Twitter的Kafka迁移历程有哪些经验可以借鉴？ 作者 | Philip Su译者 | 阿拉丁编辑 | VincentAI 前线导读：Twitter 的实时性特点为 Twitter 的工程团队带来了独特而具有挑战性的问题。我们需要快速发布突发新闻，向用户提供相关广告，并解决很多其他实时性问题。Twitter 的 Pub/Sub 系统为 Twitter 团队提供了处理这些工作负载的基础设施。 Twitter 的 Messaging 团队过去几年一直在运行一个内部 Pub/Sub 系统，叫作 EventBus（建立在 Apache DistributedLog 之上），但我们最近决定转向 Apache Kafka，不仅针对已有的用例，还包括新增的用例。在这篇文章中，我们将介绍为什么我们选择采用 Kafka 作为 Twitter 的 Pub/Sub 系统，以及我们在迁移过程中遇到的各种挑战。 更多优质内容请关注微信公众号“AI 前线”（ID：ai-front）Kafka 是什么？Apache Kafka 是一个开源的分布式流式处理平台，可以高吞吐和低延迟地传输数据。Kafka 最初是在 LinkedIn 诞生，并于 2011 年开源，从那时起开始被社区广泛采用，包括很多其他公司在内，使其成为业界首选的事实上的实时消息系统。 Kafka 的核心就是一个基于分布式提交日志构建的 Pub/Sub 系统，提供了很多非常好的特性，例如水平可伸缩性和容错性。从那以后，Kafka 已经从消息系统发展成为一个成熟的流式处理平台。 为什么要迁移？你可能想知道为什么 Twitter 需要自己构建内部的消息传递系统。几年前，Twitter 也曾经使用过 Kafka（0.7 版本），但我们发现在某些方面它无法满足我们的要求——主要是在读取期间进行的 I/O 操作数量，而且缺乏持久化特性和复制机制。然而，随着时间推移，硬件和 Kafka 都已经走过了漫长的道路，这些问题现在都已经得到了解决。硬件的改进已经使 SSD 的价格足够便宜，这解决了我们之前在 HDD 上看到的随机读取的 I/O 问题，而且服务器 NIC 具有更多的带宽，就没有那么必要分离服务和存储层（EventBus 会这么做）。此外，较新版本的 Kafka 现在支持数据复制，提供了我们想要的持久性保证。 将 Twitter 的所有 Pub/Sub 用例迁移到一个全新的系统将是一个非常耗费成本的过程。所以，迁移到 Kafka 的决定绝对不是自然发生的，而是经过精心策划的，并且是由数据驱动的。迁移到 Kafka 的动机可归纳为两个方面：成本和社区。 成 本在向整个公司宣布迁移到 Kafka 之前，我们的团队花了几个月时间评估了 Kafka 在与 EventBus 类似的工作负载下的表现——持久写入、尾部读取、追赶读取和高扇出读取，以及一些灰色故障情况（例如减慢集群中的特定 Kafka 代理）。 在性能方面，我们看到 Kafka 的延迟显著降低，无论是根据消息创建时间戳来衡量吞吐量，还是根据消费者读取消息时间戳来衡量吞吐量。 不同吞吐量下 EventBus 和 Kafka 之间的 P99 延迟比较 这可以归因于几个因素，可能包括但不限于： 在 EventBus 中，服务层和存储层是分离的，这引入了额外的跳转（网络时间和通过 JVM 代理层的时间），而在 Kafka 中只有一个进程处理存储和请求服务（参见下图）。 EventBus 在通过 fsync() 调用进行写入时会阻塞，而 Kafka 在后台依赖操作系统进行 fsync()。 Kafka 使用零拷贝。 EventBus（左）和 Kafka（右）之间的架构比较 从成本的角度来看，EventBus 需要服务层（针对高网络吞吐量进行了优化）和存储层（针对磁盘进行了优化）的硬件，而 Kafka 使用单台主机就可以提供这两者。因此，EventBus 需要更多的机器来提供与 Kafka 相同的工作负载。对于单个消费者，我们节省了 68％的资源，对于拥有多个消费者的案例，我们节省了 75％的资源。但有一个问题是，对于严重依赖带宽的工作负载（非常高的扇出读取），EventBus 理论上可能更有效，因为我们可以独立地扩展服务层。但是，我们在实践中发现，我们的扇出没有那么极端，分离服务层是不值得的。 社 区如上所述，Kafka 已经得到了广泛采用。我们可以利用数百名开发人员为 Kafka 项目所做出的贡献，他们修复错误、改进和添加新功能，这比 EventBus/DistributedLog 的八名工程师所做的要好得多。此外，Twitter 内部用户在 EventBus 中想要的很多功能已经在 Kafka 中提供了，例如流式处理库、至少一次 HDFS 管道，以及恰好一次性处理。 此外，当我们遇到客户端或服务器问题时，我们可以通过搜索网络轻松快速地找到解决方案，因为很可能其他人之前也遇到了同样的问题。另外，相比不太受欢迎的项目，受欢迎的项目的文档通常更加详尽。 采用 Kafka 等热门项目，并向这些项目回馈我们的贡献，这样做的另一个重要原因是为了招聘。一方面，通过向 Kafka 社区回馈贡献，可以让人们了解 Twitter 的工程。另一方面，由于新工程师已经熟悉了这些技术，因此为团队招聘工程师要容易得多。 挑 战尽管迁移到 Kafka 看起来非常棒，但过程并不是一帆风顺的。我们在这个过程中遇到了很多技术挑战和适应性挑战。 从技术角度来看，我们遇到的一些挑战包括配置调优和 Kafka Streams 库。与很多分布式系统一样，为了支持 Twitter 的实时性用例，需要对大量配置进行微调。在运行 Kafka Streams 时，我们发现 Kafka Streams 库中的元数据大小存在一些问题，这些问题是由于老版本的客户端在关闭后仍然保留元数据造成的。 另一方面，Kafka 与 EventBus 存在架构差异，我们不得不以不同的方式配置系统和调试问题。例如，如何在 EventBus（仲裁写入）和 Kafka（主从复制）中完成复制。写请求在 EventBus 中并行发送，而 Kafka 要求从节点仅在主节点收到写请求后才复制写请求。此外，两个系统之间的持久性模型是非常不同的—— EventBus 仅在数据持久化到磁盘时确认写入成功，而 Kafka 复制本身就具有持久性保证，并在将数据持久存储在磁盘上之前确认写入请求。我们不得不重新考虑我们对数据持久性的定义：数据的所有三个副本同时失败是不太可能的，因此没有必要在每个副本中同步数据来提供我们想要的持久性保证。 前 行在接下来的几个月里，我们计划将我们的用户从 EventBus 迁移到 Kafka，这将有助于降低运营 Twitter Pub/Sub 系统的成本，并使我们的用户能够使用 Kafka 提供的其他功能。我们将持续关注生态系统中的不同消息传递和流式处理系统，并确保我们的团队为我们的用户和 Twitter 做出正确的决策，即使这些决策很艰难。 英文原文： https://blog.twitter.com/engineering/en_us/topics/insights/2018/twitters-kafka-adoption-story.html 如果你喜欢这篇文章，或希望看到更多类似优质报道，记得给我留言和点赞哦！ 阅读原文