kakka rebalance解决方案_kafka rebalance问题如何解决

kakka rebalance解决方案

简介

    apache kafka的重平衡（rebalance），一直以来都为人诟病。因为重平衡过程会触发stop-the-world（STW），此时对应topic的资源都会处于不可用的状态。小规模的集群还好，如果是大规模的集群，比如几百个节点的consumer或kafka connect等，那么重平衡就是一场灾难。所以我们要尽可能避免重平衡。
    
    在kafka2.4的时候，社区推出两个新feature来解决重平衡过程中STW的问题。
1. Incremental Rebalance Protocol（以下简称cooperative协议）：改进了eager协议（即旧重平衡协议）的问题，避免STW的发生，具体怎么避免，后面介绍
2. static membership：避免重起或暂时离开的消费者触发重平衡
1
2
3
4
5

apache kafak2.4 incremental cooperative rebalancing协议

背景

      负载均衡，基本是分布式系统中必不可少一个功能，apache kafka也不例外。为了让消费数据这个过程在kafka集群中尽可能地均衡，kafka推出了重平衡的功能，重平衡能够帮助kafka客户端（consumer client，kafkaconnect，kafka stream）尽可能实现负载均衡。
      但是在kafka2.3之前，重平衡各种分配策略基本都是基于eager协议的（包括RangeAssignor，RoundRobinAssignor等），也就是我们以前熟知的kafka重平衡 
     值得一提的是，此前kafka就有推出一个重平衡的新分配策略，`StickyAssignor`粘性分配策略，主要作用是保证客户端，比如consumer消费者在重平衡后能够维持原本的分配方案，可惜的是这个分配策略依旧是在eager协议的框架之下，重平衡仍然需要每个consumer都先放弃当前持有的资源（分区）。 
      在2.x的时候，社区就意识到需要对现有的rebalance作出改变。所以在kafka2.3版本首先在kafka connect应用cooperative协议，然后在kafka2.4的时候也在consumer client添加了该协议的支持。 
1
2
3
4

incremental cooperative rebalancing协议解析

接下来我们介绍cooperative协议和eager协议的具体区别。一句话介绍，**cooperative协议将一次全局重平衡，改成每次小规模重平衡，直至最终收敛平衡的过程**。

这里我们主要针对一种场景举个例子，来对比两种协议的区别。

假设有这样一种场景，一个topic有三个分区，分别是p1，p2，p3。有两个消费者c1，c2在消费这三个分区，{c1 -> p1, p2}，{c2 -> p3}。

当然这样说不平衡的，所以加入一个消费者c3，此时触发重平衡。我们先列出在eager协议的框架下会执行的大致步骤，然后再列出cooperative发生的步骤，以做比对。
1
2
3
4
5
6
7

eager 协议版本各个名词：

- group coordinator：重平衡协调器，负责处理重平衡生命周期中的各种事件

- hearbeat：consumer和broker的心跳，重平衡时会通过这个心跳通知信息

- join group request：consumer客户端加入组的请求

- sync group request：重平衡后期，group coordinator向consumer客户端发送的分配方案

如果在 eager 版本中，会发生如下事情。

1. 最开始的时候，c1 c2 各自发送hearbeat心跳信息给到group coordinator（负责重平衡的协调器）

2. 这时候group coordinator收到一个join group的request请求，group coordinator知道有新成员加入组了

3. 在下一个心跳中group coordinator 通知 c1 和 c2 ，准备rebalance

4. **c1 和 c2 放弃（revoke）各自的partition**，然后发送joingroup的request给group coordinator

5. group coordinator处理好分配方案（交给leader consumer分配的），发送sync group request给 c1 c2 c3，附带新的分配方案

6. c1 c2 c3接收到分配方案后，重新开始消费
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

用一张图表示如下：

这里省略了一些细节，不过整体上应该会更方便理解这个过程。接下来再看看cooperative协议会怎么处理。

到了cooperative协议就会变成这样：

cooperative rebalancing protocol

如果在cooperative版本中，会发生如下事情。

1. 最开始的时候c1 c2各自发送hearbeat心跳信息给到group coordinator

2. 这时候group coordinator收到一个join group的request请求，group coordinator知道有新成员加入组了

3. 在下一个心跳中 group coordinator 通知 c1 和 c2 ，准备 rebalance，前面几部分是一样的

4. **c1 和 c2发送joingroup的request给group coordinator，但不需要revoke其所拥有的partition，而是将其拥有的分区编码后一并发送给group coordinator，即 {c1->p1, p2}，{c2->p3}**

