当前位置:   article > 正文

kafka性能调优_kafka启动慢

kafka启动慢

主要优化原理和思路

kafka是一个高吞吐量分布式消息系统,并且提供了持久化。其高性能的有两个重要特点:

  • 利用了磁盘连续读写性能远远高于随机读写的特点;
  • 并发,将一个topic拆分多个partition。

要充分发挥kafka的性能,就需要满足这两个条件

kafka读写的单位是partition,因此,将一个topic拆分为多个partition可以提高吞吐量。但是,这里有个前提,就是不同partition需 要位于不同的磁盘(可以在同一个机器)。如果多个partition位于同一个磁盘,那么意味着有多个进程同时对一个磁盘的多个文 件进行读写,使得操作系统会对磁盘读写进行频繁调度,也就是破坏了磁盘读写的连续性。

在linkedlin的测试中,每台机器就加载了6个磁盘,并且不做raid,就是为了充分利用多磁盘并发读写,又保证每个磁盘连续读写 的特性。

具体配置上,是将不同磁盘的多个目录配置到broker的log.dirs,例如 
log.dirs=/disk1/kafka-logs,/disk2/kafka-logs,/disk3/kafka-logs 
kafka会在新建partition的时候,将新partition分布在partition最少的目录上,因此,一般不能将同一个磁盘的多个目录设置到log.dirs

同一个ConsumerGroup内的Consumer和Partition在同一时间内必须保证是一对一的消费关系

任意Partition在某一个时刻只能被一个Consumer Group内的一个Consumer消费(反过来一个Consumer则可以同时消费多个Partition)

JVM参数配置

推荐使用最新的G1来代替CMS作为垃圾回收器。 
推荐使用的最低版本为JDK 1.7u51。下面是本次试验中Broker的JVM内存配置参数:

-Xms30g -Xmx30g -XX:PermSize=48m -XX:MaxPermSize=48m -XX:+UseG1GC -XX:MaxGCPauseMillis=20 -XX:InitiatingHeapOccupancyPercent=35
 
 
  • 1
  • 1

G1相比较于CMS的优势:

  • G1是一种适用于服务器端的垃圾回收器,很好的平衡了吞吐量和响应能力
  • 对于内存的划分方法不同,Eden, Survivor, Old区域不再固定,使用内存会更高效。G1通过对内存进行Region的划分,有效避免了内存碎片问题。
  • G1可以指定GC时可用于暂停线程的时间(不保证严格遵守)。而CMS并不提供可控选项。
  • CMS只有在FullGC之后会重新合并压缩内存,而G1把回收和合并集合在一起。
  • CMS只能使用在Old区,在清理Young时一般是配合使用ParNew,而G1可以统一两类分区的回收算法。

G1的适用场景:

  • JVM占用内存较大(At least 4G)
  • 应用本身频繁申请、释放内存,进而产生大量内存碎片时。
  • 对于GC时间较为敏感的应用。

JVM参数详解:http://blog.csdn.net/lizhitao/article/details/44677659

Broker参数配置

配置优化都是修改server.properties文件中参数值

1. 网络和io操作线程配置优化

  1. # broker处理消息的最大线程数
  2. num.network.threads=xxx
  3. # broker处理磁盘IO的线程数
  4. num.io.threads=xxx
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

建议配置:

用于接收并处理网络请求的线程数,默认为3。其内部实现是采用Selector模型。启动一个线程作为Acceptor来负责建立连接,再配合启动num.network.threads个线程来轮流负责从Sockets里读取请求,一般无需改动,除非上下游并发请求量过大。一般num.network.threads主要处理网络io,读写缓冲区数据,基本没有io等待,配置线程数量为cpu核数加1.

num.io.threads主要进行磁盘io操作,高峰期可能有些io等待,因此配置需要大些。配置线程数量为cpu核数2倍,最大不超过3倍.

