Kafka介绍
Kafka是是一个优秀的分布式消息中间件，关于常用的消息中间件对比可参考文章：消息中间件概述。
Kafka是最初由Linkedin公司开发，是一个分布式、分区的、多副本的、多生产者、多订阅者，基于zookeeper协调的分布式日志系统（也可以当做MQ系统），常见可以用于web/nginx日志、访问日志，消息服务等等，Linkedin于2010年贡献给了Apache基金会并成为顶级开源项目。
Kafka主要设计目标如下：
- 以时间复杂度为O(1)的方式提供消息持久化能力，即使对TB级以上数据也能保证常数时间的访问性能。
- 高吞吐率。即使在非常廉价的商用机器上也能做到单机支持每秒100K条消息的传输。
- 支持Kafka Server间的消息分区，及分布式消费，同时保证每个分区内的消息顺序传输。
- 同时支持离线数据处理和实时数据处理。
- 支持在线水平扩展
有两种主要的消息传递模式：点对点传递模式、发布-订阅模式。大部分的消息系统选用发布-订阅模式。Kafka就是一种发布-订阅模式。
对于消息中间件，消息分推拉两种模式。Kafka只有消息的拉取，没有推送，可以通过轮询实现消息的推送。
Kafka具有四个核心API：
- Producer API：允许应用程序将记录流发布到一个或多个Kafka主题。
- Consumer API：允许应用程序订阅一个或多个主题并处理为其生成的记录流。
- Streams API：允许应用程序充当流处理器，使用一个或多个主题的输入流，并生成一个或多个输出主题的输出流，从而有效地将输入流转换为输出流。
- Connector API：允许构建和运行将Kafka主题连接到现有应用程序或数据系统的可重用生产者或使用者。例如，关系数据库的连接器可能会捕获对表的所有更改。
Kafka优势
- 高吞吐量：单机每秒处理几十上百万的消息量。即使存储了许多TB的消息，它也保持稳定的性能。
- 高性能：单节点支持上千个客户端，并保证零停机和零数据丢失。
- 持久化数据存储：将消息持久化到磁盘。通过将数据持久化到硬盘以及replication防止数据丢失。
- 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。多个Producer、Consumer可能是不同的应用。
- 可靠性 - Kafka是分布式，分区，复制和容错的。
- 客户端状态维护：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。
- 支持online和offline的场景。
- 支持多种客户端语言。Kafka支持Java、.NET、PHP、Python等多种语言。
Kafka应用场景
日志收集： 一个公司可以用Kafka可以收集各种服务的Log，通过Kafka以统一接口服务的方式开放给各种Consumer；
消息系统： 解耦生产者和消费者、缓存消息等；
用户活动跟踪： Kafka经常被用来记录Web用户或者App用户的各种活动，如浏览网页、搜索、点击等活动，这些活动信息被各个服务器发布到Kafka的Topic中，然后消费者通过订阅这些Topic来做实时的监控分析，亦可保存到数据库；
运营指标： Kafka也经常用来记录运营监控数据。包括收集各种分布式应用的数据，生产各种操作的集中反馈，比如报警和报告；
流式处理： 比如Spark Streaming和Storm。
Kafka基本架构和概念
kafka的整体架构如下图所示
图片来源：https://mp.weixin.qq.com/s/_g11mmmQse6KrkUE8x4abQ
从大的组件上看，kafka主要由Producer、Broker、Consumer 以及负责集群管理的 ZooKeeper 组成。除了极大组件，整个消息的流转还涉及到还有几个特别重要的概念—主题（Topic）、分区（Partition）、分段(segment)、位移（offset）。
先来整体了解下基本的架构流程。
- Broker创建好后会把集群的元数据存到Zookeeper中，供生产者和消费者读取使用
- Producer负责生产消息，获取Broker的元信息，并把消息发送到Broker
- Broker可以有不同主题Topic，Topic是一个虚拟的概念
- Topic又可以有不同的分区Partition，分区由不同的分段segment组成
- 最后消息由Broker根据消息属性路由到了指定的主题的指定分区
- 多个消费者Consumer可以组成消费者组Consumer Group，共同消费不同分区的消息
