自学内容网 自学内容网
自学内容网 > 正文

kafka-clients之生产者发送流程

🕗 发布于 2024-11-25 13:05 kafka  分布式  mq  高并发  

背景：kafka-clients-3.0.1.jar

重要配置

  1. org.apache.kafka.clients.producer.ProducerConfig#MAX_BLOCK_MS_CONFIG
  2. org.apache.kafka.clients.producer.ProducerConfig#BUFFER_MEMORY_CONFIG
  3. org.apache.kafka.clients.producer.ProducerConfig#DELIVERY_TIMEOUT_MS_CONFIG
  4. org.apache.kafka.clients.CommonClientConfigs#RETRIES_CONFIG
  5. org.apache.kafka.clients.CommonClientConfigs#RETRY_BACKOFF_MS_CONFIG
  6. org.apache.kafka.clients.producer.ProducerConfig#MAX_IN_FLIGHT_REQUESTS_PER_CONNECTION
  7. org.apache.kafka.clients.producer.ProducerConfig#ACKS_CONFIG
  8. org.apache.kafka.clients.producer.ProducerConfig#BATCH_SIZE_CONFIG

配置介绍

这些配置是Kafka官方客户端用于生产者配置的重要参数，下面详细介绍它们的作用和意义：

  1. **MAX_BLOCK_MS_CONFIG** (org.apache.kafka.clients.producer.ProducerConfig#MAX_BLOCK_MS_CONFIG)
    • 功能：设置生产者在发送请求被阻塞的最长时间（毫秒）。当缓冲区满时，若调用send()方法的请求超出该时间仍未释放缓冲区空间，生产者会抛出TimeoutException。
    • 默认值：60,000 ms（1分钟）
    • 用途：用于避免发送超时的问题，确保资源在合理的时间内被释放。
  2. **BUFFER_MEMORY_CONFIG** (org.apache.kafka.clients.producer.ProducerConfig#BUFFER_MEMORY_CONFIG)
    • 功能：设置生产者可用的内存缓冲区大小（字节）。用于临时存放要发送的消息，等待被分批发送到服务器。
    • 默认值：32 MB
    • 用途：可以调节生产者的内存使用量，确保缓冲区不会因占用过多内存而影响系统性能。
  3. **DELIVERY_TIMEOUT_MS_CONFIG** (org.apache.kafka.clients.producer.ProducerConfig#DELIVERY_TIMEOUT_MS_CONFIG)
    • 功能：设定消息从发送到接收到ack的最大允许延迟时间（毫秒），超过此时间的消息将被认为发送失败。
    • 默认值：120,000 ms（2分钟）
    • 用途：提供对消息最终交付延迟的控制，特别是对于可能因重试等导致的发送延迟提供一个超时限制。
  4. **RETRIES_CONFIG** (org.apache.kafka.clients.CommonClientConfigs#RETRIES_CONFIG)
    • 功能：设置生产者重试发送失败请求的次数。
    • 默认值：2147483647（等效于无限制的重试）
    • 用途：在网络或服务器不稳定的情况下增加消息的成功率，但要注意如果和MAX_IN_FLIGHT_REQUESTS_PER_CONNECTION配置不当，可能导致消息乱序。
  5. **RETRY_BACKOFF_MS_CONFIG** (org.apache.kafka.clients.CommonClientConfigs#RETRY_BACKOFF_MS_CONFIG)
    • 功能：设置重试间隔（毫秒），用于控制每次重试之间的等待时间。
    • 默认值：100 ms
    • 用途：适当的等待时间可以避免持续频繁地重试，避免加剧服务器负载或网络阻塞。
  6. **MAX_IN_FLIGHT_REQUESTS_PER_CONNECTION** (org.apache.kafka.clients.producer.ProducerConfig#MAX_IN_FLIGHT_REQUESTS_PER_CONNECTION)
    • 功能：设置每个连接中未完成请求的最大数量。
    • 默认值：5
    • 用途：可以限制客户端同时发送请求的数量，有助于在重试时避免消息乱序的问题。
  7. **ACKS_CONFIG** (org.apache.kafka.clients.producer.ProducerConfig#ACKS_CONFIG)
    • 功能：控制生产者发送数据后是否需要等待broker的确认，以及确认级别（如acks=0、acks=1或acks=all）。
    • 默认值：1
    • 用途：设置此参数可以控制可靠性，acks=all可确保所有副本成功写入数据，而acks=0则提供最低的延迟。
    • **acks=0**
      • 含义：生产者在发送消息后不等待任何确认（ack），就会认为消息已发送成功。
      • 优点：具有最低的延迟，因为生产者不等待任何确认。
      • 缺点：消息可能会丢失，因为生产者不关心消息是否到达服务器，适用于对数据可靠性要求极低的场景。
    • **acks=1**
      • 含义：生产者在收到主副本的确认后认为消息发送成功，并继续发送下一条消息。
      • 优点：在延迟和可靠性之间取得平衡；主副本成功写入后返回确认，减少了等待时间。
      • 缺点：如果主副本成功写入但发生故障，其他副本尚未同步完成，消息可能会丢失。
    • **acks=all**（或acks=-1）
      • 含义：生产者等待所有同步副本都写入成功后，才认为消息发送成功。
      • 优点：提供最高的可靠性，确保消息不会丢失（只要至少有一个同步副本可用）。
      • 缺点：会增加延迟，因为需要等待所有同步副本都写入成功后才返回确认，适合对数据一致性要求高的场景。
  8. **BATCH_SIZE_CONFIG** (org.apache.kafka.clients.producer.ProducerConfig#BATCH_SIZE_CONFIG)
    • 功能：设置每批次数据的大小（字节）。生产者将消息分成小批次发送，每批次最大大小为BATCH_SIZE_CONFIG。
    • 默认值：16 KB
    • 用途：通过将消息分批次处理，可以提高吞吐量，但如果批次过大会增加延迟，过小则会降低吞吐量。

