Kafka源码系列之Broker的IO服务及业务处理
一，kafka角色
Kafka源码系列主要是以kafka 0.8.2.2源码为例。以看spark等源码的经验总结除了一个重要的看源码的思路：先了解部件角色和功能角色，然后逐个功能请求序列画图分析，最后再汇总。那么，下面再啰嗦一下，kafka的角色。kafka在生产中的使用，如下图。
从图中可以看到其主要角色：
1，Zookeeper:Broker需要通过ZooKeeper记录集群的所有Broker，controller等信息，记录Consumer的消费消息的偏移量等信息。
2，Broker:主要负责管理数据，处理数据的生产、消费请求及副本的同步等信息。
3，Topic:标识一个类别的消息。
4，Partition:针对topic进行了进一步细分，增加并发度。牵涉到副本及leader选举。
5，Producer:主要与Broker进行交互，来生产消息到broker。
6，Consumer:主要是从Broker上获取消息，将自己的消费偏移等信息记录与zookeeper。
从各个角色的功能来看，我们整个数据服务请求的中心就是Broker，自然也是由Broker来负责各种事件处理及应答各个部件的。
二，Broker请求及应答机制的实现
在JAVA的网络IO模型彻底讲解的那篇文章里，已经彻底讲解了Java的各种网络IO实现的机制及优缺点。其实，kafka的Broker就是通过JAVA的NIO来实现监听和请求处理及应答的。
主要牵涉到的类：
1),KafkaServer
该类代表了一个kafka Broker的生命周期，处理kafka启动或者停止所需要的所有功能。
2),SocketServer
一个NIO 服务中心。线程模型是
1个Acceptor线程，用来处理新的链接请求
N个加工Processor线程。每个线程拥有一个他们自己的selector，主要负责IO请求及应答。
3),KafkaRequestHandler
实际会在KafkaRequestHandlerPool中创建多个对象，负责加工处理request线程。
会创建M个处理Handler线程。负责处理request请求，将responses重新写会加工线程Processor，以便于其写回给客户端。
4),RequestChannel
该类主要是封装了requestQueue，responseQueues，responseListeners，便于个各类中同时引用并作出自己的处理。
5),KafkaApis
Kafka多样请求的逻辑处理程序。
具体如图：
下面讲解1,2,3,4,5，具体含义：
1，SocketServer.startup()，会启动一个后台线程，该线程会持有一个acceptor，负责接收新的链接请求，并轮训所有的Processor，将新的链接请求加入Processor对象的成员变量ConcurrentLinkedQueue里，Processor会在其run方法里面处理。
// start accepting connections
this.acceptor = new Acceptor(host, port, processors, sendBufferSize, recvBufferSize, quotas)
Utils.newThread("kafka-socket-acceptor", acceptor, false).start()
acceptor.awaitStartup
Processor池的初始化
for(i <- 0 until numProcessorThreads) {
_processors_(i) = **new** Processor(i,
_time_,
maxRequestSize,
_aggregateIdleMeter_,
newMeter("IdlePercent", "percent", TimeUnit._NANOSECONDS_, Map("networkProcessor" -> i.toString)),
numProcessorThreads,
requestChannel,
quotas,
connectionsMaxIdleMs)
Utils.newThread("kafka-network-thread-%d-%d".format(port, i), processors(i), false).start()
}
accepttor轮训Processor
val ready = selector.select(500)if(ready > 0) { val keys = selector.selectedKeys() val iter = keys.iterator() while(iter.hasNext && isRunning) { var key: SelectionKey = null try { key = iter.next iter.remove() if(key.isAcceptable) accept(key, processors(currentProcessor)) else throw new IllegalStateException("Unrecognized key state for acceptor thread.") // round robin to the next processor thread currentProcessor = (currentProcessor + 1) % processors.length } catch { case e: Throwable => error("Error while accepting connection", e) }
2，Processor的run方法里面，会针对可读事件调用read方法里将request请求信息通过requestChannel.sendRequest(req)添加到RequestChannel的成员变量里面。
requestQueue = new ArrayBlockingQueue[RequestChannel.Request](queueSize)
3，在KafkaServer的startup方法里面构建KafkaRequestHandlerPool对象的时候，会构建若干handler线程。
for(i <- 0 until numThreads) {
runnables(i) = new KafkaRequestHandler(i, brokerId, aggregateIdleMeter, numThreads, requestChannel, apis)
threads(i) = Utils.daemonThread("kafka-request-handler-" + i, runnables(i))
threads(i).start()
}
在KafakRequestHandler的方法里面会对我们的request进行处理
req = requestChannel.receiveRequest(300)
apis.handle(req)
实际上，是通过KafkaApis对象的handle方法进行各种逻辑的处理的。
def handle(request: RequestChannel.Request) {
try{
trace("Handling request: " + request.requestObj + " from client: " + request.remoteAddress)
request.requestId match {
case RequestKeys.ProduceKey => handleProducerOrOffsetCommitRequest(request)
case RequestKeys.FetchKey => handleFetchRequest(request)
case RequestKeys.OffsetsKey => handleOffsetRequest(request)
case RequestKeys.MetadataKey => handleTopicMetadataRequest(request)
case RequestKeys.LeaderAndIsrKey => handleLeaderAndIsrRequest(request)
case RequestKeys.StopReplicaKey => handleStopReplicaRequest(request)
case RequestKeys.UpdateMetadataKey => handleUpdateMetadataRequest(request)
case RequestKeys.ControlledShutdownKey => handleControlledShutdownRequest(request)
case RequestKeys.OffsetCommitKey => handleOffsetCommitRequest(request)
case RequestKeys.OffsetFetchKey => handleOffsetFetchRequest(request)
case RequestKeys.ConsumerMetadataKey => handleConsumerMetadataRequest(request)
case requestId => throw new KafkaException("Unknown api code " + requestId)
}
} catch {
case e: Throwable =>
request.requestObj.handleError(e, requestChannel, request)
error("error when handling request %s".format(request.requestObj), e)
} finally request.apiLocalCompleteTimeMs = SystemTime.milliseconds}
4，在每一种请求处理结束之后会产生对应的response
requestChannel.sendResponse(new RequestChannel.Response(request, new BoundedByteBufferSend(response)))
并将response存储到RequestChannel的responseQueues存储。
5，最终，由我们的Processor在其run方法里面，取出RequestChannel的responseQueues存储的时间，匹配到写事件，然后通过其write方法对具体的request进行应答。
else if(key.isWritable)
write(key)
三，总结
这是一个典型的Reactor多线程模型，并且实现了IO线程和业务线程进行隔离。这样做的优点有以下几种:
1,充分利用资源
可以充分利用CPU资源，增加并发度，使业务响应速度加快。
2,故障隔离:
业务处理线程，无论是处理耗时，还是发生阻塞，都不会影响IO请求线程。保证服务器能在某些业务线程出故障的情况下，正常进行IO请求应答。
3,可维护性
职责单一，可维护性高，方便定位问题。
此处再次建议大家仔细阅读，浪尖关于JAVA的网络IO模型彻底讲解那篇文章，彻底领会其意境。
此乃，原创。欢迎大家扫描二维码，关注浪尖微信公众号，大家共同进步。
本文分享自微信公众号 - 浪尖聊大数据（bigdatatip）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
