時間：2015-02-01 00:38:26      閱讀：5854      評論：0      收藏：0      [點我收藏+]

標籤：

Kafka設計的初衷是迅速處理短小的訊息，一般10K大小的訊息吞吐效能最好（可參見LinkedIn的kafka效能測試）。但有時候，我們需要處理更大的訊息，比如XML文件或JSON內容，一個訊息差不多有10-100M，這種情況下，Kakfa應該如何處理？

針對這個問題，有以下幾個建議：

1.   最好的方法是不直接傳送這些大的資料。如果有共享儲存，如NAS, HDFS, S3等，可以把這些大的檔案存放到共享儲存，然後使用Kafka來傳送檔案的位置資訊。
2.   第二個方法是，將大的訊息資料切片或切塊，在生產端將資料切片為10K大小，使用分割槽主鍵確保一個大訊息的所有部分會被髮送到同一個kafka分割槽（這樣每一部分的拆分順序得以保留），如此以來，當消費端使用時會將這些部分重新還原為原始的訊息。
3.   第三，Kafka的生產端可以壓縮訊息，如果原始訊息是XML，當通過壓縮之後，訊息可能會變得不那麼大。在生產端的配置引數中使用compression.codec和commpressed.topics可以開啟壓縮功能，壓縮演算法可以使用GZip或Snappy。

  
  不過如果上述方法都不是你需要的，而你最終還是希望傳送大的訊息，那麼，則可以在kafka中設定下面一些引數：

broker 配置:
 

•     message.max.bytes (預設:1000000) – broker能接收訊息的最大位元組數，這個值應該比消費端的fetch.message.max.bytes更小才對，否則broker就會因為消費端無法使用這個訊息而掛起。
•     log.segment.bytes (預設: 1GB) – kafka資料檔案的大小，確保這個數值大於一個訊息的長度。一般說來使用預設值即可（一般一個訊息很難大於1G，因為這是一個訊息系統，而不是檔案系統）。
•     replica.fetch.max.bytes (預設: 1MB) – broker可複製的訊息的最大位元組數。這個值應該比message.max.bytes大，否則broker會接收此訊息，但無法將此訊息複製出去，從而造成資料丟失。

Consumer 配置:

• fetch.message.max.bytes (預設 1MB) – 消費者能讀取的最大訊息。這個值應該大於或等於message.max.bytes。

所以，如果你一定要選擇kafka來傳送大的訊息，還有些事項需要考慮。要傳送大的訊息，不是當出現問題之後再來考慮如何解決，而是在一開始設計的時候，就要考慮到大訊息對叢集和主題的影響。
 

• 效能: 根據前面提到的效能測試，kafka在訊息為10K時吞吐量達到最大，更大的訊息會降低吞吐量，在設計叢集的容量時，尤其要考慮這點。
• 可用的記憶體和分割槽數：Brokers會為每個分割槽分配replica.fetch.max.bytes引數指定的記憶體空間，假設replica.fetch.max.bytes=1M，且有1000個分割槽，則需要差不多1G的記憶體，確保 分割槽數*最大的訊息不會超過伺服器的記憶體，否則會報OOM錯誤。同樣地，消費端的fetch.message.max.bytes指定了最大訊息需要的記憶體空間，同樣，分割槽數*最大需要記憶體空間 不能超過伺服器的記憶體。所以，如果你有大的訊息要傳送，則在記憶體一定的情況下，只能使用較少的分割槽數或者使用更大記憶體的伺服器。
• 垃圾回收：到現在為止，我在kafka的使用中還沒發現過此問題，但這應該是一個需要考慮的潛在問題。更大的訊息會讓GC的時間更長（因為broker需要分配更大的塊），隨時關注GC的日誌和伺服器的日誌資訊。如果長時間的GC導致kafka丟失了zookeeper的會話，則需要配置zookeeper.session.timeout.ms引數為更大的超時時間。

一切的一切，都需要在權衡利弊之後，再決定選用哪個最合適的方案。