kafka生产消费流程

kafka数据写入流程

1.生产者先从zookeeper的"/brokers/topic/主题名/partitions/分区名/state"节点找到该partition的leader

生产者在ZK中找到对应的broker

broker进程上的leader将消息写入到本地log中。

follower从leader上拉取消息，写入到本地log，并向leader发送ACK

leader接收到所有的ISR中的Replica的ACK中，并向生产者返回ACK

Kafka数据消费流程

两种消息队列消费

kafka采用拉取模型，由消费者自己记录消费状态，每个消费者相互独立的顺序拉取消息。

消费者可以按照任意的顺序消费消息。比如，消费者可以重置到旧的偏移量，重新处理之前已经消费过的消息；或者直接跳到最近的位置，从当前的时刻开始消费。

Kafka消费数据流程

• 每个consumer都可以根据分配策略(默认RangeAssignor)，获得要消费的分区。
• 获取到consumer对应的offset(默认从ZK获取上一次消费的offset)
• 找到分区的leader，拉取数据。
• 消费者提交offset

Kafka的数据存储形式

一个topic有多个partition分区组成。

一个分区(partition)有多个segment(段)组成。

一个segment(段)由多个文件组成（log,index,timeindex）

存储日志

Kafka中的数据到底是怎么在磁盘中存储的。

kafka中的数据保存在/export/server/kafka_2.12-2.41/data中

消息是保存在以：【主题名-分区ID】的文件夹中的。

数据文件夹中包含以下内容

这些分别对应：
文件名说明0000000000000000000.index索引文件，根据offset查找数据就是通过该索引文件来操作的。0000000000000000000.log日志数据文件0000000000000000000.timeindex时间索引
leader-epoch-checkpoint
持久化每个partition leader对应的LEO(log end offset,日志文件中下一条待写入消息的offset)
每个日志文件的文件名为起始偏移量，因为每个分区的起始偏移量是0，所以，分区的日志文件都以0000000000000000000.log开始

默认的每个日志文件最大为「log.segment.bytes =102410241024」1G

为了简化根据offset查找消息，Kafka日志文件名设计为开始的偏移量

观察测试

为了方便测试观察，新创建一个topic：「test_10m」，该topic每个日志数据文件最大为10

bin/kafka-topics.sh --create --zookeeper node1.itcast.cn --topic test_10m --replication-factor 2 --partitions 3 --config segment.bytes=10485760

使用之前的生产者程序往「test_10m」主题中生产数据，可以观察到如下：

新的消息总是写入到最后的一个日志文件中

该文件如果到达指定的大小（默认为：1GB）时，将滚动到一个新的文件中

读取消息

根据【offset】首先需要找到存储数据的segment段(注意:offset指定分区的全局偏移量)

然后根据这个【全局分区offset】找到相对于文件的【segment段offset】

最后再根据 「segment段offset」读取消息

为了提高查询效率，每个文件都会维护对应的范围内存，查找的时候就是使用简单的二分查找

删除消息

在Kafka中，消息是会被定期清理的。一次删除一个segment段的日志文件

Kafka的日志管理器，会根据Kafka的配置，来决定哪些文件可以被删除