kafka入门

1.kafka架构

Kafka的整体架构非常简单，是显式分布式架构，producer、broker（kafka）和consumer都可以有多个。Producer，consumer实现Kafka注册的接口，数据从producer发送到broker，broker承担一个中间缓存和分发的作用。broker分发注册到系统中的consumer。broker的作用类似于缓存，即活跃的数据和离线处理系统之间的缓存。客户端和服务器端的通信，是基于简单，高性能，且与编程语言无关的TCP协议。几个基本概念：

1）Topic：特指Kafka处理的消息源（feeds of messages）的不同分类。

2）Partition：Topic物理上的分组，一个topic可以分为多个partition，每个partition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）。

3）Message：消息，是通信的基本单位，每个producer可以向一个topic（主题）发布一些消息。

4）Producers：消息和数据生产者，向Kafka的一个topic发布消息的过程叫做producers。

5）Consumers：消息和数据消费者，订阅topics并处理其发布的消息的过程叫做consumers。

6）Broker：缓存代理，Kafka集群中的一台或多台服务器统称为broker。

2.kafka的特点

1）同时为发布和订阅提供高吞吐量。据了解，Kafka每秒可以生产约25万消息（50 MB），每秒处理55万消息（110 MB）。

2）可进行持久化操作。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。通过将数据持久化到硬盘以及replication防止数据丢失。

3)  分布式系统，易于向外扩展。所有的producer、broker和consumer都会有多个，均为分布式的。无需停机即可扩展机器。

4）消息被处理的状态是在consumer端维护，而不是由server端维护。当失败时能自动平衡。

5）支持online和offline的场景。

3.消息发送和接受

1）Producer根据指定的partition方法（round-robin、hash等），将消息发布到指定topic的partition里面

2）kafka集群接收到Producer发过来的消息后，将其持久化到硬盘，并保留消息指定时长（可配置），而不关注消息是否被消费。

3）Consumer从kafka集群pull数据，并控制获取消息的offset