Kafka 从入门到实战

前言：最近公司做一个ETL 数据同步的工程，其中我们使用了kafka 作为消息缓冲和服务之间传递的中间层。

主要就是将其他数据库的数据变化（增量数据）投递进kafka ，然后使用自己写的工具将kafka 消息进行解读，转换 ，最后写入该写入的位置（如DB）

话不多说，让我们首先来认识一下kafka.

kafka 是一个 分布式的消息中间件，你可以把他类比 其他mq 等。（相关对比图请自行百度）

学习kafka 你需要理解如下概念：

1）Producer ：消息生产者，就是向kafka broker发消息的客户端；

2）Consumer ：消息消费者，向kafka broker取消息的客户端；

3）Topic ：可以理解为一个队列；

4）Partition：为了实现扩展性，一个非常大的topic可以分布到多个broker（即服务器）上，一个topic可以分为多个partition，每个partition是一个有序的队列。partition中的每条消息都会被分配一个有序的id（offset）。kafka只保证按一个partition中的顺序将消息发给consumer，不保证一个topic的整体（多个partition间）的顺序；（换而言之，一旦你topic 分区了，那么topic整体消息一定是乱序的）

5） Consumer Group （CG）：这是kafka用来实现一个topic消息的广播（发给所有的consumer）和单播（发给任意一个consumer）的手段。一个topic可以有多个CG。topic的消息会复制（不是真的复制，是概念上的）到所有的CG，但每个partion只会把消息发给该CG中的一个consumer。如果需要实现广播，只要每个consumer有一个独立的CG就可以了(这句话尤为关键，特别是你需要提高消费能力时)。要实现单播只要所有的consumer在同一个CG。用CG还可以将consumer进行自由的分组而不需要多次发送消息到不同的topic；

注：因为上面红色区域的概念很重要，有一些新手很容易误解，所以附带上官方的图。

图上可以看到 server = broker ， P0  P1 P2 P3 就是 partition. C1 C2 C3..C6 就是消费者

可以看到

当 CGA 只有两个消费者时，一个消费者固定去分配消费两个P 上的数据，这个一旦消费者产生就固定不变了（不增加剔除消费者前提下），不会因为时间变化而发生C1 去消费P1数据的情况（这样保证了单个消费者内消费某个分区数据是有序的）

当CGA 只有四个消费者时，他们各自去消费一个分区的数据（分区数：组内消费者数=1:1）此时消费效率是最高的，

分区数大于组内消费者数时，消费者需要轮询不同分区（可能会访问不同server,broker）的数据，中间网络耗时会长，

当分区数小于组内消费者数（这是一种错误启动消费者的方式），这样会导致多余的消费者在哪里空占资源，而不发生消费行为。

6）Broker ：一台kafka服务器（可以理解为物理机或者VM）就是一个broker。一个集群由多个broker组成。一个broker可以容纳多个topic；

7）Offset（消息的位点，保证了kafka消息的有序性）：kafka的存储文件都是按照offset.kafka来命名，用offset做名字的好处是方便查找。例如你想找位于2049的位置，只要找到2048.kafka的文件即可。当然the first offset就是00000000000.kafka。

好了，以上就是kafka 整体的必备知识。

书接上话&#