Kafka線(xiàn)上集群部署方案怎么做

操作系統(tǒng)

目前常見(jiàn)的操作系統(tǒng)有三種:Linux廉丽、Windows和macOs,相比之下Linux系統(tǒng)要更適合妻味,當(dāng)然部署在Linux上的生產(chǎn)環(huán)境是最多的正压。

Linux系統(tǒng)的優(yōu)勢(shì)主要集中在下面的三個(gè)方面上:

  • I/O模型的使用
  • 數(shù)據(jù)網(wǎng)絡(luò)傳輸效率
  • 社區(qū)支持度

I/O模型的使用

主流的I/O模型通常有五種:阻塞式I/O、非阻塞式I/O责球、I/O多路復(fù)用焦履、信號(hào)驅(qū)動(dòng)I/O和異步I/O。

每種 I/O 模型都有各自典型的使用場(chǎng)景雏逾,Java 中Socket對(duì)象的阻塞模式和非阻塞模式就對(duì)應(yīng)于前兩種模型嘉裤;Linux系統(tǒng)中的系統(tǒng)調(diào)用select函數(shù)就屬于I/O多路復(fù)用模型;epoll系統(tǒng)調(diào)用介于第三種和第四種之間栖博;第五種模型屑宠,很少有l(wèi)inux系統(tǒng)支持,反而是windows系統(tǒng)提供了一個(gè)叫IOCP線(xiàn)程模型屬于這一種仇让。

Kafka底層使用了Java的selector典奉,selector在Linux上的實(shí)現(xiàn)機(jī)制式epoll躺翻,而在Windows平臺(tái)上的實(shí)現(xiàn)機(jī)制是select。因此在這一點(diǎn)上將Kafka部署在Linux上是有優(yōu)勢(shì)的卫玖,因?yàn)槟塬@得更高效的I/O性能获枝。

數(shù)據(jù)網(wǎng)絡(luò)傳輸效率

Kafka需要在磁盤(pán)和網(wǎng)絡(luò)之間進(jìn)行大量的數(shù)據(jù)傳輸,Linux提供了零拷貝(Zero Copy)技術(shù)骇笔,而在Windows上必須使用Java 8的60更新版本才能使用這個(gè)技術(shù)省店。

社區(qū)支持度

社區(qū)目前對(duì)Windows平臺(tái)上發(fā)現(xiàn)的Kafka Bug不做任何承諾。

磁盤(pán)

SSD與機(jī)械硬盤(pán)

kafka使用磁盤(pán)的方式多是順序讀寫(xiě)操作笨触,一定程度上規(guī)避了機(jī)械磁盤(pán)最大的劣勢(shì)懦傍,即隨機(jī)讀寫(xiě)慢。從這一點(diǎn)上來(lái)說(shuō)芦劣,機(jī)械硬盤(pán)物美價(jià)廉粗俱,而它因易損壞而造成的可靠性差等缺陷,又由Kafka在軟件曾冕提供機(jī)制來(lái)保證虚吟,故使用普通的機(jī)械磁盤(pán)是很劃算的寸认。
當(dāng)然,一般我們認(rèn)為SSD順序?qū)慣PS大約是HDD的四倍串慰,讓出現(xiàn)生產(chǎn)者阻塞寫(xiě)入負(fù)載偏高是可縱向擴(kuò)展使用SSD偏塞,當(dāng)然也可橫向擴(kuò)展,增加更多的broker和HDD分散負(fù)載

磁盤(pán)陣列(RAID)

使用RAID的兩個(gè)主要優(yōu)勢(shì):

  • 提供冗余的磁盤(pán)存儲(chǔ)空間
  • 提供負(fù)載均衡

對(duì)于Kafka而言邦鲫,一方面Kafka自己實(shí)現(xiàn)了冗余機(jī)制來(lái)提高可靠性灸叼;另一方面通過(guò)分區(qū)的概念,Kafka也能在軟件層面自行實(shí)現(xiàn)負(fù)載均衡庆捺。因此在線(xiàn)上環(huán)境使用RAID似乎變得不是那么重要了古今。

  • 追求性?xún)r(jià)比的公司可以不搭建RAID,使用普通磁盤(pán)組成存儲(chǔ)空間即可滔以。
  • 使用機(jī)械磁盤(pán)完全能夠勝任Kafka線(xiàn)上環(huán)境捉腥。

磁盤(pán)容量

預(yù)估容量時(shí),一般要考慮的方面:

  • 新增的消息數(shù)
  • 消息留存時(shí)間
  • 平均消息大小
  • 備份數(shù)
  • 是否啟用壓縮

例如:公司業(yè)務(wù)每天需要向Kafka集群發(fā)送一億條消息你画,每份消息保存兩份以防止消息丟失抵碟,另外消息默認(rèn)保存兩周時(shí)間。假設(shè)一條消息的平均大小是1KB撬即。

每天一億條1kb大小的消息立磁,保存兩份,那么一天使用的磁盤(pán)容量大概是 1億 * 1KB * 2 / 1000 / 1000 = 200GB剥槐。一般情況下Kafka集群除了消息數(shù)據(jù)還有其他類(lèi)型的數(shù)據(jù)唱歧,比如索引數(shù)據(jù)等,故我們?cè)贋檫@些數(shù)據(jù)預(yù)留出10%的磁盤(pán)空間,因此每天的總存儲(chǔ)容量就是220GB颅崩。保存兩周几于,即增提容量為220GB * 14,大約3TB左右沿后。Kafka支持?jǐn)?shù)據(jù)壓縮沿彭,假設(shè)壓縮比是0.75,最后你需要規(guī)劃的容量大概就是0.75 * 3 = 2.25TB尖滚。

帶寬

假如你要用一批千兆網(wǎng)卡的服務(wù)器處理一個(gè)業(yè)務(wù)的數(shù)據(jù)喉刘,其業(yè)務(wù)目標(biāo)或SLA式在一小時(shí)內(nèi)處理1TB的業(yè)務(wù)數(shù)據(jù),那么需要多少臺(tái)服務(wù)來(lái)完成的這個(gè)業(yè)務(wù)漆弄?

