文件密码忘记了怎么办(加密文件密码忘记了怎么办)
829
2022-05-28
Producer篇
1 acks
Ack为0的时候应该性能最优,但没有可靠性保证;
Ack为1的时候只保证leader已经把数据写入,但没有确保各个副本已经写入,如果此时leader所在broker宕机,会丢失数据。
Ack为-1的时候,会保证所有的in-sync副本都写入成功才返回。这个参数性能最差,但可靠性是最高的
1.在2个机器分别部署2个broker,创建10个分区的topic
2.客户端在另一个机器上进行发送消息测试。 通过修改消息长度和ACK不同的值,检查ack对性能的影响。
1G网卡下,采用New Producer共发1000000条,batch.size为16k。
Ack
message.sizes
MB.sec
nMsg.sec
性能下降比
0
2048
88.4087
45265.2544
/
1
2048
67.4981
34559.0268
0.236522
-1
2048
20.8556
10678.0566
0.7641
0
4096
85.8007
21964.9878
/
1
4096
74.745
19134.7276
0.128853
-1
4096
19.0526
4877.4778
0.777943
0
8192
87.1386
11153.7432
/
1
8192
54.1993
6937.5069
0.378011
-1
8192
15.3464
1964.3394
0.823885
可以看出性能结果和原理分析中的结论是一致的,ack为0的时候最好,1次之,-1最差。
从测试数据中可以得到如下结论:
随着ACK的值增多,在集群中性能会下降,但消息可靠性增强,对可靠性和性能都要有要求的,推荐ack设置为1,这个也是默认值;业务允许节点异常时丢失少量数据,并且对性能要求很高的,可以用0。
2 batch.size
参数
默认值
推荐值
说明
batch.size
16384
524288
producer将试图批处理消息记录,以减少请求次数。这将改善client与server之间的性能。这项配置控制默认的批量处理消息字节数。
不会试图处理大于这个字节数的消息字节数。
发送到brokers的请求将包含多个批量处理,其中会包含对每个partition的一个请求。
较小的批量处理数值比较少用,并且可能降低吞吐量(0则会仅用批量处理)。较大的批量处理数值将会浪费更多内存空间,这样就需要分配特定批量处理数值的内存大小。
Producer创建一个BufferPool,totalSize为buffer.memory, 在这个pool里创建很多batch,每个batch大小就是batch.size。这个值越大,可以有效减少tcp传输次数。但是也不是越大越好,会造成内存浪费,因为linger.ms配置成0则会不等待batch.size装满就马上发送,导致每次发送batch buffer里有空闲;同时如果不够内存,会被block住影响性能
1. 在2个机器分别部署2个broker,客户端在另一个机器上进行发送消息测试。 通过修改batch.size的值,检查这个参数对性能的影响。
2. 创建一个10个分区的topic
10G网卡下,2k数据,共发1000000条,线程数为10个
Batch.size为512k的时候,磁盘IO监控图为:
可以看出此时sda这一块盘的使用已达100%
10G网卡下,4k数据,共发1000000条,线程数为10个
Batch.size为512k的时候,磁盘IO监控图为:
分析结论:
1.从2k和4k的测试结果来看,峰值都出现在512k batch_size中。 此时查看磁盘,发现util 已经达到100%,磁盘成为瓶颈
2.batch_size过大,除了空间浪费外,还会导致BufferPool中可用的batch过少,导致发送速度快的时候分配内存不足的情况发生概率增大,发生被卡住
3 buffer.memory
参数
默认值
推荐值
说明
buffer.memory
33554432
128M~1G
producer可以用来缓存数据的内存大小。如果数据产生速度大于向broker发送的速度,producer会阻塞或者抛出异常,以“block.on.buffer.full”来表明。
这项设置将和producer能够使用的总内存相关,但并不是一个硬性的限制,因为不是producer使用的所有内存都是用于缓存。一些额外的内存会用于压缩(如果引入压缩机制),同样还有一些用于维护请求。
Producer对象创建BufferPool指定的内存大小,如果这个值设置的过小,会导致内存分配不足,在block.on.buffer.full为TRUE的情况下就会阻塞发送影响性能。设置过大的话会导致浪费内存
1. 2个broker的场景下,创建10个分区的topic
