大数据之kafka

一、概念

1、定义

        传统定义：Kafka是一个分布式的基于发布/订阅模式的消息队列（Message Queue），主要应用于大数据实时处理领域。

        主要任务：发布/订阅，消息发布者不会将消息发送给特定的订阅者，而是将发布的消息分为不同的类别（topic），由订阅者自己拉取感兴趣的消息。

Kafka最 新定义 ： Kafka是 一个开源的 分 布式事件流平台 （Event Streaming Platform），被数千家公司用于高性能数据管道、流分析、数据集成和关键任务应用。

2、消息队列

        主要应用于：缓存/消峰、解耦和异步通信。

缓存/消峰：缓解数据量大而造成的消息处理压力，有助于控制和优化数据流经过系统的速度，解决生产消息和消费消息的处理速度不一致的情况。、

 解耦：扩展接口，允许独立的扩展或修改两边的处理过程，只要确保它们遵守同样的接口约束。

异步通信：允许用户先将消息放入队列中，不立即处理，等需要是再处理。

消息队列的两种模式（即数据的消费模式不同）：

 3、kafka的基础架构

目前大多数使用的仍然是由zookeeper管理的kafka结构，kafka主要由生产者、kafka集群和消费者构成，主要处理数据的分配和过滤操作。

 其中，1）Producer：消息生产者，就是想kafka broker发消息的客户端

2）Consumer：消息消费者，向 Kafka broker 取消息的客户端。

3）Consumer Group（CG）：消费者组，由多个 consumer 组成。消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个组内消费者消费；消费者组之间互不 影响。所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者。

4）Broker：一台 Kafka 服务器就是一个 broker。一个集群由多个 broker 组成。一个 broker 可以容纳多个 topic。

5）Topic：可以理解为一个队列（主题），生产者和消费者面向的都是一个 topic。

6）Partition：为了实现扩展性，一个非常大的 topic 可以分布到多个 broker（即服 务器）上，一个 topic 可以分为多个 partition，每个 partition 是一个有序的队列。

7）Replica：副本。一个 topic 的每个分区都有若干个副本