[Kafka] 카프카란? 주요개념 및 용어 소개

카프카(Kafka)란?

Apache Kafka는 고성능 데이터 파이프라인, 스트리밍 분석, 데이터 통합 및 미션 크리티컬 애플리케이션을 위해 오픈 소스 분산 이벤트 스트리밍 플랫폼(distributed event streaming platform)입니다.

 

이벤트 스트리밍은 인체의 중추 신경계에 해당하는 디지털 처리 방식입니다.이는 비즈니스가 점점 더 소프트웨어화, 자동화되는 'always-on' 세상을 위한 기술 기반입니다. Kafka의 이벤트 스트리밍은 Fortune 100대 기업의 60% 이상을 포함하여 수많은 산업 및 조직의 다양한 사용 사례 에 적용됩니다.

• 증권 거래소, 은행 및 보험과 같은 실시간으로 지불 및 금융 거래를 처리
• 물류 및 자동차 산업과 같이 자동차, 트럭, 차량 및 선적을 실시간으로 추적하고 모니터링
• 공장 및 풍력 발전 단지와 같은 IoT 장치 또는 기타 장비의 센서 데이터를 지속적으로 캡처하고 분석
• 소매, 호텔 및 여행 산업, 모바일 애플리케이션과 같은 고객 상호 작용 및 주문을 수집하고 즉시 대응
• 병원에서 치료 중인 환자를 모니터링하고 상태 변화를 예측하여 응급 상황에서 시기 적절한 치료를 보장
• 회사의 여러 부서에서 생성된 데이터를 연결, 저장 및 사용 가능하게 만듦
• 데이터 플랫폼, 이벤트 중심 아키텍처 및 마이크로서비스(MSA)의 기반 역할

이벤트 스트리밍 플랫폼?

Kafka는 세 가지 주요 기능을 결합하여 end-to-end 이벤트 스트리밍을 구현할 수 있습니다.

1. 이벤트 스트림을 지속적으로 발행(publish-write), 구독(subscribe-read) 합니다.
2. 이벤트 스트림을 원하는 만큼 내구성 있고 안정적으로 저장(store) 합니다 . KafkaCluster(broker)
3. 이벤트 스트림 을 발생 시 또는 소급하여 처리(Process) 합니다.

그리고 이 모든 기능은 분산되고 확장성이 뛰어나고 탄력적이며 내결함성이 있으며 안전한 방식으로 제공됩니다. Kafka는 베어메탈 하드웨어, 가상 머신, 컨테이너, 온프레미스 및 클라우드에 배포할 수 있습니다. Kafka 환경을 자가 관리하거나 다양한 공급업체에서 제공하는 완전 관리형 서비스를 사용할 수 있습니다.

메시지 큐(Message Queue : MQ)

메시지 지향 미들웨어(Message Oriented Middleware:MOM)는 비동기 메시지를 사용하는 각각의 응용프로그램 사이의 데이터 송수신을 의미하고, 이를 구현한 시스템을 메시지큐(Message Queue:MQ)라 합니다.

많이 사용하는 오픈소스 MQ로는 RabbitMQ ActiveMQ RedisQueue등이 있습니다.

 

Kafka는 이벤트 스트리밍 플랫폼으로서 여러가지 역할을 할 수 있고 MQ처럼 메시지 브로커 역할을 할 수 있도록 구현하여 사용할 수도 있으며 기존 범용 메시지브로커들과 비교했을때 아래와 같은 특징을 가집니다.

• 대용량의 실시간 로그 처리에 특화되어 TPS가 우수하다. - 고성능
• 분산 처리에 효과적으로 설계 되어 병렬처리와 확장(Scaleout), 고가용성(HA) 용이 - 클러스터링
• 발행/구독(Publish-Subscribe) 모델 ( Push-Pull 구조 )
  • 메시지를 받기를 원하는 컨슈머가 해당 토픽(topic)을 구독함으로써 메시지를 읽어 오는 구조
  • 기존에 퍼블리셔나 브로커 중심적인 브로커 메시지와 달리 똑똑한 컨슈머 중심
  • 브로커의 역할이 줄어들기 때문에 좋은 성능을 기대할 수 있음
• 파일 시스템에 메시지를 저장함으로써 영속성(durability)이 보장
  • 장애시 데이터 유실 복구 가능
  • 메시지가 많이 쌓여도 성능이 크게 저하되지 않음
  • 대규모 처리를 위한 batch 작업 용이

