Kafka与数据入库架构知识

数据入库架构图：

Kafka小知识：
1. kafka消费者客户端周期性地向kafka服务端发起心跳，请求保持与服务端的连接；

2. 在kafka中，消费和心跳是在同一个线程中进行；当消费的处理逻辑堵塞是，心跳发送也会被堵塞，无法在规定的session.timeout,ms时间内发出，Broker就会认为消费者已经挂了，从而触发Rebalance；

3. Python共享队列

from multiprocessing import Manager
queue = manager.Queue(maxsize=16384)

当你执行queue.put(data)操作时，如果队列已满（即队列中的元素数量已经达到maxsize指定的数量），那么PUT操作会被阻塞，也就是说这一行代码会被暂时挂起不往下执行，直到队列中有元素被取走，队列有足够的空间放入新的元素，put操作才会继续执行并把元素放入队列。

需要注意的是，put方法还有一个可选参数block，默认为True。当block=False时，如果队列已满，put操作将会立即抛出queue.Full异常，而不会发生阻塞。

4. “消费和心跳是在同一个线程中进行的，心跳会强制中断消费吗？”

不会。在Kafka客户端的设计中，消费消息（即poll操作）和发送心跳是在同一个线程中进行的，但这并不意味着心跳会强制中断消息消费操作。

在Kafka Consumer的实现中，心跳发送采用了轮询的方式，即只有当执行poll操作时，才可能会发送心跳。而大部分的时间，线程都在执行消息消费操作，因此并不会被心跳操作强制中断。只有当消息消费完毕，线程进入轮询时，心跳操作才可能被执行。

但是，如果消息消费速度太慢，或者每一次消费的消息数（由max.poll.records控制）过大，导致一次poll操作的处理时间过长，可能会导致在一段时间内（由session.timeout.ms控制）没有发送任何心跳给Kafka Broker，此时Kafka Broker便会误以为该Consumer已经离线，从而触发了rebalance操作，重新分配partition。

 5. “下游的kafka数据很多时，会影响上游的kafka数据生产吗？”

一般来说，下游（消费者）对Kafka数据的消费速度，不会直接影响到上游（生产者）对Kafka的数据生产。因为在Kafka的设计中，生产者和消费者是解耦和的，各自基于自己的缓冲策略和处理速率进行处理。

6. “python的time.sleep会占用CPU时间吗？”

 在Python中，time.sleep()函数是让当前的执行线程暂停指定的秒数。在此期间，该线程不会占用CPU进行计算，因为它进入了阻塞（休眠）状态，直到设定的时间到达。所以，time.sleep()函数本身不会占用CPU时间。