Kafka基础教程（一）：认识Kafka

　　Kafka是Apache下的一个子项目，是一个高性能跨语言分布式发布/订阅消息队列系统，吞吐速率非常快，可以作为Hadoop的日志收集。Kafka是一个完全的分布式系统，这一点依赖于Zookeeper的分布式实现。

　　本文为新手准备，从Kafka的一些术语概念方面去认识Kafka。

　　Broker

　　Kafka是基于Zookeeper实现的一个分布式系统，它的每一个分布式节点称为Broker。一般的，我们搭建的kafka节点数不会少于3台，具体需要多少依据业务量而定。

　　Topic

　　Topic是主题的意思，Kafka规定每个消息都应该有个主题，Topic可以理解为对消息的一个分类，比如用户注册使用一个Topic，用户下单应该使用另外一个Topic。

　　Broker和Topic没有包含的含义，一个Broker下面可以存在多个Topic的消息，而一个Topic的消息可以保存在一个或者多个Broker中。

　　Partition

　　Partition是分区，其实这就是Kafka的队列，Partition中的数据是具有顺序的，数据按照顺序进行消费，但是不同Partition中数据丢失了顺序性。

　　创建Topic时，可以指定Partition数，一个Topic至少有一个Partition，kafka在接收到生产者发送的消息之后，会根据会根据Paritition机制将消息并行的存储到不同的Partition中，这样就提高了吞吐量。

　　如果我们需要严格控制消息的顺序，那么可以创建只包含一个Partition的Topic，或者在发布消息和消费消息时，指定发布或者消费的Partition。

　　Replication

　　Replication是Topic的副本，一个Topic可以有多个副本，一个Topic下有多个Partition，每个Partition在每个副本中有对应的Partition副本，因为Topic副本之间需要保持数据的一致性，因此这些Partition之间也就形成和Zookeeper一样的Leader-Follower集群结构，与Zookeeper不同的是，对于数据的读写操作都在Leader中，Follower副本只是当Leader副本挂了后才重新选取Leader，Follower并不向外提供服务。

　　为了保证高可用（HA），Kafka会将Partition和它的副本均匀的保存在集群的Broker中，因此一般设置副本数不超过集群Broker节点数，最好是副本数等于集群节点数，使得集群中每个Broker都保存有Partition，这也是Kafka默认的做法。

　　Producer

　　Producer即生产者，生产者将消息发布到Topic中，Kafka根据自己的机制将消息发布到对应的Partition中。生产者也可以指定消息存发布的Partition。

　　Consumer

　　Consumer即消费者，消费者从Topic或者Topic指定的Partition中获取消息进行消费。

　　Consumer Group

　　每个Consumer可以指定一个Group Name，相同Group Name的Consumer视为一个Group。在开发过程中，同一Group Name的Consumer应该实现相同功能！如果Consumer不指定Group Name，那么它属于默认的那个Group。

　　Consumer以Group的形式从Topic中获取消息进行消费，准确说是从某个Partition中获取消息进行消费。一个Group下会有一个或者多个Consumer，而Partition中的每个消息只会被同一Group（中的某一个Consumer）消费一次，因此如果想要多个Consumer都可以对同一个消息进行消费，需要设置它们的GroupName不一样就可以了。　　

　　Offset

 　　Offset即偏移，偏移是Partition对Consumer Group而言的，当某个Consumer成功消费消息之后，Kafka会标记该Consumer对应的Group对于此Partition的Offset加1，也就是偏移一个单位，因此该Group下的其他Consumer就消费不到这个消息了。

　　ISR（in-sync replicas）

　　上面有提到，Partition可能会有多个Partition副本，然后这些Partition之间也就形成和Zookeeper一样的Leader-Follower集群结构，只不过Leader负责读写，Follower只是同步数据备用。既然是集群，那就涉及数据同步问题。

　　每个Partition的Leader会记录和维护一个与它保持数据同步的Replication集合（Follower），这个集合称为ISR，每个Partition都会有一个与它对应的ISR。当Leader接收到消息后，会等待Follower同步数据，当ISR中的所有Replication都确认已同步数据完成后，Leader就会认为消息已提交。

　　当Leader挂掉了，Replication集合对应的Follower就会重新选举生成新的Leader，因为新Leader与原Leader保持数据同步，因此这样就避免了数据丢失。如果Replication集合为空，Leader挂了就等于数据丢失了，因此Replication是很有必要的。

　　ISR由Leader维护，而判断一个Replication是否有效，主要看它是否通过Zookeeper连接并能及时的从Leader中同步数据（超时时间由server.properties中replica.lag.time.max.ms配置），而且还要同步的数据不能与Leader相差太多（消息个数由server.properties中replica.lag.max.messages配置）。

　　ACK

　　Kafka的ACK机制，指的是Producer的消息发送确认机制，这直接影响到Kafka集群的吞吐量和消息可靠性。这个可靠性级别由request.required.acks来申明，它有3个可选值：0，1，-1　　

    0：当Producer将消息发布到Leader之后，无需等待Leader确认，可以继续发送下一条消息，这样就提高了发送效率，但是消息可靠性最低。
　　 1：当Producer将消息发布到Leader之后，只需等待Leader确认，而不管ISR中是否已经完成数据同步，这也是Kafka默认的Ack机制。但是不保证消息一定发送成功，比如Leader收到消息并确认后还未进行同步数据就挂了。
　　-1：当Producer将消息发布到Leader之后，需要等到ISR中所有的Replication全部完成数据同步确认才算消息发送成功，这样做消息可靠性最高。

　　当Ack=-1时，往往需要结合min.insync.replicas（默认值为1）一起使用，这是因为ISR中的Replication由Leader维护，个数可能会减少到0，这是ISR是一个空集合，此时Ack=-1和Ack=1是同一种情况，而min.insync.replicas表示ISR中的Replication副本个数，当ISR中的Replication个数少于此配置时，就表示消息发布失败。

　　Key

　　Key是Kafka消息的路由，Producer在发布消息时可以指定一个路由Key，当Kafka收到消息时，会按照一定的规则选择消息的Partition：　　

    1、如果发布时制定了Partition，则直接使用
    2、如果未指定Partition，但是指定了Key值，那么根据Key值通过一些规则算法计算消息发布的Partition

　　总结

　　Kafka是基于发布-订阅模式的分布式消息服务系统，将上面的概率连接起来就是：

　　发布

　　当我们的应用连接到Kafka集群的一个或者多个Broker节点往某个Topic（或者某个Topic的Partition）发布消息时，Kafka收到消息后会根据它的路由Key等信息得到Partition，然后将消息转发到该Partition的Leader，然后Leader会根据ISR机制记录消息，根据Ack机制对Producer做出响应。

　　消费

　　当我们的应用连接到Kafka集群的一个或者多个Broker节点从多个Topic（或者Topic的Partition）中订阅消息时，可以指定当前消费者所属的群组（Group Name），多个群组（Group）可以订阅同一个Topic，每个群组都会受到消息，但是一个消息只会被同一Group中的某个Consumer消费掉，当消息被成功消费掉之后，Kafka就会标记与当前Consumer对应的Group和消息所属的Partition对应的Offset加1。