kafka性能监控之KafkaMetrics Sensor-白红宇

kafka性能监控之KafkaMetrics Sensor

阅读量：4218 次

发布时间：2019-05-26

本文共 7719 字，大约阅读时间需要 25 分钟。

说起kafka的metrics,很多人应该是即陌生又熟悉,

熟悉是因为阅读源码的过程中,不可避免地会看到metrics.add()的代码.而陌生是因为metrics仅仅只是辅助功能,并不是kafka主要逻辑的一部分,并不会引起读者太多的关注.

同时网上关于metrics这一块的分析也较少,这篇文章就带着大家一探metrics的究竟.

在这里首先说明一个容易产生误解的地方,不少文章说kafka使用yammers框架来实现性能监控.这么说其实没有问题,因为kafka确实通过yammers向外暴露了接口,可以通过jmx或者grahite来监视各个性能参数.但是kafka内的性能监控比如producer,consumer的配额限制,并不是通过yammer实现的.而是通过自己的一套metrics框架来实现的.

事实上,kafka有两个metrics包,在看源码的时候很容易混淆

package kafka.metrics

以及

package org.apache.kafka.common.metrics

可以看到这两个包的包名都是metrics,但是他们负责的任务并不相同,而且两个包中的类并没有任何的互相引用关系.可以看作是两个完全独立的包.kafka.mtrics这个包,主要调用yammer的Api,并进行封装,提供给client监测kafka的各个性能参数.而commons.metrics这个包是我这篇文章主要要介绍的,这个包并不是面向client提供服务的,他是为了给kafka中的其他组件,比如replicaManager,PartitionManager,QuatoManager提供调用,让这些Manager了解kafka现在的运行状况,以便作出相应决策的.

首先metrics第一次被初始化,在kafkaServer的startup()方法中

metrics = new Metrics(metricConfig, reporters, kafkaMetricsTime, true)quotaManagers = QuotaFactory.instantiate(config, metrics, time)

初始化了一个Metrics,并将这个实例传到quotaManagers的构造函数中,这里简单介绍一下quotaManagers.这是kafka中用来限制kafka,producer的传输速度的,比如在config文件下设置producer不能以超过5MB/S的速度传输数据,那么这个限制就是通过quotaManager来实现的.

回到metrics上,跟进代码.

public class Metrics implements Closeable { .... ....    private final ConcurrentMap
   
     metrics;    private final ConcurrentMap
    
      sensors;

metrics与sensors这两个concurrentMap是Metrics中两个重要的成员属性.那么什么是KafkaMetric,什么是Sensor呢?

首先分析KafkaMetric

KafkaMetric实现了Metric接口,可以看到它的核心方法value()返回要监控的参数的值.

public interface Metric {    /**     * A name for this metric     */    public MetricName metricName();    /**     * The value of the metric     */    public double value();}

那么KafkaMetric又是如何实现value()方法的呢?

@Overridepublic double value() {    synchronized (this.lock) {        return value(time.milliseconds());    }}double value(long timeMs) {    return this.measurable.measure(config, timeMs);}

原来value()是通过kafkaMetric中的另一个成员属性measurable完成

public interface Measurable {    /**     * Measure this quantity and return the result as a double     * @param config The configuration for this metric     * @param now The POSIX time in milliseconds the measurement is being taken     * @return The measured value     */    public double measure(MetricConfig config, long now);}

其实这边挺绕的,Metrics有kafkaMetric的成员变量,而kafkaMetric又通过Measurable返回要检测的值.打个比方,Metrics好比是汽车的仪表盘,kafkaMetric就是仪表盘上的一个仪表,Measurable就是对真正要检测的组件的一个封装.来看看一个Measrable的简单实现,在sender.java类中.

metrics.addMetric(m, new Measurable() {    public double measure(MetricConfig config, long now) {        return (now - metadata.lastSuccessfulUpdate()) / 1000.0;    }});

可以看到measure的实现就是简单地返回要返回的值,因为是直接在目标类中定义的,所以可以直接获得相应变量的引用.

介绍完KafkaMetric,接下来介绍Sensor,也就是下面的ConcurrentMap中的Sensor

private final ConcurrentMap
   
     sensors;

以下是Sensor类的源码

/** * A sensor applies a continuous sequence of numerical values to a set of associated metrics. For example a sensor on * message size would record a sequence of message sizes using the {
   @link #record(double)} api and would maintain a set * of metrics about request sizes such as the average or max. */public final class Sensor {    //一个kafka就只有一个Metrics实例,这个registry就是对这个Metrics的引用    private final Metrics registry;    private final String name;    private final Sensor[] parents;    private final List
   
     stats;    private final List
    
      metrics;

