Kafka（一）背景和概念

背景

《财富》杂志前100企业，有80家以上信任、使用Kafka。全球行业top10企业中，制造业10/10，银行业7/10，电信8/10，保险10/10，10/10信息技术服务公司，7/10零售公司，使用Kafka。

Apache Kafka的一个开源的、分布式的事件流流平台，成千上万的企业使用它来实现高性能的数据管道，流分析，数据集成和关键任务应用程序。

Kafka由Scala和Java开发。

背景，原来是一个高吞吐量，分布式的发布——订阅消息系统，分布式流处理平台，最初由Linkedin 公司开发，后面成为Apache基金会ASF的一分子。

核心模块由Scala开发，支持Java，C/C++，Scala，Python，Go，Erlang，Nodejs等多语言的客户端。越来越多的开源分布式系统支持与Kafka集成，如Flume，Apache Storm，Spark，Flink。

特性，高吞吐量，可持久化，分布式，支持数据流处理。

特点，开源的，轻量级，分布式，可分区，具有复制备份（Replication），基于Zookeeper协调管理，流式处理，高吞吐量，高性能，低延迟，可容错，可持久化。

场景

使用场景包括

• 发布、订阅，作为一个消息系统，读写流数据
• 处理，编写实时的、可扩展的流处理应用程序。
• 存储，基于分布式，复本和容错机制的集群中存储流数据

消息队列

提出问题

双11的时候，PK剁手了，买了N多的东西，过了几天，周五，快递小哥送快递来了，可是PK正在搬砖，工头很苛刻，不让PK回家拿快递，快递小哥又只能等着PK签收，才能送下一家，怎么办呢？这个时候PK告诉快递小哥，让他把快递放在门卫王大爷那儿。

解耦，不用现在来接收这个快递了，不影响搬砖了，找王大爷取快递就可以了，不管是那个快递小哥，找王大爷拿就可以了。

异步，快递小哥不用等待PK签收，可以去送别的快递了。

削峰，双十一订单剧增，多个快递小哥都有满满一车的快递，门卫大爷房间也小，年老色衰也记不住谁是谁的了，快递小哥把快递放在菜鸟驿站。

消息队列通信模式

包括点对点和发布订阅与的模式

点对点，发布订阅

点对点模式，消息队列中的消息只能被一个消费者消费。

发布订阅，生产者生产一个消费，可以被订阅Topic的所有消费者消费，每个消费者可以拿到消息队列中原始消息的拷贝。

流处理

流处理和批处理

流处理，对于源源不断、实时、动态的数据的处理、聚合、分析。快速，高效，低延迟。（场景包括支付交易，社交网络，物联网，系统监控等）

批处理，对有界、持久、大量的数据的处理，聚合分析。速度较慢，处理数据量大。（场景包括数据仓库，离线日志分析，数据挖掘）

基本概念

Kafka集群可以在一个或跨数据中心的多个服务器上运行。Kafka集群存储流数据在Topic中。每条数据由一个键，一个值，和一个时间戳。

通过一个Kafka的架构图来了解Kafka的基本概念，如下：

• Producer，消息的生产者
• Consumer，消息的消费者
• Kafka Cluster，Kafka集群
• Broker，Kafka实例，每个机器上有一个或者多个Kafka实例，一般情况下一个机器上一个Kafka实例，多个Kafka实例构成一个Kafka集群，每个Kafka实例在集群中都有一个唯一的编号。
• Topic，消息的主题，可以认为是消息的分类，一个Broker上可以创建多个Topic，Kafka消息保存在Topic中。
• Partition，Topic的分区，每个Topic可以有多个分区，分区的作用是负载，提高Kafka的吞吐量，同一个Topic在不同分区的数据是不同的，Partition的物理表现形式就是一个文件夹。一个分区包含一系列有序不可变的消息。跨分区的消息没有顺序。
• Leader，每个分区都有多个副本，Leader负责处理客户端读、写请求的分区。
• Follower，即Replication，作为Leader的备胎，从Leader同步数据，但不处理客户端请求。当主分区Leader故障时，会选择一个备胎Follower作为Leader。Kafka中默认的最大副本数量是10个，副本和被复制Partition的数据是相同的，且副本的数量不能大于Broker的数量，Follower和Leader要在不同的机器，同一机器对于同一个分区也只可能存放一个副本。通过副本保证可用性。
• Message，消息，Kafka通信的基本单位，固定长度的消息头和可变长度的消息体构成。
• Consumer Group，可以将多个消费者组成一个消费者组，在Kafka的设计中，同一个分区的数据，只能被消费者组中的某一个消费者消费，同一个消费者组中的消费者可以消费同一个Topic的不同分区的数据，这也提高了Kafka的吞吐量，如下图所示。

             

• Zookeeper，Kafka集群依赖Zookeeper来保存集群的元数据，选举Leader，Folloler，保证系统的可用性。

（完）（^_^）