5. group coordinator 从元数据中获取当前的分区信息（这个称为assigned-partitions），再从c1 c2 的joingroup request中获取分配的分区（这个称为 owned-partitions），通过assigned-partitions和owned-partitions知晓当前分配情况，决定取消c1一个分区p2的消费权，然后发送sync group request（{c1->p1}，{c2->p3}）给c1 c2，让它们继续消费p1 p2

6. c1 c2 接收到分配方案后，重新开始消费，一次 rebalance 完成，**当然这时候p2处于无人消费状态**

7. 再次触发rebalance，重复上述流程，不过这次的目的是把p2分配给c3（通过assigned-partitions和owned-partitions获取分区分配状态）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

同样用一张图表示如下：

cooperative协议版重平衡的一个核心，是assigned-partitions和owned-partitions，group coordinator通过这两者，可以保存和获取分区的消费状态，以便进行多次重平衡并达到最终的均衡状态。

除了消费者崩溃离场的场景，其他场景也是类似的思路
1
2
3

apache kafka2.4 static membership功能

我们知道，当前重平衡发生的条件有三个：

- 成员数量发生变化，即有新成员加入或现有成员离组（包括主动离组和崩溃被动离组）
- 订阅主题数量发生变化
- 订阅主题分区数量发生变化

     其中成员加入或成员离组是最常见的触发重平衡的情况。新成员加入这个场景必然发生重平衡，没办法优化（针对初始化多个消费者的情况有其他优化，即延迟进行重平衡），但消费者崩溃离组却可以优化。因为一个消费者崩溃离组通常不会影响到其他{partition - consumer}的分配情况。
1
2
3
4
5
6
7

**因此在 kafka 2.3~2.4 推出一项优化，即此次介绍的[Static Membership](https://www.lmlphp.com/r?x=CtQ9ytoWsjbvPE4vPHw7yekGCeT6zihAs_gMsMQVPiKd4Ew9PLQ3zMlVgiI9PLQ3PSbd4ESN4Lh_CerO5tOwp8)功能和一个consumer端的配置参数 `group.instance.id`**。一旦配置了该参数，成员将自动成为静态成员，否则的话和以前一样依然被视为是动态成员。

**静态成员的好处在于，其静态成员ID值是不变的，因此之前分配给该成员的所有分区也是不变的。即假设一个成员挂掉，在没有超时前静态成员重启回来是不会触发 Rebalance 的**（超时时间为`session.timeout.ms`，默认10 sec）。在静态成员挂掉这段时间，broker会一直为该消费者保存状态（offset），直到超时或静态成员重新连接。

如果使用了 static membership 功能后，触发 rebalance 的条件如下：

- 新成员加入组：这个条件依然不变。当有新成员加入时肯定会触发 Rebalance 重新分配分区
- Leader 成员重新加入组：比如主题分配方案发生变更
- 现有成员离组时间超过了 `session.timeout.ms` 超时时间：即使它是静态成员，Coordinator 也不会无限期地等待它。一旦超过了 session 超时时间依然会触发 Rebalance
- Coordinator 接收到 LeaveGroup 请求：成员主动通知 Coordinator 永久离组。
1
2
3
4
5
6
7
8
9
10

所以使用static membership的两个条件是：

1. consumer客户端添加配置：props.put("group.instance.id", "con1");
2. 设置`session.timeout.ms`为一个合理的时间，这个参数受限于`group.min.session.timeout.ms`（6 sec）和`group.max.session.timeout.ms`（30 min），即大小不能超过这个上下限。但是调的过大也可能造成broker不断等待挂掉的消费者客户端的情况，个人建议根据使用场景，设置合理的参数。

以上～
1
2
3
4
5
6