
|
|
这就是Kafka用批量消息提升性能的方法。
|
|
|
|
|
|
|
|
|
|
|
|
我们知道，相比于网络传输和内存，磁盘IO的速度是比较慢的。对于消息队列的服务端来说，性能的瓶颈主要在磁盘IO这一块。接下来我们看一下，Kafka在磁盘IO这块儿做了哪些优化。
|
|
|
|
|
|
|
|
|
|
|
|
## 使用顺序读写提升磁盘IO性能
|
|
|
|
|
|
|
|
|
|
|
|
对于磁盘来说，它有一个特性，就是顺序读写的性能要远远好于随机读写。在SSD（固态硬盘）上，顺序读写的性能要比随机读写快几倍，如果是机械硬盘，这个差距会达到几十倍。为什么呢？
|
|
|
|
|
|
|
|
|
|
|
|
操作系统每次从磁盘读写数据的时候，需要先寻址，也就是先要找到数据在磁盘上的物理位置，然后再进行数据读写。如果是机械硬盘，这个寻址需要比较长的时间，因为它要移动磁头，这是个机械运动，机械硬盘工作的时候会发出咔咔的声音，就是移动磁头发出的声音。
|
|
|
|
|
|
|
|
|
|
|
|
顺序读写相比随机读写省去了大部分的寻址时间，它只要寻址一次，就可以连续地读写下去，所以说，性能要比随机读写要好很多。
|
|
|
|
|
|
|
|
|
|
|
|
Kafka就是充分利用了磁盘的这个特性。它的存储设计非常简单，对于每个分区，它把从Producer收到的消息，顺序地写入对应的log文件中，一个文件写满了，就开启一个新的文件这样顺序写下去。消费的时候，也是从某个全局的位置开始，也就是某一个log文件中的某个位置开始，顺序地把消息读出来。
|
|
|
|
|
|
|
|
|
|
|
|
这样一个简单的设计，充分利用了顺序读写这个特性，极大提升了Kafka在使用磁盘时的IO性能。
|
|
|
|
|
|
|
|
|
|
|
|
接下来我们说一下Kafka是如何实现缓存的。
|
|
|
|
|
|
|
|
|
|
|
|
## 利用PageCache加速消息读写
|
|
|
|
|
|
|
|
|
|
|
|
在Kafka中，它会利用PageCache加速消息读写。PageCache是现代操作系统都具有的一项基本特性。通俗地说，PageCache就是操作系统在内存中给磁盘上的文件建立的缓存。无论我们使用什么语言编写的程序，在调用系统的API读写文件的时候，并不会直接去读写磁盘上的文件，应用程序实际操作的都是PageCache，也就是文件在内存中缓存的副本。
|
|
|
|
|
|
|
|
|
|
|
|
应用程序在写入文件的时候，操作系统会先把数据写入到内存中的PageCache，然后再一批一批地写到磁盘上。读取文件的时候，也是从PageCache中来读取数据，这时候会出现两种可能情况。
|
|
|
|
|
|
|
|
|
|
|
|
一种是PageCache中有数据，那就直接读取，这样就节省了从磁盘上读取数据的时间；另一种情况是，PageCache中没有数据，这时候操作系统会引发一个缺页中断，应用程序的读取线程会被阻塞，操作系统把数据从文件中复制到PageCache中，然后应用程序再从PageCache中继续把数据读出来，这时会真正读一次磁盘上的文件，这个读的过程就会比较慢。
|
|
|
|
|
|
|
|
|
|
|
|
用户的应用程序在使用完某块PageCache后，操作系统并不会立刻就清除这个PageCache，而是尽可能地利用空闲的物理内存保存这些PageCache，除非系统内存不够用，操作系统才会清理掉一部分PageCache。清理的策略一般是LRU或它的变种算法，这个算法我们不展开讲，它保留PageCache的逻辑是：优先保留最近一段时间最常使用的那些PageCache。
|
|
|
|
|
|
|
|
|
|
|
|
Kafka在读写消息文件的时候，充分利用了PageCache的特性。一般来说，消息刚刚写入到服务端就会被消费，按照LRU的“优先清除最近最少使用的页”这种策略，读取的时候，对于这种刚刚写入的PageCache，命中的几率会非常高。
|
|
|
|
|
|
|
|
|
|
|
|
也就是说，大部分情况下，消费读消息都会命中PageCache，带来的好处有两个：一个是读取的速度会非常快，另外一个是，给写入消息让出磁盘的IO资源，间接也提升了写入的性能。
