【架构设计的艺术】Kafka如何通过精妙的架构设计优化JVM GC问题

nitenite

欢迎关注头条号：石杉的架构笔记
周一至周五早八点半！精品技术文章准时送上！！！
精品学习资料获取通道，参见文末
目录
1、Kafka的客户端缓冲机制
, ]7 G5 D$ h, Q3 j! l2、内存缓冲造成的频繁GC问题
3、Kafka设计者实现的缓冲池机制
0 d* m. U4 J/ L5 s: e3 J4、总结一下
2 g0 z& n( M8 H5 _0 ?“ 这篇文章，同样给大家聊一个硬核的技术知识，我们通过Kafka内核源码中的一些设计思想，来看你设计Kafka架构的技术大牛，是怎么优化JVM的GC问题的？
+ P- _5 ~* `1 \% g% w% q1、Kafka的客户端缓冲机制
. r9 G6 c9 F2 \9 P
首先，先得给大家明确一个事情，那就是在客户端发送消息给kafka服务器的时候，一定是有一个内存缓冲机制的。
8 O$ U" O  E* ~3 S( Q也就是说，消息会先写入一个内存缓冲中，然后直到多条消息组成了一个Batch，才会一次网络通信把Batch发送过去。
整个过程如下图所示：
' Y4 m+ |% u  m8 W% i
* b6 J  W+ u: s( W! F8 L# V
, ]) P! L: }" w# f7 |; U; q
, m# B& [" b6 ?. r8 H4 j. c2、内存缓冲造成的频繁GC问题
1 d5 o! h4 h+ f$ W- ]5 E
那么这种内存缓冲机制的本意，其实就是把多条消息组成一个Batch，一次网络请求就是一个Batch或者多个Batch。
1 X: Y, M2 m. e" u& \, o+ _这样每次网络请求都可以发送很多数据过去，避免了一条消息一次网络请求。从而提升了吞吐量，即单位时间内发送的数据量。
但是问题来了，大家可以思考一下，一个Batch中的数据，会取出来然后封装在底层的网络包里，通过网络发送出去到达Kafka服务器。
那么然后呢？这个Batch里的数据都发送过去了，现在Batch里的数据应该怎么处理？
$ d$ T/ F& k2 q/ z# }, g2 f  `: @5 z你要知道，这些Batch里的数据此时可还在客户端的JVM的内存里啊！那么此时从代码实现层面，一定会尝试避免任何变量去引用这些Batch对应的数据，然后尝试触发JVM自动回收掉这些内存垃圾。
6 R/ c' }4 }* M3 T0 Q; E: H这样不断的让JVM回收垃圾，就可以不断的清理掉已经发送成功的Batch了，然后就可以不断的腾出来新的内存空间让后面新的数据来使用。
2 |/ Z, c8 Q  f) t% e这种想法很好，但是实际线上运行的时候一定会有问题，最大的问题，就是JVM GC问题。
/ u$ i3 c  I) e大家都知道一点，JVM GC在回收内存垃圾的时候，他会有一个“Stop the World”的过程，也就是垃圾回收线程运行的时候，会导致其他工作线程短暂的停顿，这样可以便于他自己安安静静的回收内存垃圾。
这个也很容易想明白，毕竟你要是在回收内存垃圾的时候，你的工作线程还在不断的往内存里写数据，制造更多的内存垃圾，那你让人家JVM怎么回收垃圾？
: E( @* x9 K$ O, J3 \7 [这就好比在大马路上，如果地上有很多垃圾，现在要把垃圾都扫干净，最好的办法是什么？大家都让开，把马路空出来，然后清洁工就是把垃圾清理干净。
但是如果清洁工在清扫垃圾的时候，结果一帮人在旁边不停的嗑瓜子扔瓜子壳，吃西瓜扔西瓜皮，不停的制造垃圾，你觉得清洁工内心啥感受？当然是很愤慨了，照这么搞，地上的垃圾永远的都搞不干净了！
通过了上面的语言描述，我们再来一张图，大家看看就更加清楚了