这一段的注释很有意义,从注释中可以看到Sensor的作用不同KafkaMetric. KafkaMetric仅仅是返回某一个参数的值,而Sensor有基于某一参数时间序列进行统计的功能,比如平均值,最大值,最小值.那这些统计又是如何实现的呢?答案是List<Stat> stats这个属性成员.

public interface Stat {    /**     * Record the given value     * @param config The configuration to use for this metric     * @param value The value to record     * @param timeMs The POSIX time in milliseconds this value occurred     */    public void record(MetricConfig config, double value, long timeMs);}

可以看到Stat是一个接口,其中有一个record方法可以记录一个采样数值,下面看一个例子,max这个功能如何用Stat来实现?

public final class Max extends SampledStat {    public Max() {        super(Double.NEGATIVE_INFINITY);    }    @Override    protected void update(Sample sample, MetricConfig config, double value, long now) {        sample.value = Math.max(sample.value, value);    }    @Override    public double combine(List
   
     samples, MetricConfig config, long now) {        double max = Double.NEGATIVE_INFINITY;        for (int i = 0; i < samples.size(); i++)            max = Math.max(max, samples.get(i).value);        return max;    }}

是不是很简单,update相当于冒一次泡,把当前的值与历史的最大值比较.combine相当于用一次完整的冒泡排序找出最大值,需要注意的是,max是继承SampleStat的,而SampleStat是Stat接口的实现类.那我们回到Sensor类上来.

public void record(double value, long timeMs) {    this.lastRecordTime = timeMs;    synchronized (this) {        // increment all the stats        for (int i = 0; i < this.stats.size(); i++)            this.stats.get(i).record(config, value, timeMs);        checkQuotas(timeMs);    }    for (int i = 0; i < parents.length; i++)        parents[i].record(value, timeMs);}

record方法,每个注册于其中的stats提交值,同时如果自己有父sensor的话,向父sensor提交.

public void checkQuotas(long timeMs) {    for (int i = 0; i < this.metrics.size(); i++) {        KafkaMetric metric = this.metrics.get(i);        MetricConfig config = metric.config();        if (config != null) {            Quota quota = config.quota();            if (quota != null) {                double value = metric.value(timeMs);                if (!quota.acceptable(value)) {                    throw new QuotaViolationException(                        metric.metricName(),                        value,                        quota.bound());                }            }        }    }}

checkQuotas,通过这里其实是遍历注册在sensor上的每一个KafkaMetric来检查他们的值有没有超过config文件中设置的配额.注意这里的QuotaVioLationException,是不是很熟悉.在QuatoManager中,如果有一个client的上传/下载速度超过指定配额.那么就会抛出这个警告.

try {  clientSensors.quotaSensor.record(value)  // trigger the callback immediately if quota is not violated  callback(0)} catch {  case qve: QuotaViolationException =>    // Compute the delay    val clientMetric = metrics.metrics().get(clientRateMetricName(clientQuotaEntity.sanitizedUser, clientQuotaEntity.clientId))    throttleTimeMs = throttleTime(clientMetric, getQuotaMetricConfig(clientQuotaEntity.quota))    clientSensors.throttleTimeSensor.record(throttleTimeMs)    // If delayed, add the element to the delayQueue    delayQueue.add(new ThrottledResponse(time, throttleTimeMs, callback))    delayQueueSensor.record()    logger.debug("Quota violated for sensor (%s). Delay time: (%d)".format(clientSensors.quotaSensor.name(), throttleTimeMs))}

这里就很好理解了,向clientSensor提交上传,下载的值,如果成功了,就掉用相应的callback,如果失败了catch的就是QuotaViolationException.

其实metrics的运行模型还是很简单的,让人感觉绕的就是,各种抽象,Metrics,KafkaMetrics,Sensor,Stat这些概念吧.

最后,Sensor会初始化一个线程专门用来清除长时间没有使用的线程.这个线程名为"SensorExpiryThread"

class ExpireSensorTask implements Runnable {    public void run() {        for (Map.Entry
   
     sensorEntry : sensors.entrySet()) {            // removeSensor also locks the sensor object. This is fine because synchronized is reentrant            // There is however a minor race condition here. Assume we have a parent sensor P and child sensor C.            // Calling record on C would cause a record on P as well.            // So expiration time for P == expiration time for C. If the record on P happens via C just after P is removed,            // that will cause C to also get removed.            // Since the expiration time is typically high it is not expected to be a significant concern            // and thus not necessary to optimize            synchronized (sensorEntry.getValue()) {                if (sensorEntry.getValue().hasExpired()) {                    log.debug("Removing expired sensor {}", sensorEntry.getKey());                    removeSensor(sensorEntry.getKey());                }            }        }    }

https://blog.csdn.net/qq_21519863/article/details/78750512

你可能感兴趣的文章