如何为百亿数据请求做资源预估

本文主要是介绍如何为百亿数据请求做资源预估，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

如何为百亿数据请求做资源预估

收到需求：每天200亿请求，每个请求3k大小，需要4个副本，数据保留5天，数据有3个不同的主题。数据存储在kafka上，需要多少台机器，机器配置是怎样？

基本准则->先考虑要做什么

1.计算磁盘资源：计算一天的存储数据的增量

2.计算并发资源：QPS

3.计算内存资源：计算kafka内存消耗

计算磁盘资源方法

一天一个副本增量： 200亿*3k = 60T

考虑副本数量：60T*4 = 240T

考虑保留天数：240T*5=1200T

按照满负荷算：每台服务器一般12或16个盘，这里取12台： 需要服务器数量 = 1200T/(2T*12个)=50台

需要机器数量：资源磁盘利用率按照50%算: 应对未来的数据增量。 于是，磁盘使用率降低一半，机器数量需要增加一倍 50台 * 2 = 100台。 （ 1200T/(2T12个50%)=100台）

200亿/s的请求，QPS怎么算, 总集群流量是多少, 选择千兆网还是万兆网？

QPS主要计算高峰时间段的QPS数。

二八法则: 80%的请求在20%的时间产生。

00:00-08:00是请求低峰段

08:00-24:00 这16小时是请求高峰段 ： 接收的请求 200亿*80% = 160亿请求

高峰期请求量： 这16小时也有高峰段： 16小时20% = 3.2小时 约等3小时 接收 160亿 * 80% = 128亿 的请求

每秒总QPS： 128亿/(3 * 60 * 60)秒 = 118w/s

每台机器QPS：118w/s / 100 = 1.18万/台 ，

总数据流量大小：每条数据大小3k, 单机流量 1.18w * 3k = 34M/s, 计算有4个副本 34M/s4 = 136M/s, 10个消费者，消费者的流量是34M/s10=340M/s。 总流量=生产流量+消费流量=340M/s + 136M/s = 476M/s

集群环境网卡：选择万兆网卡

每台kafka机器内存大小配置

按照上面配置，100台机器，每台磁盘2T*12个。

已知主题是3个，所以总共3个topic。 为了提高每台机器的cpu利用率，生产消费的并行度，每个topic在每台机器分配5个partition, 单个topic有500个partition（100台机器），4个副本，算上副本500*4=2000个partition，3个topic,就是2000 * 3 = 6000个partition

每台机器partiton数量：60个partition（6000个partition/100台机器）

每个分片日志大小是1G/个文件, 按照kafka把数据在内存读写的特点，把1G文件全部进行缓存，需要6000G内存，6000G/100台=60G/台机器。考虑数据读写很快，不需要把1G的内容全部进行缓存，可以50%或者25%放内存。按照50%进行计算, 每台机器内存需要30G。加上kafka的jvm大小（一般配置6G）和操作系统的内存。配置64G的内存。

CPU核心数选型

kafka的工作线程特点，主要工作线程ServerSocket类，内部封装了acceptor，processor, handler线程。

其他是一些后台线程和定时器线程等。

	acceptor	processor	handler
默认线程数	1	3	8
建议线程数	3	9	32

总线程数量大概100-200个。

安装生产经验

4core的机器，跑几十的线程，CPU跑满

8core的机器，跑几十个线程，OK

16core机器，跑100-200个线程

建议16core以上的机器，例如20，24核心。

这篇关于如何为百亿数据请求做资源预估的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---