Kafka Zero-Copy 使用分析

DanHelmick 8年前

来自: http://www.jianshu.com/p/d47de3d6d8ac

之前有听过Zero-Copy 技术,而Kafka是典型的使用者。网上找了找,竟然没有找到合适的介绍文章。正好这段时间正在阅读Kafka的相关代码,于是有了这篇内容。这篇文章会简要介绍Zero-Copy技术在Kafka的使用情况,希望能给大家一定借鉴和学习样例。

前言

Kafka 我个人感觉是性能优化的典范。而且使用Scala开发,代码写的也很漂亮的。重点我觉得有四个

  • NIO
  • Zero Copy
  • 磁盘顺序读写
  • Queue数据结构的极致使用

Zero-Copy 实际的原理,大家还是去Google下。这篇文章重点会分析这项技术是怎么被嵌入到Kafa里的。包含两部分:

  1. Kafka在什么场景下用了这个技术
  2. Zero-Copy 是如何被调用,并且发挥作用的。

Kafka在什么场景下使用该技术

答案是:

消息消费的时候

包括外部Consumer以及Follower 从partiton Leader同步数据,都是如此。简单描述就是:

Consumer从Broker获取文件数据的时候,直接通过下面的方法进行channel到channel的数据传输。

java.nio.FileChannel.transferTo(  long position,   long count,                                  WritableByteChannel target)`

也就是说你的数据源是一个Channel,数据接收端也是一个Channel(SocketChannel),则通过该方式进行数据传输,是直接在内核态进行的,避免拷贝数据导致的内核态和用户态的多次切换。

Kafka 如何使用Zero-Copy流程分析

估计看完这段内容,你对整个Kafka的数据处理流程也差不多了解了个大概。为了避免过于繁杂,以至于将整个Kafka的体系都拖进来,我们起始点从KafkaApis相关的类开始。

数据的生成

对应的类名称为:

kaka.server.KafkaApis

该类是负责真正的Kafka业务逻辑处理的。在此之前的,譬如 SocketServer等类似Tomcat服务器一样,侧重于交互,属于框架层次的东西。KafkaApis 则类似于部署在Tomcat里的应用。

def handle(request: RequestChannel.Request) {         ApiKeys.forId(request.requestId) match {          case ApiKeys.PRODUCE => handleProducerRequest(request)          case ApiKeys.FETCH => handleFetchRequest(request)          .....

handle 方法是所有处理的入口,然后根据请求的不同,有不同的处理逻辑。这里我们关注 ApiKeys.FETCH 这块,也就是有消费者要获取数据的逻辑。进入 handleFetchRequest 方法,你会看到最后一行代码如下:

replicaManager.fetchMessages(           fetchRequest.maxWait.toLong,         fetchRequest.replicaId,         fetchRequest.minBytes,          authorizedRequestInfo,          sendResponseCallback)

ReplicaManager 包含所有主题的所有partition消息。大部分针对Partition的操作都是通过该类来完成的。

replicaManager.fetchMessages 这个方法非常的长。我们只关注一句代码:

val logReadResults = readFromLocalLog(fetchOnlyFromLeader, fetchOnlyCommitted, fetchInfo)

该方法获取本地日志信息数据。内部会调用 kafka.cluster.Log 对象的read方法:

log.read(offset, fetchSize, maxOffsetOpt)

Log 对象是啥呢?其实就是对应的一个Topic的Partition. 一个Partition是由很多端(Segment)组成的,这和Lucene非常相似。一个Segment就是一个文件。实际的数据自然是从这里读到的。代码如下:

val fetchInfo = entry.getValue.read(startOffset, maxOffset, maxLength, maxPosition)

这里的fetchInfo(FetchDataInfo)对象包含两个字段:

  • offsetMetadata
  • FileMessageSet

FileMessageSet 其实就是用户在这个Partition这一次消费能够拿到的数据集合。当然,真实的数据还躺在byteBuffer里,并没有记在到内存中。FileMessageSet 里面包含了一个很重要的方法:

def writeTo(destChannel: GatheringByteChannel, writePosition: Long, size: Int): Int = {      ......        val bytesTransferred = (destChannel match {        case tl: TransportLayer => tl.transferFrom(channel, position, count)        case dc => channel.transferTo(position, count, dc)      }).toInt        bytesTransferred    }

这里我们看到了久违的 transferFrom 方法。那么这个方法什么时候被调用呢?我们先搁置下,因为那个是另外一个流程。我们继续分析上面的代码。也就是接着从这段代码开始分析:

val logReadResults = readFromLocalLog(fetchOnlyFromLeader, fetchOnlyCommitted, fetchInfo)

获取到这个信息后,会执行如下操作:

val fetchPartitionData = logReadResults.mapValues(result =>  FetchResponsePartitionData(result.errorCode, result.hw, result.info.messageSet))  responseCallback(fetchPartitionData)

logReadResults 的信息被包装成 FetchResponsePartitionData , FetchResponsePartitionData 包喊了我们的FileMessageSet 对象。还记得么,这个对象包含了我们要跟踪的 tranferTo方法 。然后FetchResponsePartitionData 会给responseCallback作为参数进行回调。

responseCallback 的函数签名如下(我去掉了一些我们不关心的信息):

def sendResponseCallback(responsePartitionData: Map[TopicAndPartition, FetchResponsePartitionData]) {        val mergedResponseStatus = responsePartitionData ++ unauthorizedResponseStatus          def fetchResponseCallback(delayTimeMs: Int) {          val response = FetchResponse(fetchRequest.correlationId, mergedResponseStatus, fetchRequest.versionId, delayTimeMs)          requestChannel.sendResponse(new RequestChannel.Response(request, new FetchResponseSend(request.connectionId, response)))        }        }

