【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
8 t2 K% j- J/ I& |9 {0 }0 e2、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
9 d8 x  D3 m$ K8 u  w# w4、总结一下
“ 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？
1、Kafka的客户端缓冲机制
. C. j2 h5 n1 q+ [, [
  h; A3 Q7 B$ t% _/ I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。
/ b) F5 S* G- F- n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。
0 S0 d* h9 l5 j0 [; Z# u整个过程如下图所示：
( _4 N. m# z, Q2 S8 v) B, w


! K- L2 |2 L4 a1 r- |2 E: t2、内存缓冲造成的频繁GC问题
& D8 J% T* {1 a( R3 ]  T
3 O0 z% y6 w6 H4 c! ?# V+ g4 t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。
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。
, o* J2 ^# S# S! X7 F9 D1 \) X5 Q( U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。
7 ]. P7 p3 X: W; u! ]. y2 D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？
9 i; ~$ k" c/ ~( g$ M8 ?8 @9 N; }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。
2 \( |4 v+ g( n/ |4 F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。
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。
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。
; [/ z" z+ Y% K8 ^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？
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。
+ ^( `7 G, F# i6 ~9 O/ A7 J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！
4 V1 W' N% V) Y4 x" ?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
$ f. e* Y6 x  ], D
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。
6 F% I$ i5 g+ x0 D: H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！
- f: O1 t, c: w& C9 N; [' F. V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。
. q3 ^/ ^& T3 N+ u3、Kafka设计者实现的缓冲池机制

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
6 G; W$ Z8 _/ x* w
+ r$ K  W8 d" J$ W8 a, B
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。
! q1 n/ L: i/ b) r: W8 L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。
  Y0 E8 y, C7 K5 }1 r3 A: a6 x4 F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。
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。
4 r# n, U, c1 p' G  u' [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：

. S. |& F9 r# G" ]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。
, g2 X2 R5 k% Q; [% o  m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。
% O' |7 M/ V5 a, D$ \" f9 I, I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。
: L  c6 |$ o: q7 B$ J0 U6 v! |/ A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。
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。
1 o  d7 B% U- i8 `2 N. }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？
/ e" T. V3 t, x+ v; v: E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？
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。
4、总结一下

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。
2 O- N" ~  B3 e8 r  [- E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。
% D7 ]2 K- ~1 n  B3 ZEnd
  C1 }: v  D. Q' A  J' w9 M0 Q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,
3 M) b3 I. @: w3 O( I9 x5 {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！！！
8 K7 [8 v6 {, D+ V7 |& V- S5 R$ x十余年BAT架构经验倾囊相授

推荐阅读
2 m0 N* x  a- e  v" c+ q; u1、拜托！面试请不要再问我Spring Cloud底层原理！
! o* h, O1 s: V; f: _% n  E2、微服务注册中心如何承载大型系统的千万级访问？
( J) ]' ?! w' w7 c3、「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
) l  X7 Z. s( h6 L6、大规模集群下Hadoop NameNode如何承载每秒上千次的高并发访问
# V! v, x) Y/ I, u2 A7、「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！
& Z* f) C. {: D6 ?+ C1 w9、最终一致性分布式事务如何保障实际生产中99.99%高可用？
! ^. w7 z* H" P6 b; u10、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& y  c) q1 R( A# R12、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
4 S( V" ~" ^) A4 u( d7 w. v14、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
: T  x+ I/ c8 X  s0 f15、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
16、亿级流量系统架构之如何设计全链路99.99%高可用架构
- {8 @$ v, v/ s& O: P, a" Y* z9 G6 u17、七张图彻底讲清楚ZooKeeper分布式锁的实现原理
1 ^6 d+ y4 P+ W# X% [9 |1 C18、大白话聊聊Java并发面试问题之volatile到底是什么？
19、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？
) @& _2 U# I' \5 `+ G21、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
22、互联网公司的面试官是如何360°无死角考察候选人的？（上篇）
# H% n% k9 }' T; e23、互联网公司面试官是如何360°无死角考察候选人的？（下篇）
24、「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？
8 a5 y3 e' _* I# ~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
# n0 B, M) w. A5 g. O26、「行走的Offer收割机」一位朋友斩获BAT技术专家Offer的面试经历
27、「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？
28、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！
30、「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？
) h2 e( f  @+ F9 `- G! ]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）？
% u6 @* x" j4 L" u3 c$ 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）？
* c8 g# t  c: |3 t; ?34、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）？
9 P7 G$ J7 h0 v8 S8 a3 M0 \9 M35、亿级流量架构第二弹：你的系统真的无懈可击吗？
+ Z( K3 p: `# {, }$ i% `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）
: i: Y8 `0 y1 z! [3 E6 V$ x37、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）？
38、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）
# ~, \2 Z/ ?& \% X* L% @9 o; y8 J40、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？
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
; b/ o( P- X8 `+ D1 e/ ~% B/ L44、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？
45、「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？
46、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？
47、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
1 P4 z; \4 \/ X; D# k, f48、「非广告，纯干货」中小公司的Java工程师应该如何逆袭冲进BAT？
! Z: @3 Q( B1 U5 R49、拜托，面试请不要再问我分布式搜索引擎的架构原理！
: S9 X4 C9 f8 x$ }& {6 h1 [. a5 W50、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？
51、「码农打怪升级之路」行走江湖，你需要解锁哪些技能包？
$ ~: x7 M! q% e! [8 B; Q7 U52、「来自一线的血泪总结」你的系统上线时是否踩过这些坑？
# u# Y% O* b4 j% \9 K/ b53、【offer收割机必备】我简历上的Java项目都好low，怎么办？
54、【offer去哪了】我一连面试了十个Java岗，统统石沉大海！
2 K- y% u% R' ~8 z55、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？
; `8 f; p- M" @% J8 m8 c56、高阶Java开发必备：分布式系统的唯一id生成算法你了解吗？
6 g5 ]1 u/ L) A! d57、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？
  a( d  D& i, i' w' v3 V59、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？
( i4 H' y3 Y+ e1 x2 a, y61、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？
63、面对BAT大厂的竞争对手时，小公司Java工程师是如何败北的？
% e/ `1 Q" F; H* S& R" t64、【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
65、用小白都能看懂的大白话告诉你：什么是分布式计算系统？
66、老司机生产实践经验：线上系统的JVM内存是越大越好吗？
5 ~( [8 d: o- B" d3 Q" 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？
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？
68、分享一套GitHub上stars 10000+的Java面试题（含解析）
& [: a- _% e, l6 C: o69、小公司面试10连挂之后，我拿到了互联网一线大厂offer！
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
71、三年努力，梦归阿里！
) {6 B/ C" ^$ c# E# j72、阿里三面，P9面试官是如何360°无死角考察候选人的？
. _5 I" K# ^' N/ M; v/ @& r73、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
, R" l8 e/ G% g& q, H- @75、【嗅探底层】深入揭秘Synchronized在JVM是如何实现的？
6 `+ t1 e! Z; L1 L" l76、面经分享:斩获7枚offer，入职阿里平台事业部！
5 ~  m: _  I0 j  Y4 r( {) X

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！