Kafka的通讯协议
Kafka的通讯协议
标签:kafka
Kafka的Producer、Broker和Consumer之间采用的是一套自行设计的基于TCP层的协议。Kafka的这套协议完全是为了Kafka自身的业务需求而定制的，而非要实现一套类似于Protocol Buffer的通用协议。本文将介绍这套协议的相关内容。
基本数据类型
- 定长数据类型：int8,int16,int32和int64，对应到Java中就是byte, short, int和long。
- 变长数据类型：bytes和string。变长的数据类型由两部分组成，分别是一个有符号整数N(表示内容的长度)和N个字节的内容。其中，N为-1表示内容为null。bytes的长度由int32表示，string的长度由int16表示。
- 数组：数组由两部分组成，分别是一个由int32类型的数字表示的数组长度N和N个元素。
Request和Response的基本结构
Kafka中两个角色之间通讯的基本单位是Request/Response，Request和Response的基本结构如下：
RequestOrResponse => MessageSize (RequestMessage | ResponseMessage)
其中各字段的含义为：
| 名称 | 类型 | 描述 |
|---|---|---|
| MessageSize | int32 | 表示RequestMessage或者ResponseMessage的长度 |
| RequestMessage/ResponseMessage | - | 表示Request或者Response的内容，在下面将会介绍其具体格式。 |
这个结构定义了通讯双方交换数据的基本结构。通讯的过程可以简单地表示为：客户端打开与服务器端的Socket，然后往Socket写入一个int32的数字表示这次发送的Request有多少字节，然后继续往Socket中写入对应字节数的数据。服务器端先读出一个int32的整数从而获取这次Request的大小，然后读取对应字节数的数据从而得到Request的具体内容。服务器端处理了请求后，也用同样的方式来发送响应。
RequestMessage的结构
RequestMessage的结构如下：
RequestMessage => ApiKey ApiVersion CorrelationId ClientId Request
| 名称 | 类型 | 描述 |
|---|---|---|
| ApiKey | int16 | 表示这次请求的API编号 |
| ApiVersion | int16 | 表示请求的API的版本，有了版本后就可以做到后向兼容 |
| CorrelationId | int32 | 由客户端指定的一个数字唯一标示这次请求的id，服务器端在处理完请求后也会把同样的CorrelationId写到Response中，这样客户端就能把某个请求和响应对应起来了。 |
| ClientId | string | 客户端指定的用来描述客户端的字符串，会被用来记录日志和监控，它唯一标示一个客户端。 |
| Request | - | Request的具体内容。 |
ResponseMessage的结构
ResponseMessage的结构如下：
ResponseMessage => CorrelationId Response
| 名称 | 类型 | 描述 |
|---|---|---|
| CorrelationId | int32 | 对应Request的CorrelationId。 |
| Response | - | 对应Request的Response，不同的Request的Response的字段是不一样的。 |
Message
Kafka是一个分布式消息系统，Producer生产消息并推送(Push)给Broker，然后Consumer再从Broker那里取走(Pull)消息。Producer生产的消息就是由Message来表示的，对用户来讲，它就是键-值对，来看看它的结构。
Message => Crc MagicByte Attributes Key Value
| 名称 | 类型 | 描述 |
|---|---|---|
| CRC | int32 | 表示这条消息(不包括CRC字段本身)的校验码 |
| MagicByte | int8 | 表示消息格式的版本，用来做后向兼容，目前值为0 |
| Attributes | int8 | 表示这条消息的元数据，目前最低两位用来表示压缩格式 |
| Key | bytes | 表示这条消息的Key，可以为null |
| Value | bytes | 表示这条消息的Value。Kafka支持消息嵌套，也就是把一条消息作为Value放到另外一条消息里面。 |
MessageSet
MessageSet用来组合多条Message，它在每条Message的基础上加上了Offset和MessageSize，其结构是：
MessageSet => [Offset MessageSize Message]
它的含义是MessageSet是个数组，数组的每个元素由三部分组成，分别是Offset，MessageSize和Message，它们的含义分别是：
| 名称 | 类型 | 描述 |
|---|---|---|
| Offset | int64 | 它用来作为log中的序列号，Producer在生产消息的时候还不知道具体的值是什么，可以随便填个数字进去 |
| MessageSize | int32 | 表示这条Message的大小 |
| Message | - | 表示这条Message的具体内容，其格式见上一小节。 |
Message的压缩
Kafka支持下面几种压缩方式，
| 压缩方式 | 编码 |
|---|---|
| 不压缩 | 0 |
| Gzip | 1 |
| Snappy | 2 |
| LZ4 | 3 |
其中编码就是Message的Attribute的最低两位的值。
因为单条消息中重复内容可能不多，所以通常把多条消息放在一起组成MessageSet，然后再把MessageSet放到一条Message里面去，从而提高压缩比率。
Request/Respone和Message/MessageSet的关系
- Request/Response是通讯层的结构，和网络的7层模型对比的话，它类似于TCP层。
- Message/MessageSet定义的是业务层的结构，类似于网络7层模型中的HTTP层。Message/MessageSet只是Request/Response的payload中的一种数据结构。
小结
Kafka的通讯协议中不含Schema，格式也比较简单，这样设计的好处是协议自身的Overhead小，再加上把多条Message放在一起做压缩，提高压缩比率，从而在网络上传输的数据量会少一些。