发送流程

Q&A

java.nio.ByteBuffer#clear方法会释放内存吗？

java.nio.ByteBuffer#clear()方法不会释放内存。调用clear()时，只是将缓冲区的位置指针重置为0，并将限制（limit）设置为缓冲区的容量（capacity），以便重新写入数据。

clear()的具体作用

  • clear()并不会修改缓冲区的内容或释放内存；
  • 它只是在逻辑上准备缓冲区重新被写入，通过重置位置和限制，标记缓冲区为空（尽管原来的数据依然存在，直到被新数据覆盖）。

释放 ByteBuffer 内存

要释放 ByteBuffer 占用的内存，可以考虑以下两种方式：

  1. 使用堆外内存的**DirectByteBuffer**
    • 如果是通过 ByteBuffer.allocateDirect() 创建的直接缓冲区，可以通过显式调用 sun.misc.Cleaner 类的 clean() 方法进行释放（如果JVM允许，使用时要特别注意跨平台兼容性）。即：sun.misc.Unsafe#invokeCleaner
    • 通常情况下，JVM的垃圾回收器会在合适的时机自动回收直接缓冲区的内存，尽管它不会立即生效。
  2. 在堆内存中通过GC回收
    • 普通的 ByteBuffer.allocate() 分配的缓冲区内存位于堆内，会在垃圾回收时被回收。
    • 当没有引用指向该 ByteBuffer 实例时，JVM 会自动回收其内存。

为什么BigBatch切分后的小批次没有清理缓冲区？

Kafka客户端在处理大批次切分时确实会通过 ByteBuffer.allocate 来为每个小批次分配新的内存，但在实际实现中，切分后的小批次 MemoryRecords 可能没有被立即回收。这与Kafka的批次内存管理机制和缓冲池策略有关。

切分批次后未立即回收的原因

切分后的批次在 Kafka 客户端中不会立即回收内存，主要原因是 Kafka 内部的批次和缓冲区管理在设计上有以下几个特点：

  1. 批次生命周期管理：
    • Kafka客户端使用 MemoryRecords 表示消息批次，每个批次都有自己的生命周期，通常是在消息被成功发送或发送失败时释放。
    • 切分后的小批次可能会被重新入队，以便在未来重试发送。Kafka为了保证切分批次在重试场景下仍能正常使用，不会在切分后立即释放每个 ByteBuffer 实例。
  2. 缓冲区的再利用：
    • Kafka客户端有自己的缓冲区池（BufferPool），但并不管理切分批次产生的小批次缓冲区的回收。每个小批次的 ByteBuffer 通过 allocate 方法分配，超出池管理范围，所以不会被自动复用。
    • 这些小批次在发送完成或超时后，Kafka的代码中没有显式触发其回收。
  3. 垃圾回收的作用：
    • 切分批次的 ByteBuffer 内存最终依赖于Java的垃圾回收来释放。在Java中，当没有引用指向这些切分的 ByteBuffer 对象时，垃圾回收器会最终释放它们，但这不是即时生效的。

可能的优化

如果频繁发生批次切分导致较多的内存占用，可以考虑以下优化：

  • 调整**max.request.size**：适当增大每次请求的最大字节数，避免批次被切分。
  • 适配**batch.size**：合理设定批次大小，使每次生成的批次尽量贴近请求大小，减少切分。
  • 延迟设置（**linger.ms**）：延长批次缓冲时间，减少批次切分的频率。
  • 监控与垃圾回收：确保JVM对这些未引用的 ByteBuffer 进行及时回收。

这种机制在批次切分的场景下可能会导致较高的内存驻留，但合理配置Kafka参数可以降低这种情况的频率。

kafka会对BufferPool中的ByteBuffer主动调用clear，既然并不会回收内存，那么清理的意义是什么？

Kafka中的BufferPool对 ByteBuffer 调用 clear() 方法的意义不在于释放内存，而是为了复用缓冲区的空间，以便高效管理内存和优化性能。调用 clear() 可以在保留内存分配的前提下，重置缓冲区的状态，使其可以再次用于新的数据写入。

clear()的具体意义

在 BufferPool 中，每次分配和归还的 ByteBuffer 都会被 clear() 重置。clear()的主要作用是：

  1. 重置位置和限制指针：将缓冲区的position设置为0，limit设置为容量capacity，准备好重新写入数据。这样，可以避免重复分配新的ByteBuffer实例，减少内存分配和垃圾回收的开销。
  2. 复用内存：Kafka的BufferPool设计就是为了让多个生产者请求能够共享相同的内存池，从而提高内存利用率和性能。通过调用clear()，缓冲区可以在不同的批次间复用，减少堆内存或直接内存的反复分配。

为什么不直接释放内存

内存分配和释放在Java中是相对开销较高的操作，尤其在需要频繁分配较大内存的场景下（如消息生产者批量发送数据）。通过 clear() 实现缓冲区复用，可以避免因频繁的内存分配导致的性能瓶颈和垃圾回收压力。

总结

BufferPool通过 clear() 方法重置缓冲区，实现内存复用而非释放，从而提升了 Kafka 客户端的发送效率和内存利用率。这种方式在高并发、高吞吐的场景中尤其有优势，因为它能在性能和资源消耗之间取得良好的平衡。


原文地址：https://blog.csdn.net/u010597819/article/details/143996015

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！

相关文章

自学内容网
Copyright © 2015-2024