- 消费者获取集群的Topic等元数据，并根据消息的偏移量offset来读取消息
下面来具体看下各个组件和概念。
Producer
生产者，负责消息的创建并通过一定的路由策略发送消息到合适的 Broker。broker将该消息追加到当前用于追加数据的 segment 文件中。
一般情况下，一个消息会被发布到一个特定的主题（Topic）上。
- 默认情况下通过轮询把消息均衡地分布到主题的所有分区上。
- 在某些情况下，生产者会把消息直接写到指定的分区。这通常是通过消息键和分区器来实现的，分区器为键生成一个散列值，并将其映射到指定的分区上。这样可以保证包含同一个键的消息会被写到同一个分区上。
- 生产者也可以使用自定义的分区器，根据不同的业务规则将消息映射到分区。
Consumer/Consumer Group
消费者，负责从 Broker 中拉取（Pull）订阅的消息并进行消费，通常多个消费者(Consumer)构成一个分组(Consumer Group)，消费者组是为了保证同一个消息只能被一个组里一个消费者消费，同时可以动态扩容。
具有如下特点：
- 消费者组订阅一个或多个主题，并按照消息生成的顺序读取它们。
- 消费者通过检查消息的偏移量来区分已经读取过的消息。偏移量是另一种元数据，它是一个不断递增的整数值，在创建消息时，Kafka 会把它添加到消息里。在给定的分区里，每个消息的偏移量都是唯一的。消费者把每个分区最后读取的消息偏移量保存在Zookeeper 或Kafka上，如果消费者关闭或重启，它的读取状态不会丢失。
- 消费者是消费组的一部分。群组保证每个分区只能被一个消费者使用。
- 如果一个消费者失效，消费组里的其他消费者可以接管失效消费者的工作，再平衡，分区重新分配。
消费者与消费组这种模型可以让整体的消费能力具备横向伸缩性，我们可以增加(或减少) 消费者的个数来提高(或降低)整体的消费能力。对于分区数固定的情况，一味地增加消费者 并不会让消费能力一直得到提升，如果消费者过多，出现了消费者的个数大于分区个数的情况， 就会有消费者分配不到任何分区。
Broker
服务实例，负责消息的持久化、中转等功能。一个独立的Kafka 服务器被就是一个broker。
broker 是集群的组成部分。每个集群都有一个broker 同时充当了集群控制器Controller的角色。在每一个Broker在启动时都会像向ZK注册信息，ZK会选取一个最早注册的Broker作为Controller，后面Controller会与ZK进行数据交互获取元数据（即整个Kafka集群的信息，例如有那些Broker,每个Broker中有那些Partition等信息），并负责管理工作，包括将分区分配给broker 和监控broker，其他Broker是与Controller进行交互进而感知到整个集群的所有信息。
在集群中，一个分区从属于一个broker，该分区被称为分区的首领Leader。一个Topic的不同分区一般是分布在不同的broker中。
broker 可以为消费者提供服务，对读取分区的请求作出响应，返回已经提交到磁盘上的消息。
ZooKeeper
负责 broker、consumer 集群元数据的管理等；
（注意：Producer 端直接连接 broker，不在 zk 上存任何数据，只是通过 ZK 监听 broker 和 topic 等信息）
Topic
每条发布到Kafka集群的消息都有一个类别，这个类别被称为Topic。
Kafka 按 topic 对消息进行分类，我们在收发消息时只需指定 topic。
的Topic是逻辑概念，并没有物理存在，但是注意物理上不同Topic的消息是分开存储的。
主题就好比数据库的表，尤其是分库分表之后的逻辑表。
Partition
分区。为了提升系统的吞吐，一个 topic 下通常有多个 partition，partition 分布在不同的 Broker 上，用于存储 topic 的消息，这使 Kafka 可以在多台机器上处理、存储消息，给 kafka 提供给了并行的消息处理能力和横向扩容能力。另外，为了提升系统的可靠性，partition 通常会分组，且每组有一个主 partition、多个副本 partition，且分布在不同的 broker 上，从而起到容灾的作用。
下面是分区数量和集群数量不同情况时，分区的分布情况：
- 如果某topic有N个partition，集群有N个broker，那么每个broker存储该topic的一个partition。
