在 Kafka 中，生產(chǎn)者寫入消息、消費者讀取消息的操作都是與 leader 副本進行交互的，從 而實現(xiàn)的是一種主寫主讀的生產(chǎn)消費模型。數(shù)據(jù)庫、Redis 等都具備主寫主讀的功能，與此同時還支持主寫從讀的功能，主寫從讀也就是讀寫分離，為了與主寫主讀對應(yīng)，這里就以主寫從讀來稱呼！
Kafka 并不支持主寫從讀，這是為什么呢?
從代碼層面上來說，雖然增加了代碼復(fù)雜度，但在 Kafka 中這種功能完全可以支持。對于 這個問題，我們可以從“收益點”這個角度來做具體分析。主寫從讀可以讓從節(jié)點去分擔主節(jié) 點的負載壓力，預(yù)防主節(jié)點負載過重而從節(jié)點卻空閑的情況發(fā)生。但是主寫從讀也有 2 個很明顯的缺點:
- 數(shù)據(jù)一致性問題。數(shù)據(jù)從主節(jié)點轉(zhuǎn)到從節(jié)點必然會有一個延時的時間窗口，這個時間 窗口會導致主從節(jié)點之間的數(shù)據(jù)不一致。某一時刻，在主節(jié)點和從節(jié)點中 A 數(shù)據(jù)的值都為 X， 之后將主節(jié)點中 A 的值修改為 Y，那么在這個變更通知到從節(jié)點之前，應(yīng)用讀取從節(jié)點中的 A 數(shù)據(jù)的值并不為最新的 Y，由此便產(chǎn)生了數(shù)據(jù)不一致的問題。
- 延時問題。類似 Redis 這種組件，數(shù)據(jù)從寫入主節(jié)點到同步至從節(jié)點中的過程需要經(jīng) 歷網(wǎng)絡(luò)→主節(jié)點內(nèi)存→網(wǎng)絡(luò)→從節(jié)點內(nèi)存這幾個階段，整個過程會耗費一定的時間。而在 Kafka 中，主從同步會比 Redis 更加耗時，它需要經(jīng)歷網(wǎng)絡(luò)→主節(jié)點內(nèi)存→主節(jié)點磁盤→網(wǎng)絡(luò)→從節(jié) 點內(nèi)存→從節(jié)點磁盤這幾個階段。對延時敏感的應(yīng)用而言，主寫從讀的功能并不太適用。
現(xiàn)實情況下，很多應(yīng)用既可以忍受一定程度上的延時，也可以忍受一段時間內(nèi)的數(shù)據(jù)不一致的情況！
那么對于這種情況，Kafka 是否有必要支持主寫從讀的功能呢?
主寫從讀可以均攤一定的負載卻不能做到完全的負載均衡，比如對于數(shù)據(jù)寫壓力很大而讀 壓力很小的情況，從節(jié)點只能分攤很少的負載壓力，而絕大多數(shù)壓力還是在主節(jié)點上。而在 Kafka 中卻可以達到很大程度上的負載均衡，而且這種均衡是在主寫主讀的架構(gòu)上實現(xiàn)的。我們來看 一下 Kafka 的生產(chǎn)消費模型，如下圖所示：
在 Kafka 集群中有 3 個分區(qū)，每個分區(qū)有 3 個副本，正好均勻地分布在 3個 broker 上，灰色陰影的代表 leader 副本，非灰色陰影的代表 follower 副本，虛線表示 follower 副本從 leader 副本上拉取消息。當生產(chǎn)者寫入消息的時候都寫入 leader 副本，對于上圖中的情形，每個 broker 都有消息從生產(chǎn)者流入;當消費者讀取消息的時候也是從 leader 副本中讀取 的，對于圖 8-23 中的情形，每個 broker 都有消息流出到消費者。
我們很明顯地可以看出，每個 broker上的讀寫負載都是一樣的，這就說明 Kafka 可以通過 主寫主讀實現(xiàn)主寫從讀實現(xiàn)不了的負載均衡。上圖展示是一種理想的部署情況，有以下幾種 情況(包含但不僅限于)會造成一定程度上的負載不均衡：
- (1)broker 端的分區(qū)分配不均。當創(chuàng)建主題的時候可能會出現(xiàn)某些 broker 分配到的分區(qū)數(shù) 多而其他 broker 分配到的分區(qū)數(shù)少，那么自然而然地分配到的 leader 副本也就不均。
- (2)生產(chǎn)者寫入消息不均。生產(chǎn)者可能只對某些 broker 中的 leader 副本進行大量的寫入操 作，而對其他 broker 中的 leader 副本不聞不問。
- (3)消費者消費消息不均。消費者可能只對某些 broker 中的 leader 副本進行大量的拉取操 作，而對其他 broker 中的 leader 副本不聞不問。
- (4)leader 副本的切換不均。在實際應(yīng)用中可能會由于 broker 宕機而造成主從副本的切換， 或者分區(qū)副本的重分配等，這些動作都有可能造成各個 broker 中 leader 副本的分配不均。
對此，我們可以做一些防范措施。
針對第一種情況，在主題創(chuàng)建的時候盡可能使分區(qū)分配 得均衡，好在 Kafka 中相應(yīng)的分配算法也是在極力地追求這一目標，如果是開發(fā)人員自定義的 分配，則需要注意這方面的內(nèi)容。對于第二和第三種情況，主寫從讀也無法解決。對于第四種 情況，Kafka 提供了優(yōu)先副本的選舉來達到 leader 副本的均衡，與此同時，也可以配合相應(yīng)的 監(jiān)控、告警和運維平臺來實現(xiàn)均衡的優(yōu)化。
在實際應(yīng)用中，配合監(jiān)控、告警、運維相結(jié)合的生態(tài)平臺，在絕大多數(shù)情況下 Kafka 都能 做到很大程度上的負載均衡。
總的來說，Kafka 只支持主寫主讀有幾個優(yōu)點：
可以簡化代碼的實現(xiàn)邏輯，減少出錯的可能;將負載粒度細化均攤，與主寫從讀相比，不僅負載效能更好，而且對用戶可控;沒有延時的影響；
在副本穩(wěn)定的情況下，不會出現(xiàn)數(shù)據(jù)不一致的情況。為此，Kafka 又何必再去實現(xiàn)對它而言毫無收益的主寫從讀的功能呢？這一切都得益于 Kafka 優(yōu)秀的架構(gòu)設(shè)計，從某種意義上來說，主寫從讀是由于設(shè)計上的缺陷而形成的權(quán)宜之計。
