kafka>kafka主要组件说明

1、kafka当中的producer说明

producer主要是用于生产消息，是kafka当中的消息生产者，生产的消息通过topic进行归类，保存到kafka的broker里面去

2、kafka当中的topic说明

• 1、kafka将消息以topic为单位进行归类
• 2、topic特指kafka处理的消息源（feeds of messages）的不同分类。
• 3、topic是一种分类或者发布的一些列记录的名义上的名字。kafka主题始终是支持多用户订阅的；也就是说，一个主题可以有零个，一个或者多个消费者订阅写入的数据。
• 4、在kafka集群中，可以有无数的主题。
• 5、生产者和消费者消费数据一般以主题为单位。更细粒度可以到分区级别。

3、kafka当中的partition说明

kafka当中，topic是消息的归类，一个topic可以有多个分区，每个分区保存部分topic的数据，所有的partition当中的数据全部合并起来，就是一个topic当中的所有的数据。

一个broker服务下，是否可以创建多个分区？
可以与broker数与分区数没有关系； 在kafka中，每一个分区会有一个编号：编号从0开始

每一个分区的数据是有序的

说明-数据是有序 如何保证一个主题下的数据是有序的？（生产是什么样的顺序，那么消费的时候也是什么样的顺序）
topic的Partition数量在创建topic时配置。

Partition数量决定了每个Consumer group中并发消费者的最大数量。

例如：Consumer group A 有两个消费者来读取4个partition中数据；Consumer group B有四个消费者来读取4个 partition中的数据

4、kafka当中partition的副本数说明

kafka分区副本数（kafka Partition Replicas)

副本数（replication-factor）：控制消息保存在几个broker（服务器）上，一般情况下小于等于broker的个数

例如：一个broker服务下，是否可以创建多个副本因子？
不可以；创建主题时，副本因子应该小于等于可用的broker数。

副本因子过程图

副本因子操作以分区为单位的。每个分区都有各自的主副本和从副本；主副本叫做leader，从副本叫做 follower（在有多个副本的情况下，kafka会为同一个分区下的所有分区，设定角色关系：一个leader和N个 follower），处于同步状态的副本叫做in-sync-replicas(ISR);

• follower通过拉的方式从leader同步数据。
• 消费者和生产者都是从leader读写数据，不与follower交互。
• 副本因子的作用：让kafka读取数据和写入数据时的可靠性。
  副本因子是包含本身，同一个副本因子不能放在同一个Broker中。

如果某一个分区有三个副本因子，就算其中一个挂掉，那么只会剩下的两个中，选择一个leader，但不会在其他的broker中，另启动一个副本（因为在另一台启动的话，存在数据传递，只要在机器之间有数据传递，就会长时间占用网络IO，kafka是一个高吞吐量的消息系统，这个情况不允许发生）所以不会在零个broker中启动。

如果所有的副本都挂了，生产者如果生产数据到指定分区的话，将写入不成功。 lsr表示：当前可用的副本

5、kafka当中的segment说明

一个partition当中有多个segment文件组成，每个segment文件，包含两部分，一个是.log文件，另外一个是.index文件，其中.log文件包含了我们发送的数据存储，.index文件，记录的是我们.log文件的数据索引值，以便于我们加快数据的查询速度

• 索引文件与数据文件的关系
  既然它们是一一对应成对出现，必然有关系。索引文件中元数据指向对应数据文件中message的物理偏移地址。

比如：索引文件中3,497代表：数据文件中的第三个message,它的偏移地址为497。再来看数据文件中，Message 368772表示：在全局partiton中是第368772个message。

注：segment index file采取稀疏索引存储方式，它减少索引文件大小，通过mmap可以直接内存操作，稀疏索引为数据文件的每个对应message设置一个元数据指针,它比稠密索引节省了更多的存储空间，但查找起来需要消耗更多的时间。

6、kafka当中的partition的offset

任何发布到此partition的消息都会被直接追加到log文件的尾部，每条消息在文件中的位置称为offset（偏移量）。

offset是一个long类型数字，它唯一标识了一条消息，消费者通过（offset，partition，topic）跟踪记录。

7、kafka分区与消费组的关系

消费组： 由一个或者多个消费者组成，同一个组中的消费者对于同一条消息只消费一次。
某一个主题下的分区数，对于消费组来说，消费者应该小于等于该主题下的分区数。

如：某一个主题有4个分区，那么消费组中的消费者应该小于4，而且最好与分区数成整数倍1 2 4同一个分区下的数据，在同一时刻，不能同一个消费组的不同消费者消费

总结：分区数越多，同一时间可以有越多的消费者来进行消费，消费数据的速度就会越快，提高消费的性能

8、kafka当中的consumer

consumer是kafka当中的消费者，主要用于消费kafka当中的数据，任何一个消费者都必定需要属于某一个消费组当中。
任意时刻，一个分区当中的数据，只能被kafka当中同一个消费组下面的一个线程消费

• 重点摘要

生产者（Producer）:kafka当中的消息生产者，生产的消息通过topic进行归类，保存到kafka的broker里面去

主题（topic）: 一个主题可以有零个，一个或者多个消费者订阅写入的数据。可以有无数个主题。

分区（partition）: 每一个分区的数据是有序的,多个partition之间是无需的。Partition数量决定了每个Consumer group中并发消费者的最大数量。

分区和消费组之间的关系：同一个组中的消费者对于同一条消息只消费一次。

        消费者应该小于等于该主题下的分区数.
        Partition = 消费任务的并发度=刚刚好，每个任务读取一个partition数据
        Partition >消费任务的并发度=有部分消费任务读取多个分区的数据
        Partition < 消费任务的并发度=有部分消费任务空闲
        任何时候，分区中的一条数据只能被一个消费组中的一个消费任务读取。

总结：分区数越多，同一时间可以有越多的消费者来进行消费，消费数据的速度就会越快，提高消费的性能。

数据副本（Replicas）：数据副本数一般情况下小于等于broker的个数，

        每个分区都有各自的主副本（在哪里复制的）和从副本（复制出来的）。
        follower通过拉的方式从leader同步数据。
        消费者和生产者都是从leader读写数据，不与follower交互。副本只用来提高集群的可靠性。
         一个分区有三个副本因子，一个挂掉（主福本），不会在其他的broker中，另启动一个副本。丢失的副本不会恢复。
        lsr表示：当前可用的副本列表
        Segment：一个partition当中有多个segment，一个segment由一个是.log文件和一个.index文件
        偏移量（Offset）：每条消息在文件中的位置称为offset（偏移量）
        消费者（Consumer）：任何一个消费者都必定需要属于某一个消费组当中。