- 如果某topic有N个partition，集群有(N+M)个broker，那么其中有N个broker存储该topic的一个partition，剩下的M个broker不存储该topic的partition数据。
- 如果某topic有N个partition，集群中broker数目少于N个，那么一个broker存储该topic的一个或多个partition。在实际生产环境中，尽量避免这种情况的发生，这种情况容易导致Kafka集群数据不均衡。
消息以追加的方式写入分区，然后以先入先出的顺序读取。
Replicas
副本。即分区的副本。上面我们说到为了提升系统的可靠性，partition 通常会分组，且每组有一个主 partition、多个副本 partition，且分布在不同的 broker 上，从而起到容灾的作用。
图中每个TopicA-x都是一个Partition，其中后面的数字代表了一个分区中的第几个副本，同一个分区的副本需要分布在不同的broker中。
此外，我们说过多个副本Partition中会选取一个作为leader，其他的作为follower。生产者在发送数据的时候，是直接发送到leader partition里面，然后follower partition会去leader那里自行同步数据，消费者消费数据的时候，也是从leader那去消费数据的。
副本处于不同的 broker 中，当 leader 副本出现故障时，从 follower 副本中重新选举新的 leader 副本对外提供服务。Kafka 通过多副本机制实现了故障的自动转移，当 Kafka 集群中某个 broker 失效时仍然能保证服务可用。
关于如何确定副本故障和故障转移的，后面还会详细介绍。
Offset
偏移量。有两个：生产者偏移量（也是消息存储的偏移量）和消费者偏移量。
- 生产者Offset
即消息在日志中的位置。消息写入的时候，每一个分区都有一个offset，这个offset就是生产者的offset，同时也是这个分区的最新最大的offset。offset 是消息在分区中的唯一标识，是一个单调递增且不变的值。
有些时候没有指定某一个分区的offset，这个工作kafka帮我们完成。
Kafka 通过它来保证消息在分区内的顺序性，不过 offset 并不跨越分区，所以，Kafka 保证的是分区有序而不是主题有序。但是在需要严格保证消息的消费顺序的场景下，需要将partition数目设为1。
- 消费者Offset
当消费者进行消费的时候，是要去指分区找消息的Offset，从而找到消息进行消费。他与分区的最新消息的Offset是不一样的。他是存储在消费者组中，每个分区都有一个Offset，用于标识，当前消费者组下一个要消费消息的Offset。
如上图，这是某一个分区的offset情况，生产者写入的offset是最新最大的值是12，而当Consumer A进行消费时，从0开始消费，一直消费到了9，消费者的offset就记录在9，Consumer B就纪录在了11。等下一次他们再来消费时，他们可以选择接着上一次的位置消费，当然也可以选择从头消费，或者跳到最近的记录并从“现在”开始消费。
segment
分段。宏观上看，一个 partition 对应一个日志（Log）。由于生产者生产的消息会不断追加到 log 文件末尾，为防止 log 文件过大导致数据检索效率低下，Kafka 采取了分段和索引机制，将每个 partition 分为多个 segment，同时也便于消息的维护和清理。每个 segment 包含一个.log 日志文件、两个索引(.index、timeindex)文件以及其他可能的文件。每个 Segment 的数据文件以该段中最小的 offset 为文件名，当查找 offset 的 Message 的时候，通过二分查找快找到 Message 所处于的 Segment 中。文章来源：https://www.toymoban.com/news/detail-815542.html
参考：
https://mp.weixin.qq.com/s/_g11mmmQse6KrkUE8x4abQ
https://mp.weixin.qq.com/s/v6jUK8TIPi1Debfd40GU3w文章来源地址https://www.toymoban.com/news/detail-815542.html
到了这里，关于【Kafka】Kafka介绍、架构和概念的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
