Kafka技术认知

概念理解

Kafka是分布式的基于发布-订阅消息队列。是一个分布式、支持分区的、多副本的，基于 Zookeeper 协调的分布式消息中间件系统，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

名词解释

• 消息生产者（Producer ）：向kafka broker发消息的客户端；
• 消息消费者（Consumer ）：向kafka broker取消息的客户端；
• 消费者组（Consumer Group）：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消费者消费；消费者组之间互不影响。
• 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；
• 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；
• Partition：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；
• Replica：副本，为保证集群中的某个节点发生故障时，该节点上的partition数据不丢失，且kafka仍然能够继续工作，kafka提供了副本机制，一个topic的每个分区都有若干个副本，一个leader和若干个follower。
• 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；
• 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， Kafka通过Zookeeper管理集群配置选举leader，这样某个follower会成为新的leader。

基本架构

工作流程

发送数据
在消息由生产者写入leader后，follower是主动的去leader进行同步的；producer采用push模式将数据发布到broker，每条消息追加到分区中，顺序写入磁盘，所以保证同一分区内的数据是有序的！写入示意图如下：

通过刚才的图片看到数据会写入到不同的分区，那kafka为什么要做分区呢？相信大家应该也能猜到，分区的主要目的是：

• 方便扩展
  因为一个topic可以有多个partition，所以我们可以通过扩展机器去轻松的应对日益增长的数据量。
• 提高并发
  以partition为读写单位，可以多个消费者同时消费数据，提高了消息的处理效率。
• 保存数据
  Producer将数据写入kafka后，集群就需要对数据进行保存了！kafka将数据保存在磁盘，可能在我们的一般的认知里，写入磁盘是比较耗时的操作，不适合这种高并发的组件。Kafka初始会单独开辟一块磁盘空间，顺序写入数据（效率比随机写入高）。前面说过了每个topic都可以分为一个或多个partition，Partition在服务器上的表现形式就是一个一个的文件夹，每个partition的文件夹下面会有多组segment文件，每组segment文件又包含.index文件、.log文件、.timeindex文件（早期版本中没有）三个文件， log文件就实际是存储message的地方，而index和timeindex文件为索引文件，用于检索消息。
• 消费数据
  消息存储在log文件后，消费者就可以进行消费了。在消息队列中通信有两种模式，一种是点对点模式另一种是发布订阅模式。Kafka采用的是发布订阅模式，消费者主动的去kafka集群拉取消息，与生产者（producer）相同的是，消费者在拉取消息的时候也是找leader去拉取。多个消费者可以组成一个消费者组（consumer group），每个消费者组都有一个组id！同一个消费组的消费者可以消费同一topic下不同分区的数据，但是不会组内多个消费者消费同一分区的数据。

Kafka的特性

• 高吞吐量、低延迟
  Kafka 每秒可以处理几十万条消息，它的延迟最低只有几毫秒。每个 topic 可以分多个 Partition，Consumer Group 对 Partition 进行消费操作，提高负载均衡能力和消费能力；
• 可扩展性、持久性、可靠性
  kafka 集群支持热扩展；消息被持久化到本地磁盘，并且支持数据备份防止数据丢失；
• 容错性
  允许集群中节点失败（多副本情况下，若副本数量为 n，则允许 n-1 个节点失败）；
• 高并发,支持数千个客户端同时读写