应该选择哪种kafka

我们上一节谈了kafka当前的定位问题，kafka不再是一个单纯的消息引擎系统，而是能够实现精确一次(exactly-once)语义处理的实时流平台。我们到目前为止所说的kafka都是Apache kafka。kafka是Apache社区的一个顶级项目，如果我们把视角从流处理平台扩展到流处理生态圈，kafka其实还有很长的路要走，毕竟是半路出家转型成流处理平台的。前面我们提到过kafka streams组件，正是它提供了kafka实时处理流数据的能力。但是其实还有一个重要的组件没有提及，那就是kafka connect。

我们在评估流处理平台的时候，框架本身的性能、所提供操作算子(operator)的丰富程度固然是重要的评判指标，但是框架与上下游交互的能力也是非常重要的。能够与之进行数据传输的外部系统越多，围绕它打造的生态圈就越牢固，因而也就有更多的人愿意去使用它，从而形成正向反馈，不断地促进该生态圈的发展。就kafka而言，kafka connect通过一个个具体的连接器(connector)，串联起上下游的外部系统。

整个kafka生态圈如下图所示，值得注意的是，这张图的外部系统只是kafka connect组件支持的一部分而已。目前还有一个可喜的趋势是使用kafka connect组件的用户越来越多，相信在未来会有越来越多的人开发自己的连接器。

说了这么多，可能会有人好奇这跟这一节的主题有什么关系呢？其实清晰地了解kafka的发展脉络和生态圈现状，对于我们选择合适的kafka版本大有裨益。下面我们就进入今天的主题—如何选择kafka版本。

你知道几种kafka

咦？kafka不是一个开源框架吗？什么叫有几种kafka，实际上，kafka的确有好几种kafka啊？实际上，kafka的确有好几种，这里我不是指它的版本，而是指存在多个组织或者公司发布的不同kafka。就像linux的发行版，有Ubuntu、centos等等，虽说kafka没有发行版的概念，但姑且可以这样的近似的认为市面上的确存在着多个kafka"发行版"。当然用发行版这个词只是为了这里方便解释，但是发行版这个词在kafka生态圈非常陌生，以后聊天时不要用发行版这个词。下面我们就看看kafka都有哪些"发行版"

• Apache kafka:

  Apache kafka是最"正宗"的kafka，也应该是最熟悉的发行版了。自kafka开源伊始，它便在Apache基金会孵化并最终毕业成为顶级项目，也被称之为社区版kafka。目前我也是以这个版本的kafka进行介绍的。更重要的是，它是后面其他所有发行版的基础。也就是说，其他的发行版要么是原封不动的继承了Apache kafka，要么是在其基础之上进行了扩展、添加了新功能，总之Apache kafka是我们学习和使用kafka的基础。

• Confluent kafka:

  我先说说Confluent公司吧。2014年，kafka的3个创始人Jay Kreps、Naha Narkhede 和饶军离开 LinkedIn创办了Confluent公司，专注于提供基于kafka的企业级流处理解决方案。2019年1月，Confluent公司成功融资1.25亿美元，估值也到了25亿美元，足见资本市场的青睐。这里说点题外话，饶军是我们中国人，清华大学毕业的大神级人物。我们已经看到越来越多的Apache顶级项目创始人中出现了中国人的身影。另一个例子就是，Apache pulsar，它是一个以打败kafka为目标的新一代消息引擎系统，在开源社区中活跃的中国人数不胜数，这种现象实在令人振奋。还说回Confluent公司，它主要从事商业化的kafka工具开发，并在此基础上发布了Confluent kafka。Confluent kafka提供了Apache kafka没有的高级特性，比如跨数据中心备份、schema注册中心以及集群监控工具等等。

• Cloudera/Hortonworks Kafka

  Cloudera提供的CDH和Hortonworks提供的HDP是非常著名的大数据平台，里面集成了目前主流的大数据框架，能够帮助用户实现从分布式存储、集群调度、流处理到机器学习、实时数据库等全方位的数据处理。很多创业公司在搭建数据平台时首选就是这两个产品。不管是CDH还是HDP，里面都集成了Apache kafka，因此就把这款产品中的kafka称之为CDH kafka和HDP kafka

  当然在2018年10月两家公司宣布合并，共同打造世界领先的数据平台，也许以后CDH和HDP也会合并成一款产品，但能肯定的是Apache kafka依然会包含其中，并作为新数据平台的一部分对外提供服务。