2. 通过固定batch size,然后调大 buffer.memory,查看tps的变化
10G网卡下,2k数据,共发1000000条,线程数为10个,batchsize为512k
10G网卡下2k数据,共发1000000条,线程数为10个,batchsize为256k
可以看出buffer.memory设置过少,会导致tps很低,只有3w多;但设置很大,tps也不能一直提升。
分析结论:
1. buffer.memory 调的过小对性能会影响很大,因为内存不足就会导致发送被block(block.on.buffer.full为TRUE)
2. 设置过大的buffer.memory对性能提高帮助不是很大,只要够用就好。 可以根据batch size比默认值提高多少倍,而相应提高buffer.memory多少倍即可
4 send.buffer.bytes
参数
默认值
推荐值
说明
send.buffer.bytes
131072
默认值或者略大于带宽*时延
TCP send缓存大小,当发送数据时使用
TCP窗口
1、接收窗口
1)泛指接收缓冲区的大小。
2)接收缓冲区能够接收的数据字节数(接收缓冲区空出的字节数),实质上就是接收缓冲区的大小减去未送往应用层数据部分。又称为通告窗口。
2、发送窗口
1)泛指发送缓冲区的大小。
2)可发送的数据就处于发送窗口中,发送窗口大小指的就是可发送的数据量。
BDP:Bandwidth Delay Product,即带宽时延乘积。
BDP=带宽×时延
带宽:是指瓶颈带宽,无线网络中一般空口是瓶颈,因此对应空口带宽。
时延:是指系统的环回时长RTT0,即:TCP
发出一个数据包到收到对应ACK的时长,约
等于PING环回时长。
在TCP序号-时间图上,以带宽为斜率画一个直角三角形,其斜边的斜率等于带宽,水平直角边的长度等于时延RTT0,则垂直直角边的长度就等于BDP。
1. TCP窗口< BDP
受限于TCP窗口大小,TCP速率达不到带宽。
TCP稳态速率=TCP窗口/RTT0 TCP稳态速率随着TCP窗口的增大而增大,直至TCP窗口=BDP。 2. TCP窗口= BDP TCP稳态速率=瓶颈带宽。 3. TCP窗口> BDP 当TCP窗口>BDP时,TCP稳态速率会不会进一步增大而超过瓶颈带宽呢?当然不会,速率还是会稳定在瓶颈带宽。 那会带来什么影响呢? RTT的增大! RTT=TCP窗口/带宽 原则如下: 1、发送缓冲区和接收缓冲区的大小一般设置为相同的值。 2、缓冲区的大小一般设置为略大于BDP。 TCP缓冲区设置过大越大越好吗? 缓冲区设置过大会导致RTT增加,带来两个弊端: 1)丢包重传时速率恢复会变慢,因为重传包也会在缓冲区中排队发送。 2)会导致RTT测量变得迟钝,无法跟上系统时延的变化,造成无谓的重传或重传不及时。 1. 2个broker 创建10个分区的topic 2. 在上面batch_size最好为512k 和 默认值的情况下,调整send.buffer.bytes,查看性能 10G网卡下,2k数据,共发1000000条,线程数为10个,batchsize为16k, buffer.memory为32M 10G网卡下,2k数据,共发1000000条,线程数为10个,batchsize为512k, buffer.memory为1024M 其中实测时延为0.032ms,带宽为10G,那么: BDP = 10G * 0.032ms = 337k 从上面的测试可以看出128k~512k的send buffer,性能已经在峰值附近 结论: 1. send buffer采用默认值与broker 的receiver buffer默认值(100k)相对,性能在这个场景下是峰值 2. 可以根据BDP的计算公式,然后配置send buffer与receiver buffer略大于BDP大小 5. receive.buffer.bytes 参数 默认值 推荐值 说明 receive.buffer.bytes 32768 默认值 TCP receive缓存大小,当阅读数据时使用 生产者的Receiver buffer 一般对生产者影响不是很大,因为只有响应信息返回。 1. 2个broker 创建10个分区的topic 2. 在上面batch_size最好为512k 和 默认值的情况下,调整receive.buffer.bytes,查看性能 10G网卡下,2k数据,共发1000000条,线程数为10个,batchsize为512k, bufferMem为32M, send.buffer为128k 结论: 与理论分析差不多,设置比较小对性能也影响不大,采用默认值即可 缓存 应用性能调优 Kafka 存储
版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。