服務(wù)器網(wǎng)卡帶寬是1Gbps睦裳,即每秒處理1Gb的數(shù)據(jù),假設(shè)每臺(tái)Kafka服務(wù)器都是安裝在專(zhuān)屬的機(jī)器上撼唾,也是就是說(shuō)每臺(tái)Kafka機(jī)器上沒(méi)有混布其他服務(wù)廉邑。通常情況下你只能假設(shè)Kafka會(huì)用到70%的寬帶資源,因?yàn)榭傄獮槠渌麘?yīng)用程序或進(jìn)程留一些資源倒谷。根據(jù)實(shí)際使用經(jīng)驗(yàn)蛛蒙,超過(guò)70%的閾值就有網(wǎng)絡(luò)丟包的可能性了,故70%的設(shè)定是一個(gè)比較合理的值渤愁,也是就是單臺(tái)Kafka服務(wù)器最多也就能使用大約700Mb的帶寬資源牵祟。

當(dāng)然這只是他能使用的最大帶寬資源,不能讓Kafka服務(wù)器常規(guī)性使用這么多資源猴伶,故通常要再額外預(yù)留出2/3的資源课舍,即單臺(tái)服務(wù)器使用帶寬700Mb/3 ≈ 240Mbps。這里的2/3其實(shí)是相當(dāng)保守的他挎,你可以結(jié)合自己機(jī)器的使用情況酌量減少此值。

根據(jù)我們的業(yè)務(wù)目標(biāo)捡需,一個(gè)小時(shí)內(nèi)處理1TB數(shù)據(jù)办桨,那么一秒大概需要處理1 * 1024 * 1024 * 8 / 60 / 60 ≈ 2336 Mb 的數(shù)據(jù),除以240站辉,約等于10臺(tái)服務(wù)器呢撞。如果消息還需要額外復(fù)制兩份,那么總的服務(wù)器臺(tái)數(shù)還要乘以3饰剥,即30臺(tái)殊霞。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市汰蓉,隨后出現(xiàn)的幾起案子绷蹲,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 210,978評(píng)論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件祝钢,死亡現(xiàn)場(chǎng)離奇詭異比规,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)拦英,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 89,954評(píng)論 2 384
  • 文/潘曉璐 我一進(jìn)店門(mén)蜒什,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人疤估,你說(shuō)我怎么就攤上這事灾常。” “怎么了铃拇?”我有些...
    開(kāi)封第一講書(shū)人閱讀 156,623評(píng)論 0 345
  • 文/不壞的土叔 我叫張陵岗憋,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我锚贱,道長(zhǎng)仔戈,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,324評(píng)論 1 282
  • 正文 為了忘掉前任拧廊,我火速辦了婚禮监徘,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘吧碾。我一直安慰自己凰盔,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,390評(píng)論 5 384
  • 文/花漫 我一把揭開(kāi)白布倦春。 她就那樣靜靜地躺著户敬,像睡著了一般。 火紅的嫁衣襯著肌膚如雪睁本。 梳的紋絲不亂的頭發(fā)上尿庐,一...
    開(kāi)封第一講書(shū)人閱讀 49,741評(píng)論 1 289
  • 那天,我揣著相機(jī)與錄音呢堰,去河邊找鬼抄瑟。 笑死蓄愁,一個(gè)胖子當(dāng)著我的面吹牛赘来,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播衩椒,決...
    沈念sama閱讀 38,892評(píng)論 3 405
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼骂维,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼惹资!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起航闺,我...
    開(kāi)封第一講書(shū)人閱讀 37,655評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤褪测,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體汰扭,經(jīng)...
    沈念sama閱讀 44,104評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡稠肘,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,451評(píng)論 2 325
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了萝毛。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片项阴。...
    茶點(diǎn)故事閱讀 38,569評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖笆包,靈堂內(nèi)的尸體忽然破棺而出环揽,到底是詐尸還是另有隱情,我是刑警寧澤庵佣,帶...
    沈念sama閱讀 34,254評(píng)論 4 328
  • 正文 年R本政府宣布歉胶,位于F島的核電站,受9級(jí)特大地震影響巴粪,放射性物質(zhì)發(fā)生泄漏通今。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,834評(píng)論 3 312
  • 文/蒙蒙 一肛根、第九天 我趴在偏房一處隱蔽的房頂上張望辫塌。 院中可真熱鬧,春花似錦派哲、人聲如沸臼氨。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,725評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)储矩。三九已至,卻和暖如春褂乍,著一層夾襖步出監(jiān)牢的瞬間持隧,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,950評(píng)論 1 264
  • 我被黑心中介騙來(lái)泰國(guó)打工树叽, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留舆蝴,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,260評(píng)論 2 360
  • 正文 我出身青樓题诵,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親层皱。 傳聞我的和親對(duì)象是個(gè)殘疾皇子性锭,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,446評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容