【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
& C- l* V. P4 \$ l7 z9 V2 h1、Kafka的客户端缓冲机制
2、内存缓冲造成的频繁GC问题
2 B% N' _) ]! f. h( d  ~3、Kafka设计者实现的缓冲池机制
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？
' L/ y" c6 I3 W6 A8 }) u# W/ i/ F1、Kafka的客户端缓冲机制
" t# ^7 T$ s- n, K5 p9 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。
* u9 a0 N  o, w- b8 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。
6 V  u# w+ q( v- L+ Q整个过程如下图所示：
8 H8 }+ n) x! T
$ j: V8 e# s1 N/ q, W( u
" Z1 p* y- t/ ?, b) G, r
* M$ F# f) b3 H- m; U) P2、内存缓冲造成的频繁GC问题
% ]5 n+ I: C2 z9 |3 V, O7 h' j
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。
6 d! F# k: b0 i/ w% ?6 n8 h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。
( R! i, Z; [" H% Q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。
4 e8 |7 C8 z" d( }9 M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。
* K1 I3 l) C1 g6 A- O' o0 x# H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。
. a0 c5 n1 C, x: v9 q! p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。
3 d4 k2 ~" ^; P- Q6 N9 s4 M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？
) j: _( d3 B  t. U: v1 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。
+ }  T6 w. R$ J5 m4 J2 v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 x$ T& F" j0 Q0 ^7 N. C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
# k; }; l- c/ }9 ?8 R. Y. j
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。
+ q. Q; e. `& U: F& f  d: P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！
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。
% K( `: s( }9 m" B' z0 K) J1 z3、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
: c" ^1 m0 U4 i9 y' v# Z  J
7 U. x" w( z. V2 d1 l2 |# N
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。
& ~+ s. k$ Z4 l+ h1 a8 P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：
$ R9 Z+ M/ l2 f2 n. s
3 ^$ m# p. H" T9 l1 o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。
3 w: ]- r/ Y6 |. n9 Z& C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。
& f/ U7 N0 `# n" Y0 p# x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。
! W  o8 Z  X; u' J/ `9 G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。
2 c; \& b' Q$ H; y6 Y8 e* 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？
  _) T- s6 g. t( z4 v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。
/ `9 a$ W1 W$ |. f# G4、总结一下

2 F0 A& S2 Z) V3 U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。
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。
# P" x% D; m/ Q& Y3 G1 h% j, m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
  f1 D" n0 j) u7 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,
2 {6 l$ u: ?4 J3 o: p欢迎关注头条号：石杉的架构笔记
: \; }7 c2 _" H- ?周一至周五早八点半！精品技术文章准时送上！！！
6 E' ^% L% O* {' ^% i十余年BAT架构经验倾囊相授
3 z, M/ `. S) k9 C7 M

推荐阅读
1、拜托！面试请不要再问我Spring Cloud底层原理！
& |! B( e1 I  t2 o% O) \2、微服务注册中心如何承载大型系统的千万级访问？
3 s/ z7 W' o1 s4 s( X3、「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？
; X" D* H: [9 F# O/ u/ w3 m9 y5 k# ?0 s- }5、兄弟，用大白话告诉你小白都能看懂的Hadoop架构原理
- V+ A6 V3 U# o* N" g6、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
* T! E$ \& O3 x- k4 d) \8 Z8、拜托，面试请不要再问我TCC分布式事务的实现原理！
' e2 u# ?1 k* B% B9、最终一致性分布式事务如何保障实际生产中99.99%高可用？
% ?" y, t$ o) V7 t2 o; I7 o10、拜托，面试请不要再问我Redis分布式锁的实现原理
9 H: Y. J! _  w/ Y! O11、Hadoop底层算法如何优雅的将大规模集群性能提升10倍以上？
12、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
/ \3 |# a6 a+ m15、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
, r/ w% R. C" D, h; }7 Q1 V3 E17、七张图彻底讲清楚ZooKeeper分布式锁的实现原理
7 r3 A5 |& i) r% N; 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？
20、大白话聊聊Java并发面试问题之谈谈你对AQS的理解？
! Q4 S. x  H& E% ?21、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
+ F- d7 K6 W8 M' F22、互联网公司的面试官是如何360°无死角考察候选人的？（上篇）
; A8 S2 J1 s1 E8 `23、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？
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
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
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？
# q0 x# I3 _0 a2 T" A28、扎心！线上服务宕机时，如何保证数据100%不丢失？
( V" z$ [- I2 F) x9 ]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？
$ h" V# S7 g: H( t. i5 U( m31、消息中间件集群崩溃，如何保证百万生产数据不丢失？
  t- m8 p7 Q, ~1 g6 R. e32、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）？
& J' u2 c' J  E: G$ P3 f  b4 z. a33、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）？
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）？
) L5 P; B8 D( U% z& m; e35、亿级流量架构第二弹：你的系统真的无懈可击吗？
; v, h6 r- N1 w6 _, K) d8 K36、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）？
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）
40、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）
+ K  M6 `6 S; S41、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
6 R# Q6 \2 G! M5 w. n44、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？
) X8 ^% E, Y9 ]) q6 x: S- o1 y& _- y45、「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？
; C6 ~  q/ D. O8 X. D: d) e; G. }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
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 r8 a5 M7 b- G6 U7 W49、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？
52、「来自一线的血泪总结」你的系统上线时是否踩过这些坑？
53、【offer收割机必备】我简历上的Java项目都好low，怎么办？
' L1 U4 y8 F# p/ K54、【offer去哪了】我一连面试了十个Java岗，统统石沉大海！
9 g* b/ L( \' a! F1 q8 _9 A) _55、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？
5 [4 K0 `$ q( z* l57、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？
3 l; B5 h# R) \; A! D4 e59、面试官：消息中间件如何实现每秒几十万的高并发写入？
+ B! ?/ C( ?" P60、【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？
* t8 k1 j! b7 Y( R$ T$ |- l61、面试官：请谈谈写入消息中间件的数据，如何保证不丢失？
  i' D( q$ H9 f& ^" e62、【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？
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
' N5 V$ v4 s1 s# u6 ?2 w5 N* B65、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？
67、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？
+ _7 @) {3 r) m  o, 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！
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！
0 W$ D8 B2 w5 |" o. A5 s* S72、阿里三面，P9面试官是如何360°无死角考察候选人的？
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
4 p0 d6 r0 r9 f' C; V3 q" U75、【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！

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！