【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
# S- q; j2 n, e) m8 j# s7 a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
; F1 g  \; d2 W7 u, o' _$ `1、Kafka的客户端缓冲机制
2、内存缓冲造成的频繁GC问题
# X$ p9 _5 H) |; f6 T5 e: @' T$ o3、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？
: W' \0 f. U0 r9 E! s1、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。
5 u) a7 w8 @( V; O$ X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：
; }0 v8 j9 z0 s, S# h( V3 X4 K
! ?! ?2 Q- s4 j1 a" M& ]" L4 e# A
* U; W% k1 @# q: a
* F2 V5 V$ M: O: N) w& `2、内存缓冲造成的频繁GC问题
' }9 B9 y& `- w/ C) n! D. 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。
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。
( Q* T7 [0 O# n- ]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。
& E' T; e4 d$ k1 y$ t3 Q, _0 Z! T8 [* n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？
" |; O, X, ?* l& O3 u( H# y! t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。
1 \! F9 ?6 m/ Y7 U2 \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。
6 c8 [% `3 l# s" i) X7 h2 J1 S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。
2 J. q3 Z! H7 S" J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？
5 S( W! W" c! i8 t+ i3 F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！
' E; ]9 o; ~* e- T$ o/ |8 a6 i# C3 d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。
# }% y. N' }0 u  u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！
- T# @" T) `9 @/ ^, h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。
3、Kafka设计者实现的缓冲池机制

. C7 u! y) K! J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

' n6 N2 \1 E& E* {
# I+ Z/ a; b6 H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。
1 l: D5 D* r7 u/ Q+ G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。
7 s5 ^) @* L4 e$ B- ]' K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：
- R6 i  j+ N$ A1 H
0 K5 K& P+ |8 `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。
; ]# `/ f1 ~6 a) E+ C+ F; _2 o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。
: a: r. c5 s. p8 W7 U+ G- B( K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。
% S. N# i2 C/ w: I5 c- \9 O! x. n) q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。
. g3 x- p$ M5 r) y& o  ~! }/ ?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。
% j) E4 W) V7 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。
% w! d/ h0 i0 W( o$ q" S% h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,
) Y( }: ^; h. n# s6 s: I欢迎关注头条号：石杉的架构笔记
" \! Z2 D* s. P周一至周五早八点半！精品技术文章准时送上！！！
9 j' o' a6 S& O; i( h十余年BAT架构经验倾囊相授
7 I; I; v% q! Q8 W

推荐阅读
" {6 Y! Q" [+ `2 I4 J; i1、拜托！面试请不要再问我Spring Cloud底层原理！
" `" `  d% x: m6 U0 @2、微服务注册中心如何承载大型系统的千万级访问？
) m+ x6 e( \2 W9 G0 S" r" r3、「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？
: t, N% W; D, J  X! D+ @: B4 F5、兄弟，用大白话告诉你小白都能看懂的Hadoop架构原理
; Z( H9 L9 d* }/ P8 g8 i6、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
5 s6 m9 Z) e: k$ b! U7 F8、拜托，面试请不要再问我TCC分布式事务的实现原理！
8 H: a1 b2 c: `" Z9、最终一致性分布式事务如何保障实际生产中99.99%高可用？
5 ^  O" M: v1 t" U2 x7 P+ v10、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？
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
5 U% A" S- o% c" u+ |: }! V: y13、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
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
* f: y3 N, O- |) u; o, _16、亿级流量系统架构之如何设计全链路99.99%高可用架构
17、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？
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？
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
: p- R$ {" o% u22、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）
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？
, a1 I* u, T2 {. k25、「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
+ x3 e1 t0 w7 v27、「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？
! N, y$ w7 U3 _- c3 u& Q& I! b28、扎心！线上服务宕机时，如何保证数据100%不丢失？
8 ?, f4 ]$ [4 t2 Z29、 一次JVM FullGC的背后，竟隐藏着惊心动魄的线上生产事故！
6 n8 Q. J9 c9 q& ~! Q" L2 o30、「高并发优化实践」10倍请求压力来袭，你的系统会被击垮吗？
$ C4 n7 b* o) ?. T31、消息中间件集群崩溃，如何保证百万生产数据不丢失？
8 J7 C+ h+ ]7 l) r7 X9 @( `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）？
# V6 j0 j7 g! k5 r: ?2 U7 v33、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？
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）
$ h0 G8 O) j  Z! A' Y37、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）？
# A4 ]; [; f' Y38、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）？
+ W! O9 v4 d* S/ v+ b39、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）
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
$ }; J% o4 g' T' W) ~' T. _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
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？
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？
% M5 Y3 e+ J( _0 N6 O- c, l4 A, n46、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
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？
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？
, O) l& v" K3 j; d/ C; U51、「码农打怪升级之路」行走江湖，你需要解锁哪些技能包？
- a' T$ i& [/ _1 {' J' Y- F52、「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？
54、【offer去哪了】我一连面试了十个Java岗，统统石沉大海！
& Q% r+ g; B' h+ n55、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？
4 f1 l* ^8 L8 i7 k56、高阶Java开发必备：分布式系统的唯一id生成算法你了解吗？
* f6 ?- O1 p  g" [6 w( R2 {) l57、尴尬了！Spring Cloud微服务注册中心Eureka 2.x停止维护了咋办？
/ |- S1 d" V! o  P) G58、【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？
61、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？
) S6 l) n; K2 I/ y63、面对BAT大厂的竞争对手时，小公司Java工程师是如何败北的？
( y1 D; g- _0 X. p/ e7 _5 A6 ?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
! t* p, j+ ^/ X$ p2 G7 W# B1 V65、用小白都能看懂的大白话告诉你：什么是分布式计算系统？
2 }5 p0 f- G/ @6 [3 Y3 n/ z$ @66、老司机生产实践经验：线上系统的JVM内存是越大越好吗？
% D( X! L" J& f* l: @; K6 ?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？
) _) F. R* f6 _  f+ x67、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 I1 {1 V9 n7 b6 Q1 k- {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
  v) z! }8 b4 q71、三年努力，梦归阿里！
. ]4 L* H  W" v8 W8 ~, u" p# o7 t4 A72、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？
( m6 d( N& i' S' L/ w, A. C74、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
+ Q9 G2 `% n! \# {; o6 V$ r75、【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！
+ C5 k/ W& v2 Q( t9 v  A

来源：https://www.toutiao.com/a6687543307867783691/
+ V- j* X- S' \: Z: I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！