kafka中Topic、Partition、Groups、Brokers概念辨析

kafka消息队列有两种消费模式，分别是点对点模式和订阅/发布模式。具体比较可以参考Kafka基础–消息队列与消费模式。

下图是一个点对点的Kafka结构示意图，其中有以下几个部分：

• producer：消息生产者
• consumer：消息消费者
• Topic：消息主题
• partition：主题内分区
• Brokers：消息服务器
• Groups：消费者组

下面聊一聊为什么Kafka需要有这些组成部分，不就是生产者生产消息，消费者消费消息吗？有必要这么复杂吗？

一、为什么需要有Topic？

Topic是一个消息的逻辑分类。Kafka为什么需要Topic，就是Kafka为什么需要对消息进行逻辑上的分类。

在一个小型电商项目中，如果订单模块和商品模块都需要使用消息队列。两个模块中的消息一个是订单信息，一个是商品的描述消息。两种消息肯定不是同一类的消息，它们消息内容不一样、结构不一样、并且分别有自己的生产者群体和消费者群体。

Kafka消息系统是一个庞大的系统，不可能针对两个模块都各自搭建一套kafka消息系统。那么如何在一套消息系统中为多个模块提供服务。那就要对不同类型的消息进行逻辑分类，具体分类的方式就是用Topic进行区分，不同类别的消息具有不同的Topic。

既然Kafka通过Topic唯一标示每类消息，那么，

1. 每条消息属于且仅属于一个Topic
2. Producer发布数据时，必须指定将该消息发布到哪个Topic
3. Consumer消费消息时，也必须指定消费哪个Topic的信息

二、为什么有partition？

（一） partition的作用

既然Topic已经对消息进行了分类，为什么每个Topic内部还需要按照Partition进行再次区分。

topic是逻辑的概念，partition是物理的概念。 啥是物理概念，就是物理上进行分离，分布在不同的实体机器上。

知乎上有一段很形象的描述：Kafka的设计也是源自生活，好比是为公路运输，不同的起始点和目的地需要修不同高速公路（主题topic）。高速公路上可以提供多条车道（分区partition），流量大的公路多修几条车道保证畅通，流量小的公路少修几条车道避免浪费。收费站好比消费者，车多的时候多开几个一起收费避免堵在路上，车少的时候开几个让汽车并道就好了。

如果没有分区，一个topic对应的消息集在分布式集群服务组中，就会分布不均匀，即可能导致某台服务器A记录当前topic的消息集很多，若此topic的消息压力很大的情况下，服务器A就可能导致压力很大，吞吐也容易导致瓶颈。有了分区后，假设一个topic可能分为10个分区，kafka内部会根据一定的算法把10分区尽可能均匀分布到不同的服务器上，比如：A服务器负责topic的分区1，B服务器负责topic的分区2，在此情况下，Producer发消息时若没指定发送到哪个分区的时候，kafka就会根据一定算法上个消息可能分区1，下个消息可能在分区2。

所以，partition的目的是：通过多分区实现负载均衡的效果，提高kafka访问吞吐率。

扩展阅读：
[1] 通过植物大战僵尸解释为什么Topic内需要partition：https://zhuanlan.zhihu.com/p/125159716
[2] 消费者与Partition的关系：https://www.pianshen.com/article/41571683192/

（二）partition怎么用？

在没有partition的时候，生产者产生特定Topic的消息，消费者消费特定topic的消息。现在每个Topic内又划分了Partition，原来的模式会如何变化呢，具体partition怎么用呢？参考图解进一步理解。

Kafka 中 Topic 被分成多个 Partition 分区。

Topic 是一个逻辑概念，Partition 是最小的存储单元，掌握着一个 Topic 的部分数据。每个 Partition 都是一个单独的 log 文件，每条记录都以追加的形式写入。

1、数据写入

一个 Topic 有多个 Partition，那么，向一个 Topic 中发送消息的时候，具体是写入哪个 Partition 呢？有3种写入方式：

• kafka默认轮询规则
• producer指定partition key写入特定的partition
• producer自定义规则

2、数据消费

点对点的消费模式中，Consumer 必须自己从 Topic 的 Partition 拉取消息。一个 Consumer 连接到一个 Broker 的 Partition，从中依次读取消息。

2.1 一个消费群组

2.1.1 partition数目 > 消费者数目

只有一个消费者时，消费者1将收到4个分区的全部消息。当有两个消费者时，每个消费者将分别从两个分区接受消息。

2.1.2 partition数目 = 消费者数目

当有四个消费者时，每个消费者都可以接受一个分区的消息。

2.1.3 partition数目 < 消费者数目

当有五个消费者时，会有闲置的消费者。

2.2 两个或多个消费者组

消费者群组之间是互不影响的，每个消费者群组内部仍然按照2.1中的策略进行消息消费。

在实际的业务中，特别是涉及到指定任务是否结束，任务对应消息是否消费完毕时，单纯指定topic消费，由kafka自动分配partition已经无法满足我们的实际需求了，这时我们还需要指定partition进行生产与消费。

（三）为什么消费者需要Groups？

consumer group是kafka提供的可扩展且具有容错性的消费者机制。

既然是一个组，那么组内必然可以有多个消费者或消费者实例(consumer instance)，它们共享一个公共的ID，即group ID。组内的所有消费者协调在一起来消费对应主题(subscribed topics)的所有分区(partition)。

同一个topic的partition只能由同一个消费组内的一个consumer来消费，group内部是“共享订阅、提高性能”。

当然，该分区partition还可以被分配给其他group，各group间是“各自消费，互不影响”。

（四）为什么有Brokers？

缓存代理，Kafka集群中的一台或多台服务器统称broker。

一个broker是由ZooKeeper管理的单个Kafka节点。一组brokers组成了Kafka集群。

在Kaka中创建的主题基于分区，复制和其他因素分布在broker中。当broker节点基于ZooKeeper中存储的状态失败时，它会自动重新平衡群集，如果领导分区丢失，则其中一个跟随者请求被选为领导者。