再学Kafka

1、kafka中的一些名词术语

1. Broker：消息中间件处理节点，一个Kafka节点就是一个broker，一个或者多个Broker可以组成一个Kafka集群。
2. Topic：Kafka根据topic对消息进行归类，发布到Kafka集群的每条消息都需要指定一个topic。
3. Producer：消息生产者，向Broker发送消息的客户端。
4. Consumer：消息消费者，从Broker读取消息的客户端。
5. ConsumerGroup：每个Consumer属于一个特定的Consumer Group，一条消息可以被多个不同的Consumer Group消费，但是一个Consumer Group中只能有一个Consumer能够消费该消息。
6. Partition：物理上的概念，一个topic可以分为多个partition，每个partition内部消息是有序的
   
   用自己的话来总结下几个关键词：
   一个topic，代表逻辑上的一个业务数据集，比如按数据库里不同表的数据操作消息区分，放入不同topic，订单相关操作消息放入订单topic，用户相关操作消息放入用户topic，对于大型网站来说，后端数据都是海量的，订单消息很可能是非常巨量的，比如有几百个G甚至达到TB级别，如果把这么多数据都放在一台机器上可定会有容量限制问题，那么就可以在topic内部划分多个partition来分片存储数据，不同的partition可以位于不同的机器上，每台机器上都运行一个Kafka的进程Broker。Topic是一个逻辑上的概念，在逻辑上将同一类型的消息汇总，方便处理。同一个topic中的不同partition可以在不同的Broker上。
   2、为什么要对Topic下数据进行分区存储？
   1、commit log文件会受到所在机器的文件系统大小的限制，分区之后可以将不同的分区放在不同的机器上，相当于对数据做了分布式存储，理论上一个topic可以处理任意数量的数据。
   2、为了提高并行度。
   3、集群消费
   log的partitions分布在kafka集群中不同的broker上，每个broker可以请求备份其他broker上partition上的数据。kafka集群支持配置一个partition备份的数量。
   针对每个partition，都有一个broker起到“leader”的作用，0个或多个其他的broker作为“follwers”的作用。leader处理所有的针对这个partition的读写请求，而followers被动复制leader的结果，不提供读写(主要是为了保证多副本数据与消费的一致性)。如果这个leader失效了，其中的一个follower将会自动的变成新的leader。具体的leader选举逻辑会在后面的kafka原理及机制的学习文章中详细描述。
   1、Producers
   生产者将消息发送到topic中去，同时负责选择将message发送到topic的哪一个partition中。通过round-robin做简单的负载均衡。也可以根据消息中的某一个关键字来进行区分。通常第二种方式使用的更多。
   2、Consumers
   传统的消息传递模式有2种：队列( queue) 和（publish-subscribe）
   queue模式：多个consumer从服务器中读取数据，消息只会到达一个consumer。
   publish-subscribe模式：消息会被广播给所有的consumer。
   Kafka基于这2种模式提供了一种consumer的抽象概念：consumer group。
   queue模式：所有的consumer都位于同一个consumer group 下。
   publish-subscribe模式：所有的consumer都有着自己唯一的consumer group。
   
   上图说明：由2个broker组成的kafka集群，某个主题总共有4个partition(P0-P3)，分别位于不同的broker上。这个集群由2个Consumer Group消费， A有2个consumer instances ，B有4个。
   通常一个topic会有几个consumer group，每个consumer group都是一个逻辑上的订阅者（ logical subscriber ）。每个consumer group由多个consumer instance组成，从而达到可扩展和容灾的功能。

消费顺序
一个partition同一个时刻在一个consumer group中只能有一个consumer instance在消费，从而保证消费顺序。
consumer group中的consumer instance的数量不能比一个Topic中的partition的数量多，否则，多出来的consumer消费不到消息。
Kafka只在partition的范围内保证消息消费的局部顺序性，不能在同一个topic中的多个partition中保证总的消费顺序性。
如果有在总体上保证消费顺序的需求，那么我们可以通过将topic的partition数量设置为1，将consumer group中的consumer instance数量也设置为1，但是这样会影响性能，所以kafka的顺序消费很少用。