博文索引
Kafka 简介
数据是系统的燃料，系统的效率高低很大程度取决于数据流转是否及时：
- 将数据从生产源头移动到分析处理终端，这个过程完成得越快，组织的反应就越敏捷。
- 移动工具越是简单易用，花费在数据移动上的精力就越少，开发者就越能专注于核心业务。
Kafka 是一款为数据整合而生的基于发布与订阅的消息系统Messaging System，方便用户在多系统间实现松散耦合的异步数据传输。
Kafka 为消息提供顺序持久化保存，可按需读取。并通过集群部署与冗余副本保障数据安全并提供性能伸缩能力。
核心概念
-
消息
message：最基本的数据单元，由字节数组组成。消息可以有一个可选的键key，键也是一个字节数组。 -
主题
topic：消息通过主题进行分类。主题就好比数据库的表，或者文件系统里的文件夹。 -
分区
partition：一个提交日志，主题可以被分为若干个分区。消息以追加的方式写入分区尾部，然后以先入先出的顺序读取。 -
偏移
offset：一个不断递增的整数值，在创建消息时指定。同个分区中每个消息的偏移量都是唯一的。 -
生产者
producer：创建消息并将其发布到一个特定的主题上。 -
消费者
consumer：订阅主题并按照消息生成的顺序读取消息。
消息分区
Kafka 通过分区来实现 数据冗余 和 可伸缩性：分区可以分布在不同的服务器上，一个主题可以横跨多个服务器，以此来提供比单个服务器更强大的性能。
要注意，由于一个主题一般包含几个分区，因此无法在整个主题范围内保证消息的顺序。生产者在默认情况下，会把消息均衡地分布到主题的所有分区上，而并不关心特定消息会被写到哪个分区。
为了保证消息顺序可控，可以为同类消息指定相同的键，然后生产者会根据键的 hashmod 结果选取分区，从而保证具有相同键的消息总会被写到相同的分区上。
消费者组
每个分区只能被分配给一个消费者，然后消费者会按照消息生成的顺序读取它们。
过程中，消费者会记录已读消息的偏移量，避免重复消费同一条消息。
消息系统中常见的通信模型有两种：
- 消息队列
message queue：点对点point to point的排他通信，每条消息只会被消费一次。 - 发布/订阅
pub/sub：类似广播通信，每条消息可能会被消费多次。
为了同时支持这两种模式，Kafka 在消费者端引入了 消费者组群counsumer group这一逻辑概念：
- 不同的消费者组群之间彼此互不相关，两者消费到的消息是一致的，此时相当于实现了发布/订阅模型。
- 而同个组群的消费者之间存在互斥关系，每个消费者只能消费部分数据，此时相当于实现了消息队列模型。
集群
一个独立的 Kafka 服务器被称为 broker，其主要职责有两个：
- 接收来自生产者的消息，为消息设置偏移量，并提交消息到磁盘保存。
- 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。
为保证可用性，broker 以集群的方式部署。每个集群会自动选举出一个 controller 负责管理工作，包括将分区分配给 broker 和监控 broker。
一个分区从属于一个 broker，该 broker 被称为分区的 leader。
如果分区允许多副本replica，这些副本会分布在多个 broker 上，此时会发生分区复制replication。
这种复制机制为分区提供了消息冗余，当 leader 失效时分区会被其他 broker 接管，相关的消费者和生产者都会重连新的 leader。
优势
- 系统解耦：异构系统可以通过 Kafka 进行通信，减少系统之间协调与开发成本。
- 模型丰富：通过消费者组的概念，一份数据可以同时支持不同的通信模型，同能够满足不同的应用需求
- 磁盘存储：Kafka 会将消息持久化到磁盘，允许消息积压并保证数据不会丢失，无需担心生产与消费速率不匹配的问题。
- 横向扩展：Kafka 通过集群与分区的方式实现了横向扩展，并且可以在线对集群进行扩容。