现在JVM GC是越来越先进，从CMS垃圾回收器到G1垃圾回收器，核心的目标之一就是不断的缩减垃圾回收的时候，导致其他工作线程停顿的时间。
4 ^1 o% L2 Q6 {8 T( g' ~2 a9 O所以现在越是新款的垃圾回收器导致工作线程停顿的时间越短，但是再怎么短，他也还是存在啊！
2 ~7 R& s; f: x# [* X# i所以说，如何尽可能在自己的设计上避免JVM频繁的GC就是一个非常考验水平的事儿了。
6 v, k1 f" [/ b7 @7 h' y& o. ^7 v3、Kafka设计者实现的缓冲池机制
" X- K9 D7 ~! z4 `( E: d
在Kafka客户端内部，对这个问题实现了一个非常优秀的机制，就是缓冲池的机制
+ A; Z; M8 j9 \4 T3 }5 G
9 @; d, N+ z2 A" v# Q
简单来说，就是每个Batch底层都对应一块内存空间，这个内存空间就是专门用来存放写入进去的消息的。
2 _# V) u) m' q: C$ `% `然后呢，当一个Batch被发送到了kafka服务器，这个Batch的数据不再需要了，就意味着这个Batch的内存空间不再使用了。
* _  J( Q; |6 ]+ x% \# b此时这个Batch底层的内存空间不要交给JVM去垃圾回收，而是把这块内存空间给放入一个缓冲池里。
  y3 C& A& [( X  b% |' s6 {这个缓冲池里放了很多块内存空间，下次如果你又有一个新的Batch了，那么不就可以直接从这个缓冲池里获取一块内存空间就ok了？
然后如果一个Batch发送出去了之后，再把内存空间给人家还回来不就好了？以此类推，循环往复。
同样，听完了上面的文字描述，再来一张图，看完这张图相信大伙儿就明白了：

# n$ \* P" T! _( `一旦使用了这个缓冲池机制之后，就不涉及到频繁的大量内存的GC问题了。
为什么呢？因为他可以上来就占用固定的内存，比如32MB。然后把32MB划分为N多个内存块，比如说一个内存块是16KB，这样的话这个缓冲池里就会有很多的内存块。
然后你需要创建一个新的Batch，就从缓冲池里取一个16KB的内存块就可以了，然后这个Batch就不断的写入消息，但是最多就是写16KB，因为Batch底层的内存块就16KB。
接着如果Batch被发送到Kafka服务器了，此时Batch底层的内存块就直接还回缓冲池就可以了。
0 l/ _2 Y  V' N& X! U/ U' y下次别人再要构建一个Batch的时候，再次使用缓冲池里的内存块就好了。这样就可以利用有限的内存，对他不停的反复重复的利用。因为如果你的Batch使用完了以后是把内存块还回到缓冲池中去，那么就不涉及到垃圾回收了。
. j  t6 m/ V* M5 N3 O! Q: h4 l- ^+ S如果没有频繁的垃圾回收，自然就避免了频繁导致的工作线程的停顿了，JVM GC问题是不是就得到了大幅度的优化？
* R% ~' {% w5 z; c( @) g没错，正是这个设计思想让Kafka客户端的性能和吞吐量都非常的高，这里蕴含了大量的优秀的机制。
那么此时有人说了，如果我现在把一个缓冲池里的内存资源都占满了，现在缓冲池里暂时没有内存块了，怎么办呢？
' q/ v) ^  r0 ^: @' X9 J% x7 F7 \+ s很简单，阻塞你的写入操作，不让你继续写入消息了。把你给阻塞住，不停的等待，直到有内存块释放出来，然后再继续让你写入消息。
6 b7 B5 n: Z) b" g4 B4、总结一下

% j' @" C' p' y% {这篇文章我们从Kafka内存缓冲机制的设计思路开始，一直分析到了JVM GC问题的产生原因以及恶劣的影响。
# U5 T! t/ N/ t  x. y2 q: w7 M1 M接着谈到了Kafka优秀的缓冲池机制的设计思想以及他是如何解决这个问题的，分析了很多Kafka作者在设计的时候展现出的优秀的技术设计思想和能力。
希望大家多吸取这里的精华，在以后面试或者工作的时候，可以把这些优秀的思想纳为己用。
End
8 @2 n: u5 G/ I一大波微服务、分布式、高并发、高可用的原创系列文章正在路上,
6 H9 y' L$ z/ R3 g- G. e( W欢迎关注头条号：石杉的架构笔记
1 f, ^8 N1 }, l/ H9 S. Y: Q周一至周五早八点半！精品技术文章准时送上！！！
$ A" Z( d3 H- [' P) B十余年BAT架构经验倾囊相授
; D/ A& d, Y8 y- K: [

