Kafka -- 初识

kafka是什么

Kafka 是一个分布式的消息引擎，能够发布和订阅消息流（类似于消息队列） 以容错的、持久的方式存储消息流 多分区概念，提高了并行能力。

架构如下图：

Topic

消息的主题、队列，每一个消息都有它的 topic，Kafka 通过 topic 对消息进行归类。Kafka 中可以将 Topic 从物理上划分成一个或多个分区（Partition），每个分区在物理上对应一个文件夹，以”topicName_partitionIndex” 的命名方式命名，该 dir 包含了这个分区的所有消息 (.log) 和索引文件 (.index)，这使得 Kafka 的吞吐率可以水平扩展。

Partition

每个分区都是一个顺序的不可变的消息队列， 并且可以持续的添加；

分区中的消息都被分了一个序列号，称之为偏移量 (offset)，在每个分区中此偏移量都是唯一的。

producer 在发布消息的时候，可以为每条消息指定 Key，这样消息被发送到 broker 时，会根据分区算法把消息存储到对应的分区中（一个分区存储多个消息），如果分区规则设置的合理，那么所有的消息将会被均匀的分布到不同的分区中，这样就实现了负载均衡。

Broker

Kafka server，用来存储消息，Kafka 集群中的每一个服务器都是一个 Broker，消费者将从 broker 拉取订阅的消息 Producer 向 Kafka 发送消息，生产者会根据 topic 分发消息。生产者也负责把消息关联到 Topic 上的哪一个分区。最简单的方式从分区列表中轮流选择。也可以根据某种算法依照权重选择分区。算法可由开发者定义。

Cousumer

Consermer 实例可以是独立的进程，负责订阅和消费消息。消费者用 consumerGroup 来标识自己。同一个消费组可以并发地消费多个分区的消息，同一个 partition 也可以由多个 consumerGroup 并发消费，但是在 consumerGroup 中一个 partition 只能由一个 consumer 消费。

CousumerGroup

同一个 Consumer Group 中的 Consumers，Kafka 将相应 Topic 中的每个消息只发送给其中一个 Consumer

Offset

onsumer 的消息位移代表了当前 group 对 topic-partition 的消费进度，consumer 宕机重启后可以继续从该 offset 开始消费。 在 kafka0.8 之前，位移信息存放在 zookeeper 上，由于 zookeeper 不适合高并发的读写，新版本 Kafka 把位移信息当成消息，发往 *consumersoffsets 这个 topic 所在的 broker，*_consumersoffsets 默认有 50 个分区。 消息的 key 是 groupId+topicpartition,value 是 offset.

reblance

一些原因导致 consumer 对 partition 消费不再均匀时，kafka 会自动执行 reblance，使得 consumer 对 partition 的消费再次平衡。以下导致再平衡：

• 组订阅 topic 数变更
• topic partition 数变更
• consumer 成员变更
• consumer 加入群组或者离开群组的时候
• consumer 被检测为崩溃的时候

新版本之后，通过延迟进入 PreparingRebalance 状态减少 reblance 次数；

broker 消息存储

Kafka 的消息以二进制的方式紧凑地存储，节省了很大空间 此外消息存在 ByteBuffer 而不是堆，这样 broker 进程挂掉时，数据不会丢失，同时避免了 gc 问题 通过零拷贝和顺序寻址，让消息存储和读取速度都非常快 处理 fetch 请求的时候通过 zero-copy 加快速度

Isr

Kafka 结合同步复制和异步复制，使用 ISR（与 Partition Leader 保持同步的 Replica 列表）的方式在确保数据不丢失和吞吐率之间做了平衡。Producer 只需把消息发送到 Partition Leader，Leader 将消息写入本地 Log。Follower 则从 Leader pull 数据。Follower 在收到该消息向 Leader 发送 ACK。一旦 Leader 收到了 ISR 中所有 Replica 的 ACK，该消息就被认为已经 commit 了，Leader 将增加 HW 并且向 Producer 发送 ACK。这样如果 leader 挂了，只要 Isr 中有一个 replica 存活，就不会丢数据。