kafka

安装

1.安装jdk：sudo apt-get install openjdk-8-jdk （kafka需要在jvm上运行）

验证安装结果：java -version

2.安装kafka：wget https://downloads.apache.org/kafka/3.5.1/kafka_2.13-3.5.1.tgz  （下载官网离线安装包）

解压：tar -xzf   ... -C  /usr/local  (解压到/usr/local目录下)

运行：

在kafka目录下启动zookeeper： bin/zookeeper-server-start.sh config/zookeeper.properties

启动kafka ：bin/kafka-server-start.sh config/server.properties

查看kafka版本：bin/kafka-topics.sh --version

创建topic：bin/kafka-topics.sh --create --bootstrap-server localhost:9092 --topic test --partitions 1 --replication-factor 1

...

kafka为什么快

数据分片（每个topic会把数据切分为多个partition，每个partition有自己对应的副本保证可靠性，但是副本在leader partition down掉前不会提供服务）可以横向扩容

连续读速度快

kafka虽然跑在jvm上但是使用堆外内存（内核缓冲区内存）pagecache，所以不需要做内存回收。

kafka会自动预热，把数据加载到缓冲区里

pagecache：linux内核态缓存

虚拟内存空间：分配给进程的一个逻辑内存空间，通过操作系统的page table(页映射表)对应到物理内存。

kafka的windows适配性不好

kafka ack保证数据写到内存里，刷盘策略决定数据什么时候落盘，所以ack不能保证数据不会丢失。

零拷贝

减少内核态缓冲区到用户态缓冲区的cpu拷贝

dma拷贝：io到内核的拷贝

普通拷贝：

零拷贝：

producer的消息会包含key，来决定消息发送到哪个partition。

producer按批次发送数据，当数据停留指定时间或者数据达到一定量时，发送给kafka 中对应partition的leader 副本所在的broker节点的socket receive buffer；

socket通过network threads将数据包装成一个请求置入reque queue，然后通过一个IO线程写入到page cache，pagecache根据刷盘策略落盘；

为了保证落盘前的数据可靠性，会将数据备份到其他的broker上，（follower副本会向leader副本拉取数据，这些follower在leader 副本 down掉前，只做备份，不会被使用。）

副本备份完毕后，会发送给producer一个ack，其中可以在network threads控制消息的顺序（上一条消息存储失败，则下一条数据卡在socket receive buffer）

HDD（机械硬盘）和SSD的随机写与顺序写

HDD ：随机写时间浪费在寻址和旋转盘片

SSD：写入数据时，需要先擦除一块物理地址，然后写入在这块地址上的一个page里；因此随机写浪费在擦出有用数据时的数据迁移，并且会造成盘碎片化。

混合云

私有云+公有云

私有云：企业自己建设并为内部提供服务，企业可以更严格地控制访问权限和数据管理。

公有云：第三方云厂商所拥有和运营，用户通过互联网使用这些服务；用户只有服务的使用权，数据的控制权相对较弱。

机器扩容 超过 mysql连接数 导致服务崩溃