2. log数据文件刷盘策略 
为了大幅度提高producer写入吞吐量,需要定期批量写文件。 
建议配置:

  1. # 每当producer写入10000条消息时,刷数据到磁盘 log.flush.interval.messages=10000
  2. # 每间隔1秒钟时间,刷数据到磁盘
  3. log.flush.interval.ms=1000
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

3. 日志保留策略配置

当kafka server的被写入海量消息后,会生成很多数据文件,且占用大量磁盘空间,如果不及时清理,可能磁盘空间不够用,kafka默认是保留7天。 
建议配置:

  1. # 保留三天,也可以更短
  2. log.retention.hours=72
  3. # 段文件配置1GB,有利于快速回收磁盘空间,重启kafka加载也会加快(如果文件过小,则文件数量比较多,
  4. # kafka启动时是单线程扫描目录(log.dir)下所有数据文件)
  5. log.segment.bytes=1073741824
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

Tips

  • Kafka官方并不建议通过Broker端的log.flush.interval.messages和log.flush.interval.ms来强制写盘,认为数据的可靠性应该通过Replica来保证,而强制Flush数据到磁盘会对整体性能产生影响。
  • 可以通过调整/proc/sys/vm/dirty_background_ratio和/proc/sys/vm/dirty_ratio来调优性能。

    1. 脏页率超过第一个指标会启动pdflush开始Flush Dirty PageCache。
    2. 脏页率超过第二个指标会阻塞所有的写操作来进行Flush。
    3. 根据不同的业务需求可以适当的降低dirty_background_ratio和提高dirty_ratio。

如果topic的数据量较小可以考虑减少log.flush.interval.ms和log.flush.interval.messages来强制刷写数据,减少可能由于缓存数据未写盘带来的不一致。

4. 配置jmx服务 
kafka server中默认是不启动jmx端口的,需要用户自己配置

  1. [lizhitao@root kafka_2.10-0.8.1]$ vim bin/kafka-run-class.sh
  2. #最前面添加一行
  3. JMX_PORT=8060
  • 1
  • 2
  • 3
  • 4
  • 1
  • 2
  • 3
  • 4

5. Replica相关配置:

  1. replica.lag.time.max.ms:10000
  2. replica.lag.max.messages:4000
  3. num.replica.fetchers:1
  4. #在Replica上会启动若干Fetch线程把对应的数据同步到本地,而num.replica.fetchers这个参数是用来控制Fetch线程的数量。
  5. #每个Partition启动的多个Fetcher,通过共享offset既保证了同一时间内Consumer和Partition之间的一对一关系,又允许我们通过增多Fetch线程来提高效率。
  6. default.replication.factor:1
  7. #这个参数指新创建一个topic时,默认的Replica数量
  8. #Replica过少会影响数据的可用性,太多则会白白浪费存储资源,一般建议在2~3为宜。
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12

6. purgatory

  1. fetch.purgatory.purge.interval.requests:1000
  2. producer.purgatory.purge.interval.requests:1000
  • 1
  • 2
  • 1
  • 2

首先来介绍一下这个“炼狱”究竟是用来做什么用的。Broker的一项主要工作就是接收并处理网络上发来的Request。这些Request其中有一些是可以立即答复的,那很自然这些Request会被直接回复。另外还有一部分是没办法或者Request自发的要求延时答复(例如发送和接收的Batch),Broker会把这种Request放入Paurgatory当中,同时每一个加入Purgatory当中的Request还会额外的加入到两个监控对队列:

  • WatcherFor队列:用于检查Request是否被满足。
  • DelayedQueue队列:用于检测Request是否超时。

Request最终的状态只有一个,就是Complete。请求被满足和超时最终都会被统一的认为是Complete。

目前版本的Purgatory设计上是存在一定缺陷的。Request状态转变为Complete后,并没能立即从Purgatory中移除,而是继续占用资源,因此占用内存累积最终会引发OOM。这种情况一般只会在topic流量较少的情况下触发。更详细的资料可以查阅扩展阅读,在此不做展开。

在实际使用中我也是踩了这个坑过来的,当时的情况是集群新上了一个topic,初期该topic数据很少(Low volume topic),导致那段时间在凌晨3,4点左右会随机有Broker因为OOM挂掉。定位原因后把*.purgatory.purge.interval.requests的配置调整小至100就解决了这个问题。

