学习目标
kafka为啥会产生?
应对实时处理需求,需要一个系统可以缓存数据,可以供多个其他程序进行读取和处理。
kafka产生了。 产生数据到kafka,应用程序可以对kafka里面的数据进行读取然后处理,而kafka仅仅是缓存数据,并对数据设置一个过期时间,这样可以做到持续运转无需人工干预,而且kafka有防单点功能,总结一句,kafka是一个提供数据存放和读取而又带有自动处理“污水”功能的蓄水池。
术语有哪些?
产生消息到kafka的叫做 producer
订阅topics以及消费kafka数据的叫做 consumer
kafka集群由一台或者多台服务器组成,每台服务器被叫做一个broker
每个topics里面的数据按照partition进行划分,consumer可以通过设置offset进行读取数据,只要数据还没有过期,因为kafka有log有效时间设置,过了之后,kafka会消灭过期的数据,free up disk。
每个topic由若干个partition组成,每个partition以及副本会分布在多个机器里面(副本数N,最多可以允许有N-1个broker挂掉),一般是3,3个partition有一台机器会作为Leader,其余两个作为Follower,跟其他分布式系统相似但也有不同,Leader partition会完成所有读写操作,而不仅仅是写操作,而Follower partition只能进行与Leader Partition进行同步,连读功能都不行!
典型应用
- 日志聚合。 很多服务器产生的日志打向kafka,进行集中存放。
- 流处理。一开始是粗糙的数据进入kafka,消费者对数据进行消费处理后把数据仍旧打进kafka,但是是另外一个topic。
深入和扩展
consumer。 一般消息系统的消费者有两种模型,一种是 queueing模型,另外一种是订阅和消费模型。 队列模型的时候,一个消息只能被一个消费者消费,然后下个消息被另外一个消费者消费,就是不可能做到一个消息被一群消费者消费。 kafka是第二种模型,但是也是支持第一种模型的哦。如果kafka的消费者们都在同一个组里面,那么就是第一种模型;如果消费者们分别在不同的组里面,那么就是第二种模型,可以做到一条消息,被多组消费者里面的消费者消费。