【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
5 a/ V8 Y- M$ X7 b: ~# U" z( L" M周一至周五早八点半！精品技术文章准时送上！！！
: Z! J% u$ f) d4 O1 j精品学习资料获取通道，参见文末
' ~. E- O6 K( _1 d2 z& {目录
) p2 _) A& S; a0 b. Q% e1 X# t" B1、Kafka的客户端缓冲机制
5 B7 l3 d4 g3 E$ O2、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
4、总结一下
, J- E# W) Q3 c“ 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？
! b, C2 f. l' C! {; W1、Kafka的客户端缓冲机制

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。
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：

$ E* L0 d" I6 s! p/ e( Z! f8 X
3 C. O3 F7 v- e3 S8 O
2、内存缓冲造成的频繁GC问题

( e. x; l0 @6 h) n9 {% p1 d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。
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。
* [/ @/ a9 G1 V/ q9 N9 ^' y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。
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。
( E2 h+ W& @0 Y, t3 C; P8 @7 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。
) F, V" d7 |0 ^. B5 j5 J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？
: X$ m0 M; Z9 L0 v7 v' X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。
4 S1 z! @/ g8 v( Z2 b' _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！
, m  w3 {. d9 G- Y0 K4 l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
  a- n" G6 q5 q
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！
( w7 j7 E$ M+ X" ?2 c8 k) H/ e: `3 \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。
5 ~$ K& U2 D$ C: f8 @; \$ c3、Kafka设计者实现的缓冲池机制
( k& m2 ~' b/ |8 C- L! _
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

0 S- C# a2 t6 k, f* L5 |3 C
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。
# B6 g0 z# G3 `5 h3 @2 A, u: y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。
4 M; t6 g* D4 G5 i) g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：
0 p+ j/ t2 c( y. Y& T
# F2 d2 V9 h# P! D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。
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？
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
' E$ Q+ e+ m$ N% E) [8 r
+ [: w+ y7 S, h" E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。
, m! k% o5 }' J- t  C6 r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
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,
" Z/ s1 L1 [: _; a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！！！
" g! j6 a3 ]: K+ n6 E1 z, O十余年BAT架构经验倾囊相授
0 x6 H% a- O# g

推荐阅读
1 J. l: x' m( a+ b7 ~: v% W# @) I1、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？
! [3 h, g' ^; U) U6 ?& H5、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
( L; N9 D6 c- \% R' `1 k# o. p8、拜托，面试请不要再问我TCC分布式事务的实现原理！
3 `5 q! M7 U) E, A: 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？
( ]. A  r; C3 ]1 ~( P10、拜托，面试请不要再问我Redis分布式锁的实现原理
6 O9 O7 V( J& g6 f11、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
- }# q9 M2 i6 _  ?; K; x14、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
+ J! [  _- Q# B% X! a16、亿级流量系统架构之如何设计全链路99.99%高可用架构
0 V- b; w9 _4 q17、七张图彻底讲清楚ZooKeeper分布式锁的实现原理
18、大白话聊聊Java并发面试问题之volatile到底是什么？
; A5 S- L! ]7 M- K3 O$ }8 N19、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？
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
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）
! |5 N- x% @) [5 v  t( g  U' v23、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
( z4 T: r+ I9 N0 `. `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？
28、扎心！线上服务宕机时，如何保证数据100%不丢失？
% S" c' k! c" J* @( l2 L" {" ]8 Q29、 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？
9 W3 K: D$ {  [& K8 z1 Q- B32、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）？
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）？
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）？
35、亿级流量架构第二弹：你的系统真的无懈可击吗？
7 G/ |. F* R2 f% Q6 Y5 K9 J36、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）？
6 ~# R1 s$ S7 j7 q  c38、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）？
. g( t) [7 h: D6 i39、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）
  ]( I' P# s' j, M41、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
5 I! Q0 A4 e5 U" g# C% v3 `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
. P1 E- h* z5 D# A& C3 f# f  x44、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？
  z8 b7 e0 i. e, K45、「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？
, n1 c+ t; g! k* c: c9 L47、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
/ N& r2 q  h% o! N9 n" X48、「非广告，纯干货」中小公司的Java工程师应该如何逆袭冲进BAT？
49、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？
  L/ }; N; F7 o: W# ?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？
6 E) J3 U% \, ]4 ^6 U, k53、【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！
6 l9 k3 ~+ Q2 l55、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？
% V' v( Y6 R6 s) v& b$ b/ K5 A56、高阶Java开发必备：分布式系统的唯一id生成算法你了解吗？
! ]" n7 }" d3 n3 M& Q57、尴尬了！Spring Cloud微服务注册中心Eureka 2.x停止维护了咋办？
5 N) M2 M, \. s. g$ b. ?* y58、【Java高阶必备】如何优化Spring Cloud微服务注册中心架构？
8 ]) P& n# i, |+ g! e59、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？
# V5 @6 P2 g2 b. |, y: h& h# T6 N61、面试官：请谈谈写入消息中间件的数据，如何保证不丢失？
& K+ }$ x2 P6 b: p0 ^6 p* ]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？
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？
% }8 Z- Z8 C+ Y2 ^  d# ]. p66、老司机生产实践经验：线上系统的JVM内存是越大越好吗？
+ t$ s6 `; }0 a9 i5 P67、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？
6 J$ ?4 k8 G* z/ S4 e# b- o68、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！
& ^- M! B9 Y8 }# q5 T70、【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！
72、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？
! y/ K' R- @9 T74、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
$ g: ?" ]7 c# \9 H75、【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！

* a3 b/ b% R3 I% s. U( R# e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！