Kafka 里面的信息是如何被消费的?

开发 架构 Kafka
作为一个爬虫工程师,Kafka 对你而言就是一个消息队列,你只需要掌握如何向里面写入数据,以及如何读取数据就可以了。

 作为一个爬虫工程师,Kafka 对你而言就是一个消息队列,你只需要掌握如何向里面写入数据,以及如何读取数据就可以了。

[[285596]]

请谨记:使用 Kafka 很容易,但对 Kafka 集群进行搭建、维护与调优很麻烦。Kafka 集群需要有专人来维护,不要以为你能轻易胜任这个工作。”本文,以及接下来的几篇针对 Kafka 的文章,我们面向的对象都是爬虫工程师或者仅仅需要使用 Kafka 的读者。关于 Kafka 更深入的底层细节与核心原理,不在我们的讨论范围中。为了解释方便,文章中对 Kafka 的一些术语会使用一些不太准确但能表明意思的类比。如果你需要在面试中解释这些术语,还请阅读Kafka 的官方文档。

今天我们要讨论的一个话题是,Kafka 是如何做到,对单个程序的多个进程而言,能持续消费,断点续传和并行消费;对多个程序而言又互不影响,各自独立。

一个 Kafka 可以有多个不同的队列,我们把这个队列叫做Topic,假设其中一个队列如下图所示:

 

 

 

 

信息从右边进去,从左边出来。如果这是Redis 的列表,那么它弹出一条信息以后,队列会变成下面这样:

 

 

 

 

最左边的信息1不见了。所以即使程序在消费了信息1后立刻关闭,再重新打开,程序也会接着从信息2开始消费,不会把信息1重复消费两次。

但我如果有两个程序呢?程序1读取每一条数据,再转存到数据库。程序2读取每一条数据,再检查是否有关键词。这种情况下,信息1应该能被程序1消费,也能被程序2消费。但上面这种方案显然是不行的。当程序1消费了信息1,程序2就再也拿不到它了。

所以,在 Kafka 里面,信息会停留在队列里面,但对每一个程序来说,有一个单独的记号,来记录当前消费到了哪一条数据,如下图所示。

 

 

 

 

当程序1要读取 Kafka 里面下一条数据时,Kafka 先把当前位置的标记向右移动一位,把新的这个值返回出来。标记移动与返回这两个操作合在一起算是一个原子操作,不会出现重复读取的问题。

程序1与程序2使用的是不同的标记,所以各自的标记指向哪个值,是互不影响的。

当增加一个程序3的时候,只需要再加一个标记即可。新的这个标记也不受前两个标记的影响。

这就实现了在多个不同的程序读取 Kafka 时,各自互不影响。

现在如果你觉得程序1消费太慢了,把程序1同时运行了3次,那么由于标记和移位是原子操作,即使你看起来程序是同时去读取 Kafka,但在内部 Kafka 也会对他们进行“排队”,从而使得他们返回的结果不重复,不遗漏。

如果你在网上看 Kafka 的教程,你会发现他们提到了一个叫做 Offset 的东西,实际上就是本文所说的各个程序里面指向当前数据的标记。

你还会看到一个关键词叫做Group,实际上对应到本文的程序1,程序2和程序3。

对同一个队列,如果多个程序使用不同的Group消费,那么他们读取的数据就互不干扰。

对同一个队列,相同 Group 的多个进程在消费数据时,看起来就像是在对 Redis 进行 lpop 操作一样。

最后,你在网上关于 Kafka 的文章里面,一定会看到一个词叫做Paritition或者中文分片。而且你会发现你无法理解这个东西。

没关系,忘记它吧。你只需要知道,一个 Topic 有多少个 Partition,那么你最多能启动多少个进程读取同一个 Group。——如果一个Topic有3个Partition,那么你只能最多开3个进程同时读相同的 Group。Topic如果有5个Partition,那么你只能最多开5个进程读同一个 Group。

责任编辑:华轩 来源: 未闻Code
相关推荐

2022-03-16 08:20:32

Pythonself

2023-11-27 17:29:43

Kafka全局顺序性

2021-07-06 06:39:58

Kafka消息队列系统

2020-04-24 16:05:06

Javascript代码前端

2015-07-30 09:46:42

开源项目

2020-11-13 10:58:24

Kafka

2018-07-12 13:15:06

2021-12-27 08:22:18

Kafka消费模型

2020-09-30 14:07:05

Kafka心跳机制API

2023-06-01 08:08:38

kafka消费者分区策略

2022-03-07 10:15:28

KafkaZookeeper存储

2013-06-09 11:11:54

欧朋浏览器

2014-11-04 11:19:51

2015-10-09 11:01:07

iPhone原创锁定

2023-03-05 22:30:25

JavaCPU

2009-04-27 21:32:18

2015-09-23 19:20:29

2022-08-02 10:01:42

架构

2017-07-12 16:45:10

Docker概念镜像

2009-12-17 14:24:39

Linux内核
点赞
收藏

51CTO技术栈公众号