Kafka 如何兼顾一致性和读写效率

完成了 HBase 的相关内容的梳理，我们把目光转到同样在流数据处理领域应用非常广泛的分布式组件 Kafka，作为一个消息队列，它与分布式数据库 HBase 不同，它的主要功能不是数据的存储，而是在各个系统之间起一个缓冲的作用，言简意赅又不失准确地总结一下就是解系统耦合和流量削峰。本篇按照大数据组件学习的方法，从基础讲起，逐层递进，深入底层，掌握原理，助力面试。

本篇面试内容划重点：一致性与可用性、ISR、存储结构、快的原因。 **

进程的职责与交互逻辑？

按照惯例，我们举个有意思的例子，Kafka 的数据是以日志的形式顺序存储的，所以整个 Kafka 集群看起来就像是图书馆，这家图书馆有多家分店（Broker），图书馆管理员（producer）同一本书会买三本（replica）分发到各分店里，这样能保证一家店的书损坏了顾客可以去另一家店继续看书，另外图书馆还有一个图书检索网站（Zookeeper）记录了图书的信息和顾客的信息（元数据），顾客（consumer）可以通过网站找到自己要读的书的位置然后去指定的分店读书。

• Broker： Kafka 的处理节点（即一台物理服务器），一个节点就是一个 Broker，一个 Kafka 集群由一个或多个 broker 组