|
|
|
|
|
|
|
|
|
|
|
|
## ZeroCopy：零拷贝技术
|
|
|
|
|
|
|
|
|
|
|
|
Kafka的服务端在消费过程中，还使用了一种“零拷贝”的操作系统特性来进一步提升消费的性能。
|
|
|
|
|
|
|
|
|
|
|
|
我们知道，在服务端，处理消费的大致逻辑是这样的：
|
|
|
|
|
|
|
|
|
|
|
|
* 首先，从文件中找到消息数据，读到内存中；
|
|
|
|
|
|
* 然后，把消息通过网络发给客户端。
|
|
|
|
|
|
|
|
|
|
|
|
这个过程中，数据实际上做了2次或者3次复制：
|
|
|
|
|
|
|
|
|
|
|
|
1. 从文件复制数据到PageCache中，如果命中PageCache，这一步可以省掉；
|
|
|
|
|
|
2. 从PageCache复制到应用程序的内存空间中，也就是我们可以操作的对象所在的内存；
|
|
|
|
|
|
3. 从应用程序的内存空间复制到Socket的缓冲区，这个过程就是我们调用网络应用框架的API发送数据的过程。
|
|
|
|
|
|
|
|
|
|
|
|
Kafka使用零拷贝技术可以把这个复制次数减少一次，上面的2、3步骤两次复制合并成一次复制。直接从PageCache中把数据复制到Socket缓冲区中，这样不仅减少一次数据复制，更重要的是，由于不用把数据复制到用户内存空间，DMA控制器可以直接完成数据复制，不需要CPU参与，速度更快。
|
|
|
|
|
|
|
|
|
|
|
|
下面是这个零拷贝对应的系统调用：
|
|
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
#include <sys/socket.h>
|
|
|
|
|
|
ssize_t sendfile(int out_fd, int in_fd, off_t *offset, size_t count);
|
|
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
它的前两个参数分别是目的端和源端的文件描述符，后面两个参数是源端的偏移量和复制数据的长度，返回值是实际复制数据的长度。
|
|
|
|
|
|
|
|
|
|
|
|
如果你遇到这种从文件读出数据后再通过网络发送出去的场景，并且这个过程中你不需要对这些数据进行处理，那一定要使用这个零拷贝的方法，可以有效地提升性能。
|
|
|
|
|
|
|
|
|
|
|
|
## 小结
|
|
|
|
|
|
|
|
|
|
|
|
这节课，我们总结了Kafka的高性能设计中的几个关键的技术点：
|
|
|
|
|
|
|
|
|
|
|
|
* 使用批量处理的方式来提升系统吞吐能力。
|
|
|
|
|
|
* 基于磁盘文件高性能顺序读写的特性来设计的存储结构。
|
|
|
|
|
|
* 利用操作系统的PageCache来缓存数据，减少IO并提升读性能。
|
|
|
|
|
|
* 使用零拷贝技术加速消费流程。
|
|
|
|
|
|
|
|
|
|
|
|
以上这些，就是Kafka之所以能做到如此高性能的关键技术点。你可以看到，要真正实现一个高性能的消息队列，是非常不容易的，你需要熟练掌握非常多的编程语言和操作系统的底层技术。
|
|
|
|
|
|
|
|
|
|
|
|
这些优化的方法和技术，同样可以用在其他适合的场景和应用程序中。我希望你能充分理解这几项优化技术的原理，知道它们在什么情况下适用，什么情况下不适用。这样，当你遇到合适场景的时候，再深入去学习它的细节用法，最终就能把它真正地用到你开发的程序中。
|
|
|
|
|
|
|
|
|
|
|
|
## 思考题
|
|
|
|
|
|
|
|
|
|
|
|
课后，我希望你去读一读Kafka的源代码，从我们这节课中找一两个技术点，找到对应的代码部分，真正去看一下，我们说的这些优化技术，是如何落地到代码上的。在分析源代码的过程中，如果有任何问题，也欢迎你在留言区和我一起讨论。
|
|
|
|
|
|
|
|
|
|
|
|
感谢阅读，如果你觉得这篇文章对你有帮助的话，也欢迎把它分享给你的朋友。
|
|
|
|
|
|
|
