【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
' [8 d- f4 M1 r$ q% `8 h1 p周一至周五早八点半！精品技术文章准时送上！！！
- r; g9 v" O3 ?# @+ q精品学习资料获取通道，参见文末
0 w/ E# a, K# l$ M  i# a1 W目录
6 h/ w1 }6 x$ C- H1、Kafka的客户端缓冲机制
2、内存缓冲造成的频繁GC问题
9 f- \3 X) I# p+ a) e. ^: e3、Kafka设计者实现的缓冲池机制
: b& C. ?0 U  r* y/ T! j" `4、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
% {) R6 ~' T. O3 c) f+ [
! |$ e" i# [4 ?- N- E& _! K7 V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。
6 c  \4 T7 G4 {0 b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。
: q1 M8 I) J3 p整个过程如下图所示：
/ j, }7 \6 P0 M4 s& S


2、内存缓冲造成的频繁GC问题

1 x% }5 i  x* A9 [: K, B; s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。
- u3 g" v0 H/ N& Y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？
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。
: f' E- L: y& E( I$ h7 R) [+ u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。
9 i8 z+ y# `% G2 q( u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。
& d( n) ^- k+ f* m1 Y3 D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？
/ E7 U) V2 L1 L6 ?$ D% r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。
9 \; n( N; U& O1 E# m  g, l& F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
: z* X: C3 s6 O3 Y
! C; V6 z# R0 C, I! ?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。
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！
# e) H1 z. H- z$ i4 ]5 ^2 D1 P! R" C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。
' C6 O* M* Y$ ~8 A9 B! A) @3、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
" e# p. A! c: j6 v/ t$ M. \: ]

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。
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。
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。
# O1 V: E4 n  _& B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？
: S6 X/ Q7 N+ R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：

; I8 E! m) I* 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。
& Y$ x; V  E8 }" a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。
% J9 k% o1 J' Y5 c) v- ~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。
& ?9 @2 Q2 T( x: A! Y. N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。
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？
, `0 T8 f8 s/ M& |; k$ 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。
9 [" d% k, ~9 ]) t; ?; @! F+ ?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。
0 Y9 s' H6 V# y5 Q4、总结一下
  q/ j5 e* e/ p9 u" z
/ ?1 X! ^# ]0 O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。
: ]# r' W7 ]- m# t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 B) J! [9 @5 @; U' F( c2 l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,
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！！！
' Y! \2 w: I. e& Y; \  m; A/ |十余年BAT架构经验倾囊相授

推荐阅读
1、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
+ l; M* o2 d9 r$ H7、「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
, B; Z* r- I  l& f2 s0 C8、拜托，面试请不要再问我TCC分布式事务的实现原理！
0 f' `5 ?$ _  Y" y* ]7 ]+ Y" Y* N9、最终一致性分布式事务如何保障实际生产中99.99%高可用？
10、拜托，面试请不要再问我Redis分布式锁的实现原理
' n% z& P, Q8 n11、Hadoop底层算法如何优雅的将大规模集群性能提升10倍以上？
$ W7 V0 e0 o, Z3 e0 [3 y) i: [2 o; |7 H12、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
14、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
0 h* t; U; l* h5 N15、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
. {* q4 g1 o+ n& c  c6 i- R7 S0 |16、亿级流量系统架构之如何设计全链路99.99%高可用架构
2 g1 a4 Z* B& y& c# h' _17、七张图彻底讲清楚ZooKeeper分布式锁的实现原理
. l4 o8 A, |' Z: _- U" Y18、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？
, c* k9 ?# Y- B( a& q% f. m3 t) V8 _20、大白话聊聊Java并发面试问题之谈谈你对AQS的理解？
/ x" f* V$ n( c- J6 H8 R  B: Q5 L21、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）
  J! H8 c! q+ L8 F6 P" t* S) q23、互联网公司面试官是如何360°无死角考察候选人的？（下篇）
! b' I$ o) {7 A! M1 `7 _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？
2 [. {9 ~- T' y- F4 F( l, {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
7 u. x0 c* B5 g9 |26、「行走的Offer收割机」一位朋友斩获BAT技术专家Offer的面试经历
' \% o$ V* k" ~7 M  P27、「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！
) ^/ u6 c6 o8 X) I+ b30、「高并发优化实践」10倍请求压力来袭，你的系统会被击垮吗？
8 S7 i; o: u: p- e9 @' Q4 F31、消息中间件集群崩溃，如何保证百万生产数据不丢失？
8 g$ q4 Z! F9 x4 h& \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）？
! {& z7 z* d* W( _33、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）？
0 `0 ^5 s! {" _; K. k% R+ K5 ~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）？
: v3 ?+ A% u3 O% |2 M  r! ]4 z$ g35、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）
37、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）？
' d2 N3 p, l& G6 q* ?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）？
! [& e5 C0 k( ~. z  o- `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）
4 q3 I) K0 V* g5 l9 R) n40、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）
) g+ w9 p# j7 F3 A8 p, h% u9 _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
# E2 F" I+ r& v43、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
44、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？
( F0 e$ G, N0 ~7 G: G45、「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？
0 @9 Q0 r5 w* z3 i& N  A47、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
  S1 L; Q7 u9 A% }3 A" N/ ~" d48、「非广告，纯干货」中小公司的Java工程师应该如何逆袭冲进BAT？
+ Y) A, J- |0 \% }3 c" 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？
51、「码农打怪升级之路」行走江湖，你需要解锁哪些技能包？
) L5 N. g2 e# f. i6 L4 X; p52、「来自一线的血泪总结」你的系统上线时是否踩过这些坑？
% W& r2 T  f+ z! M) m53、【offer收割机必备】我简历上的Java项目都好low，怎么办？
1 n. }' O7 `9 ?54、【offer去哪了】我一连面试了十个Java岗，统统石沉大海！
) B0 `9 q9 ?. U6 m3 F, s# U55、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？
* o( R7 p* c- d6 \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？
/ E3 ~5 Z3 ?' B* g59、面试官：消息中间件如何实现每秒几十万的高并发写入？
9 O* T; `% X1 C0 i; @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？
  e) t8 e$ u$ D& l/ l& `+ D61、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？
. W, D6 m+ a" `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
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？
5 u: O  H" @  L7 R" g5 H# L+ M66、老司机生产实践经验：线上系统的JVM内存是越大越好吗？
+ m! d/ R6 V/ {$ G67、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？
" V: o  a6 P3 |& n0 y67、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）
69、小公司面试10连挂之后，我拿到了互联网一线大厂offer！
% ?4 \/ R' S9 y" S2 l) Q70、【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
9 y. v+ B2 J- @71、三年努力，梦归阿里！
% {* `  {9 h3 u1 V& m1 Y4 b72、阿里三面，P9面试官是如何360°无死角考察候选人的？
$ t8 }" q6 L! r1 b73、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
8 |1 l" ~7 K, K  y' @1 P5 m, _75、【嗅探底层】深入揭秘Synchronized在JVM是如何实现的？
3 K# |* f' H9 D1 Z: o76、面经分享:斩获7枚offer，入职阿里平台事业部！
: d) I8 N6 Y2 q+ O' K8 y

0 j( e8 _" }; U% K6 k- U来源：https://www.toutiao.com/a6687543307867783691/
% K) _; ~0 T5 M* H9 F) s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！