Kafka

1. kafka概念介绍：
   1. 吞吐量：单位时间内处理的数据量。讲求的是单位时间内处理的数据量要大
   2. Zookeeper是什么：
      • 概念说明：zk是分布式环境下的第三方协同服务，帮助分布式系统，比如存储、计算、调度等均需要协同服务
      • 特点特征：简单、易使用、高效、稳定
      • 应用场景：核心是要解决一致性问题
        1. 分布式环境下的命名一致性问题
        2. 分布式服务环境下的高可用性问题
           1. HA问题：high available
           2. 核心还是一个选举策略问题
      • 代码实现
        1. Zk其实内部就是一个多叉树结构
        2. 面向zookeeper编程即可
        3. 实际当中主要是Hadoop生态圈组件直接使用zk，我们在业务开发当中并没有直接面向zk编程的业务应用
   3. 消息系统：
      • messageQueue，消息系统，也成消息队列
   4. 相关特性
      • 稳定性高
      • 高吞吐量，低延迟
      • 高并发
      • 容错性好
      • 良好的Hadoop并行计算
   5. 衡量算法优劣的因子
      • 时间复杂度：运算过程当中涉及到计算最小操作单元次数的量级
        1. O(1)：常量级
        2. O(n)
        3. O(logn)
        4. O(n*n)
      • 空间复杂度：运算过程中涉及到计算最小存储单元个数的量级
   6. 应用场景
   7. 核心术语
      • Message：消息，也称消息数据
      • Broker：kafka集群包含一个或多个服务器，这种服务器成为broker，即为中间人
      • Topic：相当于给一类消息管道起个名字
      • Partition：是物理上的概念，每个topic包含一个或多个partition，每个partition都有三个副本，可以自定义修改
      • Segment：partition物理上由多个segment组成，每个segment存这message信息
      • Produce：负责发布消息到kafka broker
      • Consumer：消息消费者，向kafka broker读取消息的客户端
      • 发布publish与订阅subscribe：发布消息即为生产消息
      • Consumer group：每个consumer属于一个特定的consumer group
      • Offset：偏移量
   8. 消费系统的一般性语义
      • 最多一次：消息可能丢失，但不会重复投递
      • 最少一次：消息不会丢失，但可能会重复投递
      • 严格一次：消息不丢失、不重复，有且只会被分发一次
   9. Kafka工作流程
   10. Kafka五大核心API
       • Producer API：允许应用程序发布流记录到一个或多个kafka主题中
       • Consumer API：允许应用程序订阅一个或多个主题，并处理针对这些主题的数据流
       • Connector API：实现在kafka和其他系统之间复制数据的功能
       • Streams API：允许程序作为一个数据流处理应用，将一个或多个topic中输入的数据进行消费，并生产数据流到一个或多个topics中
       • Admin API：支持管理和检查topic，broker，acls和其他kafka对象
   11. 数据处理当中的常见属于说明
       • Source：数据源，即获取数据的地方
       • Transformation：数据的转换处理
       • Sink：数据下沉，即存储到的位置