2、kafka原理

目录

架构图

名词解析

工作流程

文件内部存储

数据和索引寻址

---

架构图

 

 

 

名词解析

1. Producer ：消息生产者，就是向 kafka broker 发消息的客户端；
2. Consumer ：消息消费者，向 kafka broker 拉取消息的客户端；
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。当分区个数和消费者组中消费者个数接近时性能最好。
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，生产者和消费者面向的都是一个 topic；也就是将kafka中的数据进行分类的作用。
6. Partition：分区，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；partition作为分区主要是用来负载均衡（生产者尽量将一个topic的内容均匀的分布在各个分区中）和提高并发（消费者可以针对分区进行并发消费）的。
7. Replica：分区副本，为保证集群中的某个节点发生故障时，该节点上的 partition 数据不丢失，且 kafka 仍然能够继续工作，kafka 提供了副本机制，一个 topic 的每个分区都有若干个副本， 一个 leader 和若干个 follower。读取数据只会从leader中读取。副本数只能小于或者等于Broker的个数
8. leader：每个分区多个副本的“主”，生产者发送数据的对象，以及消费者消费数据的对象都是 leader。
9. follower：每个分区多个副本中的“从”，实时从 leader 中同步数据，保持和 leader 数据 的同步。leader 发生故障时，某个 follower 会成为新的 leader。
10. zk中存储各个broker节点相关信息，而且broker的leader也是通过zk来选取的
11. kafka在0.9以前，消费者消费的信息offset（消费到哪一条）也是存储在zk中，但是在0.9版本后，直接存储在kafka的系统topic中

 

 

工作流程

 

1. Kafka 中消息是以 topic 进行分类的，生产者生产消息，消费者消费消息，都是面向 topic 的。
2. topic 是逻辑上的概念，而 partition 是物理上的概念，在log.dirs指定目录中存着topic名+分区号的partition。
3. 每个 partition 对应于一个 log 文 件，该 log 文件中存储的就是 producer 生产的数据。Producer 生产的数据会被不断追加到该 log 文件末端，且每条数据都有自己的 offset。消费者组中的每个消费者，都会实时记录自己 消费到了哪个 offset，以便出错恢复时，从上次的位置继续消费。

 

 

文件内部存储

 

    由于生产者生产的消息会不断追加到 log 文件末尾，为防止 log 文件过大导致数据定位效率低下，Kafka 采取了分片和索引机制，将每个 partition 分为多个 segment。每个 segment 对应两个文件（“.index”文件和“.log”文件）。这些文件位于一个文件夹下，该文件夹的命名 规则为：topic 名称+分区序号

 

 

数据和索引寻址

 

    “.index”文件存储大量的索引信息，“.log”文件存储大量的数据，索引文件中的元数据指向对应数据文件中 message 的物理偏移地址。先通过二分查找法定位到索引，然后根据索引定位到数据的物理偏移量。