kafka基础知识

转：https://blog.csdn.net/weixin_45943729/article/details/105771846

消息队列-Kafka
一、消息队列（MQ）
消息队列是存储数据的一个中间件，可以理解为一个容器。

消息：传输数据的基本单位。

消息从源被发往队列中，消费者可以拉取消息进行消费，如果消费者目前没有消费的打算，则消息队列会保留消息，直到消费者有消费的打算。

1.异步
​ 源中的消息发往消息队列之后，省略了之后业务的响应，消息队列直接进行回执。后续的业务直接订阅消息队列进行消费。

2.解耦
​ 将多种耦合的业务流程进行解耦，当某个业务挂了之后，其他业务并不影响。

3.平峰
​ 源中的数据峰值特别高的时候直接打到消费者，可能把服务器打挂了，这是不可取的。所以设置一个消息队列中间件可以进行平峰，来缓存消息。

二、Kafka
Kafka是一个基于发布订阅模式的消息队列，发布到消息队列里的一条消息可以被多个消费者进行消费。

1、Kafka架构

 

 

1）生产者：Producer 消息队列的生产者，向Kafka的topic里打入数据。

2）消费者：Consumer 消息队列的消费者，消费Kafka的topic里的数据。

3）消费者组：为了配合topic里数据分区的概念，就具有了消费者组，每一个分区的数据，由一个消费者组的一个消费者专门消费。消费者组就是一个订阅者。

4）Broker：一台Kafka服务器就是一个Broker，一个Broker里面可以存放多个不同的topic。

5）Topic：就是一个队列，生产者和消费者面向的是同一个topic。

6）Partition：一个topic可以分布到多个服务器上（broker）上，topic内部又会分成多个Partition，实际上写读数据都是对partition进行操作。

7）Replication：为了数据的安全可靠，Kafka提供了副本机制，节点上的partition配置了副本，每一个partition都具有leader和follower。

8）Leader：分区副本的主，生产者发送的对象和消费者消费数据的对象都是partition的leader。

9）Follower：实时从leader进行数据同步，当Leader挂了后，会从Follower里面选取新的Leader。

2、Kafka工作机制
生产者产生消息，以及消费者消费消息对应的都是topic。

topic是一个逻辑上的概念，而物理上，数据的处理的对象都是partition。

每一个partition都对应一个log文件，log里面存储的是producer生产的数据。producer生产的数据会不断的追加到log文件的末端。

每一条数据都有自己的offset，消费者在进行消费时，都会实时的记录自己消费到哪有一个offset，当挂掉之后，可以继续从上一个offset进行恢复。

3、Kafka存储文件
上述说到，每一个partition都对应着一个log，生产者生产的消息不断的追加log文件的末尾。为了防止log文件过大，Kafka使用分片和索引的机制，将每一个partition分为多个segment，每一个segment对应两个文件 .log和.index文件。

 

.index 文件存储大量的索引信息，.log文件存储大量的数据，索引文件元数据指的是对应.log文件中偏移量的地址。也就是说索引文件存储的是偏移量信息，通过索引文件中的偏移量可以对.log文件找到确切的数据。

4、Kafka分区策略
4.1 生产者分区策略：
1）指明partition分区下，按照指明的指进行分区，

2）没有指明partition情况下，但是有key值，按照key的hash值与partition分区数进行取余进行分区，

3）没有指明partition，也没有key值，按照轮询。

4.2 消费者分区策略：
1）轮询，

2）range。

5、数据可靠性保证
5.1 生产者是如何做到发送的数据如何保证精准发送到topic中呢？
topic里每个partition收到生产者发送的数据后，都需要向生产者发送回执ack

，如果生产者接受到ack后，在进行下一轮的发送。

否则会进行重新发送，所以会出现重复发送数据的现象。

5.2 什么时候进行回执呢？
保证follower与leader同步完成后，发送回执。

副本同步策略：

1）半数以上的follower完成同步，发送回执。

2）全部的follower完成同步，发送回执，

Kafka选择的是第二种

5.3 ack的应答机制
对于一些不是很重要的数据，可靠性要求不是很高，准许少量数据的丢失，没有必要等待follower全部同步完成之后，才进行下一步的操作。

1）ack = 0 ，producer不用等待ack。

2）ack = 1，producer等待ack，partition的leader落盘成功后返回ack。如果在leader发送回执之前，leader挂掉的化，会丢数据。

3）ack = -1 producer等待ack，partition的leader和follower全部落盘才会进行回执。

5.4 数据的不重复保障
1）Exactly once

当ack级别设置为-1时，会保证数据的不丢失，但会造成数据的重复。而ack的级别设置为0时，会保证数据的不重复，但不会保证数据的丢失。

Kafka通过幂等性，生产者不论发送多少条数据，都只会持久化一条。开启幂等性的producer会在初始化时候就分配一个PID，broker端可以跟去PID以及分区信息进行记录（<PID, Partition, SeqNumber>），只持久化一条数据。

但是PID重启就会发生变化，并且只能保证本分区内是Exactly once的。

2）Producer事物

为了实现跨分区的事物，全局设置了一个唯一Transaction ID，将producer的PID与TransID绑定。如果producer挂掉重启，通过TransID可以获取之前PID。

3）Consumer事物

对消费者来说，做到精准一次性消费，不重复消费数据就是最好的。所以offset的维护是Consumer消费数据是必须考虑的问题。

5.5 Kafka高效读写
1）producer在进行写数据的时候，是追加log文件的，顺序写磁盘，减少了寻址时间。

消费者来说，做到精准一次性消费，不重复消费数据就是最好的。所以offset的维护是Consumer消费数据是必须考虑的问题。

5.5 Kafka高效读写
1）producer在进行写数据的时候，是追加log文件的，顺序写磁盘，减少了寻址时间。

2）zero copy 零拷贝，不经过应用层，直接写数据。