주요 개념 및 용어

• KafkaCluster : 카프카의 브로커들의 모임. Kafka는 확장성과 고가용성을 위하여 broker들이 클러스터로 구성
• Broker : 각각의 카프카 서버, 동일 노드에 여러 브로커를 띄울 수 있다.
• Zookeeper : 카프카 클러스터 정보 및 분산처리 관리 등 메타데이터 저장. 카프카를 띄우기 위해 반드시 실행되어야 함(곧 카프카 클러스터와 통합 예정)
• Producer : 메시지(이벤트)를 발행하여 생산(Wirte) 하는 주체
• Consumer : 메시지(이벤트)를 구독하여 소비(Read) 하는 주체

토픽, 파티션, 오프셋

• 카프카에 저장되는 메시지는 topic으로 분류, topic은 여러개의 patition으로 나눠짐
• Topic : 메시지를 구분하는 단위
  • 파일시스템의 폴더, 메일함과 유사함 ex) 주문용 토픽, 결제용 토픽 등
• Partition : 메세지를 저장하는 물리적인 파일
  • 한 개의 토픽은 한 개 이상의 파티션으로 구성됨 
  • 파티션은 메시지 추가만 가능한 파일(append-only)
• offset : 파티션내 각 메시지의 저장된 상대적 위치
• 프로듀서가 넣은 메시지는 파티션의 맨 뒤에 추가 (Queue)
• 컨슈머는 오프셋 기준으로 마지막 커밋 시점부터 메시지를 순서대로 읽어서 처리함
• 파티션의 메시지 파일은 처리 후에도 계속 저장되어 있며 설정에 따라 일정시간 뒤 삭제됨

프로듀서

• Producer: 메시지(이벤트)를 발행하여 생산(Wirte) 하는 주체
• 프로듀서는 메시지 전송시 토픽을 지정
• 파티션은 라운드로빈 방식 혹은 파티션 번호를 지정하여 넣을 수 있음
• 같은 키를 갖는 메시지는 같은 파티션에 저장 되며 순서 유지

컨슈머

• Consumer : 메시지(이벤트)를 구독하며 소비(Read)하는 주체
• Consumer Group
  • 메시지를 소비하는 컨슈머들의 논리적 그룹
  • Topic의 파티션은 컨슈머그룹과 1:N 매칭 관계로 동일 그룹내 한 개의 컨슈머만 연결가능 하다.
  • 이로써 파티션의 메시지는 순서대로 처리되도록 보장
  • 특정 컨슈머에 문제가 생겼을때 Fail over를 통한 리밸런싱 가능
  • 보통 파티션과 컨슈머는 1:1이 best practice로 봄

Why Kafka?

고성능

• 다중 프로듀서, 다중 컨슈머가 상호 간섭없이 메시지를 쓰고 읽어서 처리
• 디스크 기반의 이벤트 보존
  • 지속해서 보존 가능, 데이터 유실 위험이 적고 컨슈머가 항상 안떠있어도 됨.
  • 장애 발생시 유실 복구 가능(재처리)
  • 파티션 파일은 OS 페이지 캐시를 통해 IO를 메모리에서 처리하여 성능이 유리
  • Zero Copy를 통해 디스크 버퍼에서 네트워크 버퍼로 직접 데이터 복사
• 브로커가 하는일이 비교적 단순 - 똑똑한 컨슈머 
  • 브로커는 컨슈머와 파티션간 맵핑 관리만 하며 성능에 집중
  • 메시지 필터, 메시지 재전송과 같은 일은 프로듀서, 컨슈머에 위임
• batch 기능을 제공하여 동시 처리량 증가
  • 프로듀서 : 일정 크기만큼 메시지를 모아서 전송
  • 컨슈머 : 최소 크키만큼 메시지를 모아서 읽어옴
• 확장성(scale out) : 수평 확장이 쉽게 가능 > 브로커,파티션, 컨슈머 추가

고가용성(HA- High Availability)

• Kafka의 topic은 partition이라는 단위로 쪼개어져 클러스터의 각 서버들에 분산되어 저장되고, 고가용성을 위하여 복제(replication) 설정을 할 경우 이 또한 partition 단위로 각 서버들에 분산되어 복제되고 장애가 발생하면 partition 단위로 fail over가 수행된다.
• Replication : 토픽내 파티션의 복제본. replication-factor를 통해 개수를 지정할 수 있다.
  
  • 복제수(replication factor)만큼 파티션의 복제본이 각 브로커에 생김
  • 토픽 생성시 복제수를 2로 하면 파티션이 2개가 각각의 브로커에 생김
• leader와 follower로 구성
  • 프로듀서&컨슈머는 리더를 통해서만 메시지 처리
  • 팔로워는 리더가 속한 브로커에서 메시지를 복제함
• 리더가 속한 브록커가 장애나면 다른 팔로워가 리더가 되어서 처리

Reference

Apache Kafka

카프카(Kafka)의 이해