kafka简介和术语

1 kafka介绍

Kafka是一款性能非常好的并且支持分布式的消息队列中间件
由于它的高吞吐特性，Kafka通常使用在大数据领域，如日志收集平台
Kafka是一个流处理平台，因为它在工作中就像是一个可以支撑高吞吐量的管道，数据像水一样流进去，然后另外一端再去读取这些数据
我们就可以把Kafka看作是一种特殊的消息队列中间件

kafka优点:

它被设计为一个分布式系统，易于向外扩展；
它同时为发布和订阅提供高吞吐量；
它支持多订阅者，当失败时能自动平衡消费者；
它将消息持久化到磁盘，因此可用于批量消费，例如ETL，以及实时应用程序

 

2 术语

Broker            
Kafka集群包含一个或多个服务器，每个服务器被称为broker，保存在zookeeper临时节点/brokers/ids下

Topic             
每条发布到Kafka集群的消息都有一个分类，这个类别被称为Topic（主题），保存在zookeeper临时节点/brokers/topics下

Producer          
消息的生产者，负责生产消息并发送到kafka broker

Consumer          
消息的消费者，负责从kafka broker拉取数据，并消费已发布的消息，保存在zookeeper临时节点/consumers下

Partition         
每个Topic包含一个或多个Partition，每个partition都是一个有序的队列。partition中的每条消息都会被分配一个有序的id（offset）

Consumer Group    
消费者组，可以给每个Consumer指定消费组，若不指定消费者组，则属于默认的group

Message           
消息，通信的基本单位，每个producer可以向一个topic发布一些消息

 

topic和partition

Kafka中的topic是以partition的形式存放，每个topic包含一个或多个partition
partition的数量一定要大于同时运行的consumer的数量，但要小于等于集群broker的数量，这样消息数据就可以均匀的分布在各个broker中
每个partition在物理上对应一个文件夹，该文件夹下存储这个partition的所有消息和索引文件
每个partition(文件夹)中有多个大小相等的segment(段)数据文件，每个segment的大小是相同的，但是每条消息的大小可能不相同，因此segment<br/>数据文件中消息数量不一定相等
segment数据文件有两个部分组成，分别为index file和data file，此两个文件是一一对应，成对出现，后缀”.index“和“.log”分别表示为segment索引文件和数据文件

 

3 produce生产写入

Producer采用推（push）模式将消息发送到broker，每条消息都被追加（append）到分区（partition）中，属于顺序写磁盘（顺序写磁盘效率比随机写要高，保障kafka吞吐率，在读取使用的时候读取速度也会更快）
发送消息到broker时，会根据Paritition机制选择将其存储到哪一个Partition
如果Partition机制设置的合理，所有消息都可以均匀分布到不同的Partition里，这样就实现了数据的负载均衡
如果一个Topic对应一个文件，那这个文件所在的机器I/O将会成为这个Topic的性能瓶颈，而有了Partition后，不同的消息可以并行写入不同broker的不同Partition里，极大的提高了吞吐率


流程:
producer先从zookeeper的“/brokers/topics/../partitions/../state”节点找到该partition的leader
producer将消息发送给该leader
leader将消息写入本地log
followers从leader pull消息，写入本地log后向leader发送ACK
leader收到所有ISR中的replication的ACK后，增加HW（high watermark，最后commit的offset）并向producer发送ACK

 

4 consume消费

Kafka发布消息通常有两种模式：队列模式（queuing）和发布/订阅模式(publish-subscribe)
队列模式：只有一个消费组，而这个消费组有多个消费者，一条消息只能被这个消费组中的一个消费者所消费
发布/订阅模式：可有多个消费组，每个消费组只有一个消费者，同一条消息可被多个消费组消费