我们重点关注这个回调方法里的 fetchResponseCallback 。 我们会发现这里 FetchResponsePartitionData 会被封装成一个 FetchResponseSend ,然后由 requestChannel 发送出去。

因为Kafka完全应用是NIO的异步机制,所以到这里,我们无法再跟进去了,需要从另外一部分开始分析。

数据的发送

前面只是涉及到数据的获取。读取日志,并且获得对应MessageSet对象。MessageSet 是一段数据的集合,但是该数据没有真实的被加载。这里会涉及到Kafka 如何将数据发送回Consumer端。

在SocketServer,也就是负责和所有的消费者打交道,建立连接的中枢里,会不断的进行poll操作

override def run() {      startupComplete()      while(isRunning) {        try {          // setup any new connections that have been queued up          configureNewConnections()          // register any new responses for writing          processNewResponses()

首先会注册新的连接,如果有的话。接着就是处理新的响应了。还记得刚刚上面我们通过 requestChannel 把 FetchResponseSend 发出来吧。

private def processNewResponses() {      var curr = requestChannel.receiveResponse(id)      while(curr != null) {        try {          curr.responseAction match {                     case RequestChannel.SendAction =>              selector.send(curr.responseSend)              inflightResponses += (curr.request.connectionId -> curr)            }        } finally {          curr = requestChannel.receiveResponse(id)        }      }    }

这里类似的,processNewResponses方法会先通过 send 方法把FetchResponseSend注册到selector上。 这个操作其实做的事情如下:

//SocketServer.scala      public void send(Send send) {          KafkaChannel channel = channelOrFail(send.destination());          channel.setSend(send);      }    //KafkaChannel.scala     public void setSend(Send send) {           this.send = send;          this.transportLayer.addInterestOps(SelectionKey.OP_WRITE);           }

为了方便看代码,我对代码做了改写。我们看到,其实send就是做了一个WRITE时间注册。这个是和NIO机制相关的。如果大家看的有障碍,不妨先学习下相关的机制。

回到 SocketServer 的 run 方法里,也就是上面已经贴过的代码:

  override def run() {      startupComplete()      while(isRunning) {        try {          // setup any new connections that have been queued up          configureNewConnections()          // register any new responses for writing          processNewResponses()            try {            selector.poll(300)          } catch {            case...          }

SocketServer 会poll队列,一旦对应的KafkaChannel 写操作ready了,就会调用KafkaChannel的write方法:

//KafkaChannel.scala  public Send write() throws IOException {          if (send != null && send(send))       }  //  //KafkaChannel.scala  private boolean send(Send send) throws IOException {          send.writeTo(transportLayer);          if (send.completed())              transportLayer.removeInterestOps(SelectionKey.OP_WRITE);            return send.completed();      }

依然的,为了减少代码,我做了些调整,其中write会调用 send方法,对应的Send对象其实就是上面我们注册的 FetchResponseSend 对象。

这段代码里真实发送数据的代码是 send.writeTo(transportLayer); ,

对应的writeTo方法为:

private val sends = new MultiSend(dest, JavaConversions.seqAsJavaList(fetchResponse.dataGroupedByTopic.toList.map {      case(topic, data) => new TopicDataSend(dest, TopicData(topic,                                                       data.map{case(topicAndPartition, message) => (topicAndPartition.partition, message)}))      }))  override def writeTo(channel: GatheringByteChannel): Long = {      .....           written += sends.writeTo(channel)      ....    }

这里我依然做了代码简化,只让我们关注核心的。 这里最后是调用了 sends 的writeTo方法,而sends 其实是个 MultiSend 。

这个MultiSend 里有两个东西:

  • topicAndPartition.partition: 分区
  • message:FetchResponsePartitionData

还记得这个FetchResponsePartitionData 么?我们的MessageSet 就被放在了FetchResponsePartitionData这个对象里。

TopicDataSend 也包含了sends,该sends 包含了 PartitionDataSend,而 PartitionDataSend则包含了FetchResponsePartitionData。

最后进行writeTo的时候,其实是调用了

//partitionData 就是 FetchResponsePartitionData  //messages 其实就是FileMessageSet  val bytesSent = partitionData.messages.writeTo(channel, messagesSentSize, messageSize - messagesSentSize)

如果你还记得的话,FileMessageSet 也有个writeTo方法,就是我们之前已经提到过的那段代码:

def writeTo(destChannel: GatheringByteChannel, writePosition: Long, size: Int): Int = {      ......        val bytesTransferred = (destChannel match {        case tl: TransportLayer => tl.transferFrom(channel, position, count)        case dc => channel.transferTo(position, count, dc)      }).toInt        bytesTransferred    }

终于走到最底层了,最后其实是通过tl.transferFrom(channel, position, count) 来完成最后的数据发送的。这里你可能比较好奇,不应该是调用 transferTo 方法么? transferFrom 其实是Kafka自己封装的一个方法,最终里面调用的也是transerTo:

  @Override      public long transferFrom(FileChannel fileChannel, long position, long count) throws IOException {          return fileChannel.transferTo(position, count, socketChannel);      }

总结

Kafka的整个调用栈还是非常绕的。尤其是引入了NIO的事件机制,有点类似Shuffle,把流程调用给切断了,无法简单通过代码引用来进行跟踪。Kafka还有一个非常优秀的机制就是DelayQueue机制,我们在分析的过程中,为了方便,把这块完全给抹掉了。

</div>