Kafka的研发团队已经开始着手重新设计Purgatory,力求能够让Request在Complete时立即从Purgatory中移除。

  1. 其他
  1. num.partitions:1
  2. #分区数量
  3. queued.max.requests:500
  4. #这个参数是指定用于缓存网络请求的队列的最大容量,这个队列达到上限之后将不再接收新请求。一般不会成为瓶颈点,除非I/O性能太差,这时需要配合num.io.threads等配置一同进行调整。
  5. compression.codec:none
  6. #Message落地时是否采用以及采用何种压缩算法。一般都是把Producer发过来Message直接保存,不再改变压缩方式。
  7. in.insync.replicas:1
  8. #这个参数只能在topic层级配置,指定每次Producer写操作至少要保证有多少个在ISR的Replica确认,一般配合request.required.acks使用。要注意,这个参数如果设置的过高可能会大幅降低吞吐量。
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12

Producer优化

  1. buffer.memory:33554432 (32m)
  2. #在Producer端用来存放尚未发送出去的Message的缓冲区大小。缓冲区满了之后可以选择阻塞发送或抛出异常,由block.on.buffer.full的配置来决定。
  3. compression.type:none
  4. #默认发送不进行压缩,推荐配置一种适合的压缩算法,可以大幅度的减缓网络压力和Broker的存储压力。
  5. linger.ms:0
  6. #Producer默认会把两次发送时间间隔内收集到的所有Requests进行一次聚合然后再发送,以此提高吞吐量,而linger.ms则更进一步,这个参数为每次发送增加一些delay,以此来聚合更多的Message。
  7. batch.size:16384
  8. #Producer会尝试去把发往同一个Partition的多个Requests进行合并,batch.size指明了一次Batch合并后Requests总大小的上限。如果这个值设置的太小,可能会导致所有的Request都不进行Batch。
  9. acks:1
  10. #这个配置可以设定发送消息后是否需要Broker端返回确认。
  11. 0: 不需要进行确认,速度最快。存在丢失数据的风险。
  12. 1: 仅需要Leader进行确认,不需要ISR进行确认。是一种效率和安全折中的方式。
  13. all: 需要ISR中所有的Replica给予接收确认,速度最慢,安全性最高,但是由于ISR可能会缩小到仅包含一个Replica,所以设置参数为all并不能一定避免数据丢失。
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20

Consumer优化

  1. num.consumer.fetchers:1
  2. #启动Consumer的个数,适当增加可以提高并发度。
  3. fetch.min.bytes:1
  4. #每次Fetch Request至少要拿到多少字节的数据才可以返回。
  5. #在Fetch Request获取的数据至少达到fetch.min.bytes之前,允许等待的最大时长。对应上面说到的Purgatory中请求的超时时间。
  6. fetch.wait.max.ms:100
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 通过Consumer Group,可以支持生产者消费者和队列访问两种模式。
  • Consumer API分为High level和Low level两种。前一种重度依赖Zookeeper,所以性能差一些且不自由,但是超省心。第二种不依赖Zookeeper服务,无论从自由度和性能上都有更好的表现,但是所有的异常(Leader迁移、Offset越界、Broker宕机等)和Offset的维护都需要自行处理。
  • 大家可以关注下不日发布的0.9 Release。开发人员又用Java重写了一套Consumer。把两套API合并在一起,同时去掉了对Zookeeper的依赖。据说性能有大幅度提升哦~~

所有参数配置列表

broker默认参数及可配置所有参数列表: 
http://blog.csdn.net/lizhitao/article/details/25667831

kafka原理、基本概念,broker,producer,consumer,topic所有参数配置列表 
http://blog.csdn.net/suifeng3051/article/details/48053965

参考

http://bbs.umeng.com/thread-12479-1-1.html 
http://www.jasongj.com/2015/01/02/Kafka%E6%B7%B1%E5%BA%A6%E8%A7%A3%E6%9E%90/

官方文档: 
http://kafka.apache.org/documentation.html#configuration

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/天景科技苑/article/detail/1009633
推荐阅读
相关标签
  

闽ICP备14008679号