推荐阅读
6 l+ h$ _/ C% P; |5 W& b1、拜托！面试请不要再问我Spring Cloud底层原理！
2、微服务注册中心如何承载大型系统的千万级访问？
3、「性能优化之道」每秒上万并发下的Spring Cloud参数优化实战
4、「“剁手党”狂欢的背后」微服务架构如何保障99.99%的高可用？
5、兄弟，用大白话告诉你小白都能看懂的Hadoop架构原理
6、大规模集群下Hadoop NameNode如何承载每秒上千次的高并发访问
7、「性能优化的秘密」Hadoop如何将TB级大文件的上传性能优化上百倍
8、拜托，面试请不要再问我TCC分布式事务的实现原理！
0 y& J$ }* L9 y9、最终一致性分布式事务如何保障实际生产中99.99%高可用？
$ l+ u0 r% f% f9 Q8 V' @& |10、拜托，面试请不要再问我Redis分布式锁的实现原理
11、Hadoop底层算法如何优雅的将大规模集群性能提升10倍以上？
( m$ P- i% k9 C- m" }% K12、亿级流量系统架构之如何支撑百亿级数据的存储与计算
13、亿级流量系统架构之如何设计高容错分布式计算系统
1 b" R! S  C6 `6 H14、亿级流量系统架构之如何设计承载百亿流量的高性能架构
15、亿级流量系统架构之如何设计每秒十万查询的高并发架构
$ {8 s  ?4 T  q0 h3 G1 u16、亿级流量系统架构之如何设计全链路99.99%高可用架构
- {  ?( I' F4 r: m17、七张图彻底讲清楚ZooKeeper分布式锁的实现原理
2 z8 c+ ~) [% K9 A- l* u18、大白话聊聊Java并发面试问题之volatile到底是什么？
. I) _* {5 d0 B$ l) Q19、大白话聊聊Java并发面试问题之Java 8如何优化CAS性能？
20、大白话聊聊Java并发面试问题之谈谈你对AQS的理解？
  o3 A* V, G5 w* A# I21、大白话聊聊Java并发面试问题之微服务注册中心的读写锁优化
$ [4 \) E: q3 O, d" c22、互联网公司的面试官是如何360°无死角考察候选人的？（上篇）
23、互联网公司面试官是如何360°无死角考察候选人的？（下篇）
8 f# S+ s8 t+ J/ t2 Q/ ]' f24、「Java进阶面试系列之一」你们系统架构中为何要引入消息中间件？
25、「Java进阶面试系列之二」系统架构引入消息中间件有什么缺点
  y+ k' h" y7 F% p2 O/ w' b/ R26、「行走的Offer收割机」一位朋友斩获BAT技术专家Offer的面试经历
: C6 |4 D: J9 q1 F27、「Java进阶面试系列之三」消息中间件在你们项目里是如何落地的？
. M/ B( d) s6 B- z& P28、扎心！线上服务宕机时，如何保证数据100%不丢失？
29、 一次JVM FullGC的背后，竟隐藏着惊心动魄的线上生产事故！
) `0 h  h) q2 ~: y2 x$ V% Q30、「高并发优化实践」10倍请求压力来袭，你的系统会被击垮吗？
31、消息中间件集群崩溃，如何保证百万生产数据不丢失？
7 T' E$ K  ?8 C. ~  h2 d8 X, [32、亿级流量系统架构之如何在上万并发场景下设计可扩展架构（上）？
" E! h; K1 A* z- v" p+ L4 H33、亿级流量系统架构之如何在上万并发场景下设计可扩展架构（中）？
# x* n: m' X9 y( J1 z34、亿级流量系统架构之如何在上万并发场景下设计可扩展架构（下）？
1 @; d! F! Z8 i! @) I" N# f) T! Z35、亿级流量架构第二弹：你的系统真的无懈可击吗？
36、亿级流量系统架构之如何保证百亿流量下的数据一致性（上）
# p1 v$ h; t& A- l37、亿级流量系统架构之如何保证百亿流量下的数据一致性（中）？
0 e: N+ D( m, A9 I$ J+ A6 O38、亿级流量系统架构之如何保证百亿流量下的数据一致性（下）？
39、互联网面试必杀：如何保证消息中间件全链路数据100%不丢失（1）
0 k4 ^) d( Z7 @4 \: }4 Z# k40、互联网面试必杀：如何保证消息中间件全链路数据100%不丢失（2）
41、面试大杀器：消息中间件如何实现消费吞吐量的百倍优化？
