深入浅出Kafka(一)之Kafka概述

1.Kafka的概述

    Kafka是最初由Linkedin公司开发，是一个分布式、支持分区的（partition）、多副本的（replica），基于zookeeper协调的分布式消息系统，它的最大的特性就是可以实时的处理大量数据以满足各种需求场景;

 比如基于hadoop的批处理系统、低延迟的实时系统、Storm/Spark流式处理引擎，web/nginx日志、访问日志，消息服务等等，用scala语言编写Linkedin于2010年贡献给了Apache基金会并成为顶级开源 项目

 1.1Kafka的统定义

      Kafka传 统定义:Kafka是一个分布式的基于发布/订阅模式的消息队列（MessageQueue），主要应用于大数据实时处理领域。

      Kafka最 新定义 :Kafka是 一个开源的分布式事件流平台 （Event StreamingPlatform），被数千家公司用于高性能数据管道、流分析、数据集成和关键任务应用。

 

       发布订阅：消息的发布者不会将消息直接发送给特定的订阅者，而是将发布的消息分为不同的类别，订阅者只接收感兴趣的消息。

 

       案例1:前端埋点记录用户购买商品的行为数据（浏览、点赞、收藏、评论等）

   

     日常：Flume采集速度，小于100m/s。  11.11 活动：Flume采集速度，大于200m/s

 1.2消息队列   

    目 前企 业中比 较常 见的 消息 队列产 品主 要有 Kafka、ActiveMQ 、RabbitMQ 、RocketMQ 等。

    在大数据场景主要采用 Kafka 作为消息队列。在 JavaEE 开发中主要采用 ActiveMQ、RabbitMQ、RocketMQ

1.2.1 传统消息队列的应用场景

   传统的消息队列的主要应用场景包括：缓存/消峰、解耦和异步通信

   1.消息队列的应用场景——缓冲/消峰 :有助于控制和优化数据流经过系统的速度，解决生产消息和消费消息的处理速度不一致的情况

     

 

 

 

 

 

 

 

 

 

 2.消息队列的应用场景——解耦:允许你独立的扩展或修改两边的处理过程，只要确保它们遵守同样的接口约束

  

 3.消息队列的应用场景——异步通信:允许用户把一个消息放入队列，但并不立即处理它，然后在需要的时候再去处理它们

1.3 Kafka的应用场景

　　1.日志收集：一个公司可以用Kafka收集各种服务的log，通过kafka以统一接口服务的方式开放给各种consumer，例如hadoop、Hbase、Solr等。

　　2.消息系统：解耦和生产者和消费者、缓存消息等。

　　3.用户活动跟踪：Kafka经常被用来记录web用户或者app用户的各种活动，如浏览网页、搜索、点击等活动，这些活动信息被各个服务器发布到kafka的topic中，然后订阅者通过订阅这些topic来做实时的监控分析，或者装载到hadoop、数据仓库中做离线分析和挖掘。

　　4.运营指标:Kafka也经常用来记录运营监控数据。包括收集各种分布式应用的数据，生产各种操作的集中反馈，比如报警和报告。

     

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1.4消息队列的两种模式 

    1)点对点模式:消费者主动拉取数据，消息收到后清除消息

     

  2)发布/订阅模式

　　1. 可以有多个topic主题（浏览、点赞、收藏、评论等）

       2.消费者消费数据之后，不删除数据;每个消费者相互独立，都可以消费到数据 

      

   1.5 Kafka基础架构

       1.5.1Kafka的基础架构

      1.为方便扩展，并提高吞吐量，一个topic分为多个partition;配合分区的设计，提出消费者组的概念，组内每个消费者并行消费

　　2.为提高可用性，为每个partition增加若干副本，类似NameNode HA;ZK中记录谁是leader，Kafka2.8.0以后也可以配置不采用ZK

    

    1.5.2Kafka的基本概念

 　　kafka是一个分布式的，分区的消息(官方称之为commit log)服务。它提供一个消息系统应该具备的功能，但是确有着独

特的设计。可以这样来说，Kafka借鉴了JMS规范的思想，但是确并没有完全遵循JMS规范

 

    1.Producer：消息生产者，就是向 Kafka broker 发消息的客户端。

    2.Consumer：消息消费者，向 Kafka broker 取消息的客户端。

　3.Consumer Group（CG):消费者组，由多个 consumer 组成。消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个组内消费者消费；消费者组之间互不

     影响。所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者

     每个Consumer属于一个特定的Consumer Group,并且每个消费者Consumer都有一个group id，group id相同的多个消费者自动成为一个消费者组，一条消息可以被多个不同的Consumer Group消费，但是一个Consumer Group中只能有一个Consumer能够消费该消息

    4. Partition: 分区，为了实现扩展性，一个非常大的 topic 可以分布到多个 broker（即服务器）上，一个 topic 可以分为多个 partition，每个 partition 是一个有序的队列

    5.Broker：一台 Kafka 服务器就是一个 broker。一个集群由多个 broker 组成。一个broker 可以容纳多个 topic。

    6.Topic：可以理解为一个队列，生产者和消费者面向的都是一个 topic。

    7.Replica：副本,一个 topic 的每个分区都有若干个副本，一个 Leader 和若干个Follower；Leader 副本才能向外提供服务， Follower副本只有Leader副本挂了，通过某些规则进行选举之后，某个Follower变成了Leader之后才能才能向外提供服务

    8.Leader：每个分区多个副本的“主”，生产者发送数据的对象，以及消费者消费数据的对象都是 Leader。

    9.Follower：每个分区多个副本中的“从”，实时从 Leader 中同步数据，保持和Leader 数据的同步。Leader 发生故障时，某个 Follower 会成为新的 Leader

     

服务端(brokers)和客户端(producer、consumer)之间通信通过TCP协议来完成。