特点比较

okay，说完了目前市面上的这些kafka，我们来对比一下它们的优势和劣势

• Apache kafka

  对Apache kafka而言，它现在依旧是开发人数最多，版本迭代速度最快的kafka。在2018年度Apache基金会邮件列表中开发者数量最多的top5排行榜中，kafka社区邮件组排名第二位。如果你使用Apache kafka碰到任何问题并将问题提交到社区，社区都会比较及时的响应你。这对于我们kafka普通使用者来说无疑是非常友好的。

  但是Apache kafka的劣势在于它仅仅提供最最基础的主组件，特别是对于前面提到的kafka connect而言，社区版kafka只提供一种连接器，即读写磁盘文件的连接器，而没有与其他外部系统交互的连接器，在实际使用过程中需要自行编写代码实现，这是它的一个劣势。另外Apache kafka没有提供任何监控框架或工具，而在线上环境不加监控肯定是不行的，你必然需要借助第三方的监控框架来对kafka进行监控。好消息是目前有一些开源的监控框架可以帮助用于监控kafka(比如kafka manager)

  总而言之，如果仅仅需要一个消息引擎系统亦或是简单的流处理应用场景，同时需要对系统有较大把控度，那么我推荐你使用Apache kafka

• Confluent kafka

  下面来看看Confluent kafka。Confluent kafka目前分为免费版和企业版两种。前者和Apache kafka非常相像，除了常规的组件之外，免费版还包含schema注册中心和rest proxy两大功能。前者是帮助你集中管理kafka消息格式以实现数据向前/向后兼容；后者用开放的HTTP接口的方式允许你通过网络访问kafka的各种功能，这两个都是Apache kafka所没有的。除此之外，免费版还包含了更多的连接器，它们都是Confluent公司开发并认证过的，你可以免费使用它们。至于企业版，它提供的功能就更多了，最有用的当属跨数据中心备份和集群监控两大功能了。多个数据中心之间数据的同步以及对集群的监控历来是kafka的痛点，Confluent kafka企业版提供了强大的解决方案来帮助你干掉它们。不过Confluent kafka没有发展国内业务的计划，相关资料以及技术支持都很欠缺，很多国内的使用者都无法找到对应的中文文档，因此目前Confluent kafka在国内的普及率是比较低的。

  一言以蔽之，如果你需要使用kafka的一些高级特性，那么推荐你使用Confluent kafka。

• CDH/HDP kafka

  最后说说大数据云公司发布的kafka，这些大数据平台天然继承了Apache kafka，通过便捷化的界面操作将kafka的安装、运维、管理、监控全部统一在控制台中。如果你是这些平台的用户一定觉得非常方便，因为所有的操作都可以在前段UI界面上完成，而不必执行复杂的kafka命令。另外这些平台的监控界面也非常友好，你通常不需要进行任何配置就能有效的监控kafka。

  但是凡事有利就有弊，这样做的结果就是直接降低了你对kafka集群的掌握程度。毕竟你对下层的kafka集群一无所知，你怎么能够做到心中有数呢？这种kafka的另一个弊端在于它的滞后性，由于它有自己的发布周期，因此是否能及时地包含最新版本的kafka就成为了一个问题。比如CDH6.1.0版本发布时Apache kafka已经演进到了2.1.0版本，但CDH中的kafka仍然是2.0.0版本，显然那些在kafka2.1.0中修复的bug只能等到CDH下次版本更新时才有可能被真正修复。

  简单来说，如果你需要快速的搭建消息引擎系统，或者你需要搭建的是多框架构成的数据平台且kafka只是其中的一个组件，那么建议使用这些大数据云公司提供的kafka。

小结：

总结一下，我们今天讨论了不同的kafka"发行版"以及它们的优缺点，根据这些优缺点，我们可以有针对性地根据实际看需求选择合适的kafka。最后我们回顾一下今天的内容：

• Apache kafka，也称为社区办kafka。优势在于迭代速度快，社区响应度高，使用它可以让你有更高的把控度；缺陷在于仅提供最基础的核心组件，缺失一些高级的特性。

• Confluent kafka，Confluent公司提供的kafka。优势在于集成了很多高级特性且由kafka原版人马打造，质量上有保证；缺陷在于相关资料不全，普及率较低，没有太多可供参考的范例。

• CDH/HPD kafka，大数据云公司提供的kafka，内嵌Apache kafka。优势在于操作简单，节省运维成本；缺陷在于把控度低，演进速度较慢。

转自：
https://www.cnblogs.com/yuhan-Hanny/p/11685555.html