首页手记美团二面：详细说说Kafka拉消息的过程？

美团二面：详细说说Kafka拉消息的过程？

标签：

Java

AbstractFetcherThread：拉取消息的步骤

副本机制是Kafka实现数据高可靠性的基础：同一个分区下的多个副本分散在不同的Broker机器上，它们保存相同的消息数据以实现高可靠性。那如何确保所有副本上的数据一致性呢？最常见方案当属Leader/Follower备份机制（Leader/Follower Replication）。Kafka分区的：

某个副本会被指定为Leader，负责响应客户端的读、写请求
其他副本自动成为Follower，被动同步Leader副本中的数据

被动同步：Follower副本不断向Leader副本发送读取请求，以获取Leader处写入的最新消息数据

本文就研究Follower副本如何通过拉取线程实现这一目标。Follower副本在副本同步过程中，还可能发生截断（Truncation），其原理又是为何？

案例

这部分源码贴近底层设计架构原理。阅读它对我实际有啥用？

生产环境曾发现，一旦Broker上副本数过多，Broker内存占用就会很高。HeapDump后，发现在于ReplicaFetcherThread#buildFetch有这么一行代码：

val builder = fetchSessionHandler.newBuilder()

内部会实例化一个LinkedHashMap。若分区数很多，该Map会被扩容数次，带来大量不必要的数据拷贝，既增加内存Footprint，又浪费CPU。后续通过将负载转移到其他Broker解决该问题。

Kafka社区也发现了这个Bug，所以现在变成：

修改后语句直接传入FETCH请求中总的分区数，并直接将其传给LinkedHashMap，避免再执行扩容。

说回Follower副本从Leader副本拉取数据。Kafka就是通过ReplicaFetcherThread，副本获取线程实现的消息拉取及处理。

本文先从抽象基类AbstractFetcherThread研究，最终彻底搞明白Follower端同步Leader端消息的原理。

AbstractFetcherThread

抽象类，从Broker获取多个分区的消息数据，至于获取之后如何对这些数据进行处理，则交由子类来实现。

类定义及字段

除了构造器的这几个字段，AbstractFetcherThread还定义了两个type类型。关键字type定义一个类型，可当做一个快捷方式，如FetchData：

type FetchData = FetchResponse.PartitionData[Records]

类似快捷方式：凡源码用到FetchResponse.PartitionData[Records]，都可使用FetchData替换，EpochData同理。

FetchData定义里的PartitionData类型，是客户端clients工程中FetchResponse类的嵌套类。FetchResponse类封装的是FETCH请求的Response对象，其内PartitionData是个POJO，保存Response中单个分区数据拉取的各项数据：

从该分区的Leader副本拉取回来的消息
该分区的高水位值
日志起始位移值
…

在PartitionData中，最需关注的是recordSet，保存了实际的消息集合。

注意到EpochData定义位置，它也是PartitionData类型，但EpochData的PartitionData是OffsetsForLeaderEpochRequest的PartitionData类型

Kafka源码有很多名为PartitionData的嵌套类。很多请求类型中的数据都是按分区层级分组，因此源码很自然地在这些请求类中创建同名嵌套类。所以，注意区分PartitionData嵌套类是定义在哪类请求中的！

分区读取状态类

AbstractFetcherThread构造器中，还有个**PartitionStates[PartitionFetchState]**类型的字段：

泛型参数类型PartitionFetchState类，表征分区读取状态，保存分区的已读取位移值和对应副本状态。

这里的状态有二：

副本读取状态

副本读取状态由ReplicaState接口表示：

分区读取状态：

可获取，表明副本获取线程当前能够读取数据。
截断中，表明分区副本正在执行截断操作（比如该副本刚刚成为Follower副本）。
被推迟，表明副本获取线程获取数据时出现错误，需要等待一段时间后重试。

分区读取状态中的【可获取、截断中】与副本读取状态的【获取中、截断中】并非严格对应。副本读取状态处获取中，并不一定表示分区读取状态就是可获取状态。对于分区，它是否能被获取的条件要比副本严格。

副本获取线程做的事情，日志截断和消息获取：

isReplicaInSync，副本限流，出镜率不高
isDelayed，判断是否需要推迟获取对应分区的消息

源码会不断调整那些不需要推迟的分区的读取顺序，以保证读取公平性。公平性实现在partitionStates字段的PartitionStates类，定义在clients工程。会接收一组要读取的主题分区，然后轮询读取这些分区以确保公平性。

clients端源码自行查阅。

public class PartitionStates<S> {
    private final LinkedHashMap<TopicPartition, S> map = new LinkedHashMap<>();
    ......
    public void updateAndMoveToEnd(TopicPartition topicPartition, S state) {
      map.remove(topicPartition);
      map.put(topicPartition, state);
      updateSize();
    }
    ......
}

PartitionStates轮询处理要读取的多个分区，依靠LinkedHashMap保存所有主题分区，其元素有明确迭代顺序，默认为元素插入的顺序。

假设Kafka要读5个分区的消息：A、B、C、D和E。若插入顺序：ABCDE，则首先读分区A。一旦A被读取后，为确保各分区都有同等机会被读取，代码需将A插入到分区列表的最后一位，这就是updateAndMoveToEnd：把A从map中移除，再插回去，这样A自然就处于列表的最后一位了。这便是PartitionStates的作用。

core API

processPartitionData、truncate、buildFetch和doWork，涵盖拉取线程所做的最重要的3件事：

构建FETCH请求
执行截断操作
处理拉取后的结果

doWork串联起前面的这3方法。

最重要的processPartitionData，用于处理读取回来的消息集合。它是个抽象方法，因此需子类实现它的逻辑。具体到Follower副本而言，由ReplicaFetcherThread类实现：

protected def processPartitionData(
  topicPartition: TopicPartition,  // 读取哪个分区的数据
  fetchOffset: Long,               // 读取到的最新位移值
  partitionData: FetchData         // 读取到的分区消息数据
): Option[LogAppendInfo]           // 写入已读取消息数据前的元数据

返回值Option[LogAppendInfo]：

对Follower副本读消息写入日志，可忽略Option，因为肯定会返回具体LogAppendInfo实例，而不是None
LogAppendInfo类封装了很多消息数据被写入到日志前的重要元数据信息，如首条消息的位移值、最后一条消息位移值、最大时间戳等

truncate

protected def truncate(
  topicPartition: TopicPartition, // 要对哪个分区下副本执行截断操作
  truncationState: OffsetTruncationState  // Offset + 截断状态
): Unit

OffsetTruncationState类告诉Kafka要把指定分区下副本截断到哪个位移值，封装了：

一个位移值
一个截断完成与否的布尔值状态

buildFetch

protected def buildFetch(
  // 一组要读取的分区列表
  // 分区是否可读取取决于PartitionFetchState中的状态
  partitionMap: Map[TopicPartition, PartitionFetchState]): 
// 封装FetchRequest.Builder对象
ResultWithPartitions[Option[ReplicaFetch]]