Kafka のデータストレージの原則についての理解について話します

Kafka のデータストレージの原則についての理解について話します

5 年間の職務経験を持つ友人が、面接中に次のような質問を受けました。「Kafka データ ストレージの原理についての理解について話してください。」すると、その友人は突然唖然としました。ゼロコピーとは何ですか?ゼロコピーは Kafka と関係がありますか?

そこで今日は、Kafka のゼロコピー原則についての私の理解についてお話ししたいと思います。

1. トピック

Kafka では、メッセージを保存するために使用されるキューはトピックと呼ばれます。これは論理的な概念であり、メッセージのコレクションとして理解できます。

プロデューサーとトピック間、およびトピックとコンシューマー間の関係は多対多です。プロデューサーは複数のトピックにメッセージを送信でき、コンシューマーも複数のトピックからメッセージを取得できます (ただし、これは推奨されません)。

プロデューサーがメッセージを送信するときにトピックが存在しない場合は、Kafka はデフォルトでトピックを自動的に作成します。

2. パーティション

まず、水平拡張を実現するために、Kafka は異なるブローカーに異なるデータを保存します。同時に、単一サーバーのアクセス負荷を軽減するために、トピック内のデータは複数のパーティションに分割されます。サーバーでは、各パーティションに物理ディレクトリがあり、トピック名の後の番号がパーティションを表します。たとえば、mytopic という名前のトピックが作成されると、データ ディレクトリは 3 台のマシンに分散されます。

図に示すように:

mytopic-0 にはノード A、mytopic-1 にはノード B、mytopic-2 にはノード C があります。

3. レプリカ

さらに、Kafa はパーティションの信頼性を向上させるレプリケーション メカニズムを設計しました。トピックを作成するときに、レプリケーション係数を指定してトピックのコピー数を決定します。もちろん、レプリケーション係数はノード数以下である必要があります。そうでない場合はエラーが報告されます。これにより、同じノードにパーティションのコピーが 2 つ分散されることがなくなります。そうしないと、コピー メカニズムがバックアップの意味を失ってしまいます。

図に示すように、3 つのパーティションと 3 つのレプリカを持つトピック a3part3rep が作成され、3 つのブローカー ノードに均等に分散されます。各ブローカー ノードは相互にバックアップします。

これらのレプリカはすべて 2 つの役割に分かれており、リーダーは外部に対して読み取りおよび書き込みサービスを提供します。フォロワーの唯一のタスクは、リーダーから非同期的にデータを取得することです。図の赤いレプリカはリーダーであり、均一な読み取りと書き込みを保証するために各ノードに均等に分散されています。この設計は、モノトニック読み取り一貫性とも呼ばれます。

4. セグメント

ログが継続的に追加されてファイルが大きくなりすぎてメッセージの取得効率が低下するのを防ぐため、Kakfa はパーティションを複数のセグメントに分割して、データが特定のサイズを超えた場合にデータを整理します。ディスク上では、各セグメントはログ ファイルと 2 つのインデックス ファイルで構成されます。

図に示すように、これら 3 つのファイルはセットとして表示されます。このうち、.index は Consumer の Offset オフセットを格納するために使用されるインデックス ファイル、.timeindex はメッセージのタイムスタンプを格納するために使用されるインデックス ファイル、ログ ファイルは特定のデータ ファイルを格納するために使用されます。

カット時に記録されたオフセット値がファイル名として使用されます。ファイル構造は次のとおりです。

5. 索引

先ほど、Kafka では 2 種類のインデックスが設計されていると述べました。 1 つはオフセット インデックス ファイルで、オフセットとログ ファイル内のメッセージの位置とのマッピング関係を記録します。 1 つは、タイムスタンプとオフセットの関係を記録するタイムスタンプ インデックス ファイルです。検索効率を向上させるために、Kafka はメッセージごとにインデックスを作成せず、スパース インデックスを使用します。つまり、メッセージのバッチごとにインデックス レコードが生成されます。図に示すように:

<<:  クラウド移行の3つのビジネスメリット

>>:  Kubernetes が仮想マシンを改革する方法

推薦する

arminds-$3/Xen/512m メモリ/50g ハードディスク/無制限トラフィック/ダラス

arminds は、2011 年に米国フロリダ州で登録された会社です。Two Man という名前で、...

SSDVPS-1g メモリ/30g SSD/ロサンゼルス/月額 6 ドル

SSDVPS はあまり宣伝されていませんが、設立以来多くの友人に認められています。第 2 世代の V...

クラウドネイティブアーキテクチャはどのように設計すればよいでしょうか?

[[409977]] ACNAのコンセプトアリババは、さまざまな業界の多数の法人顧客にアリババクラウ...

会社の上司はウェブサイトの運営にどのように関与すべきでしょうか?

中国では、多くの中小企業が社内のウェブサイト運用の重要性を認識しているものの、実際の運用は十分とは言...

アカウント復旧サービスの観点からNetEase Mailboxのユーザーエクスペリエンスを分析

羅博宇さんは2002年からメールを使っています。最初はHotmailを使っていましたが、その後、Ho...

10の古典的なブランドマーケティング

若い、それは常にブランドの主なテーマです。若者を魅了するために可愛らしさを利用する人もいるが、若者が...

ユニバーサルライブ放送の初年度

感染症流行中、ネットユーザーの「クラウド監視」により、武漢火神山病院と雷神山病院の建設進捗状況が注目...

私の読書法まとめ 2019

数日前、同僚とグループチャットで読書について話していました。今まで会話に参加できなかった私も、ようや...

現在ウェブサイトのランキングに影響を与える重要な要素の分析

Baidu アルゴリズムの継続的なアップグレードにより、現在のウェブサイト最適化は以前とは異なります...

草の根ウェブマスターのための最適化戦略

多くの初心者ウェブマスターにとって、SEO という言葉は非常に意味が深いものです。著者もまた草の根の...

新世代のハイブリッドクラウド管理機能:企業のデジタル変革は、パンデミックという新たな常態の中でジレンマに直面

この流行により、企業のデジタル変革のペースが加速しました。ますます多くの企業がワークロードをクラウド...

TigerGraph が業界初のネイティブ グラフ データベース サービスを開始

TigerGraph Cloud は、今日のデータ速度と接続性の需要を満たす最も簡単な方法です。無料...

最適化とマーケティングを同時に行うために、サイト上でソフトな記事を書くためのヒントがあります

なぜウェブサイト上のオリジナル記事をサイト上のソフト記事として扱うべきなのでしょうか?その目的は、こ...

マーケティング戦略家に必要な5つの総合的な能力

戦略的マーケティング管理とは、個人および組織の目標を達成するための交流を生み出すために、アイデア、製...