kafka消费者如何读同一生产者消息_kafka的生产者与消费者

一、kafka的存储机制

(1)存储机制：Kafka 中消息是以 topic 进行分类的，生产者生产消息，消费者消费消息，都是面向 topic的。

topic 是逻辑上的概念，而 partition 是物理上的概念，每个 partition 对应于一个 log 文件，该 log 文件中存储的就是 producer 生产的数据。Producer 生产的数据会被不断追加到该log 文件末端，且每条数据都有自己的 offset。消费者组中的每个消费者，都会实时记录自己消费到了哪个 offset，以便出错恢复时，从上次的位置继续消费。 数据存储示意图如下：

1、数据存储图解释解释：由于生产者生产的消息会不断追加到 log 文件末尾，为防止 log 文件过大导致数据定位效率低下，Kafka 采取了分片和索引机制，将每个 partition 分为多个 segment。每个 segment对应两个文件——“.index”文件和“.log”文件。这些文件位于一个文件夹下，该文件夹的命名规则为：topic 名称+分区序号。例如，first 这个 topic 有三个分区，则其对应的文件夹为 first-0,first-1,first-2。

2、index 和 log 文件以当前 segment 的第一条消息的 offset 命名。下图为 index 文件和 log 文件的结构示意图。其中 “.index”文件存储大量的索引信息，“.log”文件存储大量的数据，索引文件中的元 数据指向对应数据文件中 message 的物理偏移地址。

(2)分区策略

1、分区原因：

a、方便在集群中扩展，每个 Partition 可以通过调整以适应它所在的机器，而一个 topic又可以有多个 Partition 组成，因此整个集群就可以适应任意大小的数据了；

b、可以提高并发，因为可以以 Partition 为单位读写了。

2、分区器：首先需要将 producer 发送的数据封装成一个 ProducerRecord 对象。

a、若ProducerRecord对象指明 partition 的情况下，直接将指明的值直接作为 partiton 值；

b、没有指明 partition 值但有 key 的情况下，将 key 的 hash 值与 topic 的 partition 数进行取模得到 partition 值；

c、既没有 partition 值又没有 key 值的情况下，第一次调用时随机生成一个整数(后面每次调用在这个整数上自增)，将这个值与 topic 可用的 partition 总数取余得到 partition 值，也就是常说的 round-robin 算法。

(3)数据的可靠性保证即kafka的ACK机制

为保证 producer 发送的数据，能可靠的发送到指定的 topic，topic 的每个 partition 收到producer 发送的数据后，都需要向 producer 发送 ack(acknowledgement 确认收到)，如果producer 收到 ack，就会进行下一轮的发送，否则重新发送数据。

1、kafka何时发送ack确认给生产者已确定收到数据：确保有follower与leader同步完成，leader再发送ack，这样才能保证leader挂掉后，能在follower选举出新的leader。

2、副本同步策略即多少个follower同步完成后发送ack：全部follower完成同步，才发送ack；优点：选举新的 leader 时，容忍 n 台节点的故障，需要 n+1 个副本，缺点：延迟高

(4)ISR同步策略：

1、引入ISR的原因：采用全部follower完成同步才发送ack；当leader收到数据，所有 follower 都开始同步数据，但有一个 followerÿ