* R0 D7 f$ R3 E( i% r( }42、兄弟，用大白话给你讲小白都能看懂的分布式系统容错架构
43、从团队自研的百万并发中间件系统的内核设计看Java并发性能优化
* M2 a! L) ?  S1 W3 v44、如果20万用户同时访问一个热点缓存，如何优化你的缓存架构？
% }1 ]4 I2 b. Z; U' B45、「非广告，纯干货」英语差的程序员如何才能无障碍阅读官方文档？
% I# i* d$ G+ G6 b. E46、面试最让你手足无措的一个问题：你的系统如何支撑高并发？
. P) r# ]3 n5 ?& H47、Java进阶必备：优雅的告诉面试官消息中间件该如何实现高可用架构
48、「非广告，纯干货」中小公司的Java工程师应该如何逆袭冲进BAT？
1 ?4 J, i9 i, _- I6 K4 |/ d# j" l49、拜托，面试请不要再问我分布式搜索引擎的架构原理！
50、互联网大厂Java面试题：使用无界队列的线程池会导致内存飙升吗？
7 C7 L+ i6 C4 ]" I2 e51、「码农打怪升级之路」行走江湖，你需要解锁哪些技能包？
  A% E. G$ X8 v  I3 i8 H- q: p52、「来自一线的血泪总结」你的系统上线时是否踩过这些坑？
! X# A7 Z' c3 u( T5 W; N5 r53、【offer收割机必备】我简历上的Java项目都好low，怎么办？
# }+ w! a# k& I& \: P4 a+ ?54、【offer去哪了】我一连面试了十个Java岗，统统石沉大海！
. Q  Q  _, N3 F! }# \, k55、支撑日活百万用户的高并发系统，应该如何设计其数据库架构？
56、高阶Java开发必备：分布式系统的唯一id生成算法你了解吗？
57、尴尬了！Spring Cloud微服务注册中心Eureka 2.x停止维护了咋办？
58、【Java高阶必备】如何优化Spring Cloud微服务注册中心架构？
59、面试官：消息中间件如何实现每秒几十万的高并发写入？
60、【非广告，纯干货】三四十岁大龄程序员，该如何保持职场竞争力？
/ x5 t% I) W# M5 D8 @; x61、面试官：请谈谈写入消息中间件的数据，如何保证不丢失？
62、【生产实践总结】支撑百万连接的系统应该如何设计其高并发架构？
- r3 X0 D2 x4 ^" n4 R63、面对BAT大厂的竞争对手时，小公司Java工程师是如何败北的？
0 v# _: h8 p: ?64、【纯干货分享】小公司出身的我，是如何拿下知名独角兽公司offer
6 v- X& L3 F: p" T65、用小白都能看懂的大白话告诉你：什么是分布式计算系统？
3 I7 K( Y' t$ D0 G# K8 L  N1 i, W66、老司机生产实践经验：线上系统的JVM内存是越大越好吗？
/ b, X/ [4 I& @' C67、Java同学找工作最懵圈的问题：到底啥是分布式系统开发经验？
4 j. n$ X3 S$ K, @: |67、尴尬的面试现场：说说你们系统有多大QPS？系统如何抗住高并发？
# C9 M# W! [* a2 U5 H8 @68、分享一套GitHub上stars 10000+的Java面试题（含解析）
69、小公司面试10连挂之后，我拿到了互联网一线大厂offer！
4 c1 g- k+ X2 h; e# I/ f! Z4 c9 }70、【架构设计之道】这波操作，会把你的中间件架构带到另一个Level
7 M. I9 J0 _$ Z( W71、三年努力，梦归阿里！
! L$ t; K1 y/ @  R9 i: C72、阿里三面，P9面试官是如何360°无死角考察候选人的？
) _+ S5 f" H( R, Y. {" l) {73、如果让你设计一个消息中间件，如何将网络通信性能优化10倍以上？
74、简历写Kafka，面试官大概率会让你讲acks参数对消息持久化的影响
75、【嗅探底层】深入揭秘Synchronized在JVM是如何实现的？
76、面经分享:斩获7枚offer，入职阿里平台事业部！

) z( }! u4 |( J来源：https://www.toutiao.com/a6687543307867783691/
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！