kafka具体解释一、Kafka简单介绍

背景：

     当今社会各种应用系统诸如商业、社交、搜索、浏览等像信息工厂一样不断的生产出各种信息，在大数据时代，我们面临例如以下几个挑战：

1. 怎样收集这些巨大的信息
2. 怎样分析它       
3. 怎样及时做到如上两点

     以上几个挑战形成了一个业务需求模型，即生产者生产（produce）各种信息，消费者消费（consume）（处理分析）这些信息，而在生产者与消费者之间，须要一个沟通两者的桥梁-消息系统。

     从一个微观层面来说，这样的需求也可理解为不同的系统之间怎样传递消息。

Kafka诞生：由 linked-in 开源

kafka-即是解决这类问题的一个框架，它实现了生产者和消费者之间的无缝连接。

kafka-高产出的分布式消息系统(A high-throughput distributed messaging system)

Kafka特性：它形容自己的设计是独一无二的，先看一下它有怎样过人之处：

• 快：单个kafka服务每秒可处理数以千计client发来的几百MB数据。
• 可扩展性：一个单一集群可作为一个大数据处理中枢，集中处理各种类型业务
• 持久化：消息被持久化到磁盘（可处理TB数据级别数据但仍保持极高数据处理效率），而且有备份容错机制
• 分布式：着眼于大数据领域，支持分布式，集群可处理每秒百万级别消息
• 实时性：生产出的消息可马上被消费者消费

Kafka的组件：

• topic：消息存放的文件夹即主题
• Producer：生产消息到topic的一方
• Consumer：订阅topic消费消息的一方    
• Broker：Kafka的服务实例就是一个broker

例如以下图所看到的，Producer生产的消息通过网络发送给Kafka cluster，而Consumer从当中消费消息

Topic 和Partition:

     消息发送时都被发送到一个topic，其本质就是一个文件夹，而topic由是由一些Partition Logs(分区日志)组成,其组织结构例如以下图所看到的：

     我们能够看到，每个Partition中的消息都是有序的，生产的消息被不断追加到Partition log上，当中的每个消息都被赋予了一个唯一的offset值。

     Kafka集群会保存全部的消息，无论消息有没有被消费；我们能够设定消息的过期时间，仅仅有过期的数据才会被自己主动清除以释放磁盘空间。比方我们设置消息过期时间为2天，那么这2天内的全部消息都会被保存到集群中，数据仅仅有超过了两天才会被清除。

     Kafka须要维持的元数据仅仅有一个--消费消息在Partition中的offset值，Consumer每消费一个消息，offset就会加1。事实上消息的状态全然是由Consumer控制的，Consumer能够跟踪和重设这个offset值，这种话Consumer就能够读取任何位置的消息。

     把消息日志以Partition的形式存放有多重考虑，第一，方便在集群中扩展，每一个Partition能够通过调整以适应它所在的机器，而一个topic又能够有多个Partition组成，因此整个集群就能够适应随意大小的数据了；第二就是能够提高并发，由于能够以Partition为单位读写了。

     

分布式：

     这些Partitions分布在集群的每一台server上，而每个Partition在集群中都能够有多个备份，这个备份数量是可配置的。

     每一个Partition都有一个leader server，而其他备份的server都称为followers，仅仅有leaderserver才会处理这个Partition上全部的读写请求，而其他followers则被动的复制leader上的数据。假设一个leader挂掉了，followers中的一个server则会自己主动升级为leader。因此，事实上集群中的每一个server都扮演着一个Partition的leaderserver，和其他Partition的followerserver。

Producers:

     Producer能够依据自己的选择公布消息到一个主题，Producer也能够自己决定把消息公布到这个主题的哪个Partition，当然我们能够选择API提供的简单的分区选择算法，也能够自己去实现一个分区选择算法。

Consumers:

     消息传递通常由两种模式，queuing（队列）和publish-subscribe （公布-订阅）

• queuing：每一个Consumer从消息队列中取走一个消息
• pub-scrib:消息被广播到每一个Consumer     

     Kafka通过提供了一个对Consumer的抽象来同一时候实现这两种模式-ConsumerGroup。Consumer实例须要给自己指定一个ConsumerGroup的名字，假设全部的实例都用同一个ConsumerGroup名字，那么这些Consumer就会以queuing的模式工作；假设全部的实例分别用的不同的ConsumerGroup名字，那么它们就以public-subscribe模式工作。

例如以下图所看到的：含两台server的集群一共同拥有p0~p3四个Partition，两个Consumer Group，在Group内部是以queuing的模式消费Partition，在Group之间是以pub-scrib模式消费。

    

消息顺序性：

     Kafka是怎样确保消息消费的顺序性的呢？前面讲到过Partition，消息在一个Partition中的顺序是有序的，可是Kafka仅仅保证消息在一个Partition中有序，假设要想使整个topic中的消息有序，那么一个topic仅设置一个Partition就可以。