Kafka基本概念

概要

Kafka是最初由Linkedin公司开发，是一个分布式、分区的、多副本的、多生产者、多订阅者，基于
zookeeper协调的分布式日志系统（也可以当做MQ系统），常见可以用于web/nginx日志、访问日志，消息服务等等。
主要应用场景是：日志收集系统和消息系统。
Kafka主要设计目标如下：

• 以时间复杂度为O(1)的方式提供消息持久化能力，即使对TB级以上数据也能保证常数时间的访
  问性能。
• 高吞吐率。即使在非常廉价的商用机器上也能做到单机支持每秒100K条消息的传输。
• 支持Kafka Server间的消息分区，及分布式消费，同时保证每个partition内的消息顺序传输。同时支持离线数据处理和实时数据处理。

本文主要是介绍kafka整体框架上的一些基本概念

整体架构

消息传递模式只要有两种：点对点传递模式、发布-订阅模式。
大部分的消息系统选用发布-订阅模式。Kafka就是一种发布-订阅模式。
对于消息中间件，消息分推拉两种模式。Kafka只有消息的拉取，没有推送，消费者端通过轮询从broker端获取数据

服务端(brokers)和客户端(producer、consumer)之间通信通过TCP协议来完成。

Broker

• 一个独立的Kafka服务器称为broker。一个或者多个broker可以组成kafka集群
• broker接收来自生产者的消息，为消息设置偏移量，并提交消息到磁盘保存。
• broker为消费者提供服务，对读取分区的请求做出响应，返回已经提交到磁盘上的消息。

Topic

• Kafka根据topic对消息进行归类，发布到Kafka集群的每条消息都需要指定一个topic
• 主题可比是数据库的表或者文件系统里的文件夹。
• 主题可以被分为若干分区，一个主题通过分区分布于Kafka集群中，提供了横向扩展的能力

Partition

• 主题可以被分为若干个分区，一个分区就是一个提交日志。
• 消息以追加的方式写入分区，然后以先入先出的顺序读取。
• Kafka 通过分区来实现数据冗余和伸缩性。

Replicas

• Kafka 使用主题来组织数据，每个主题被分为若干个分区，每个分区有多个副本。
• 副本被保存在broker 上，每个broker 可以保存成百上千个属于不同主题和分区的副本。
• 副本有以下两种类型：
  首领副本：每个分区都有一个首领副本。为了保证一致性，所有生产者请求和消费者请求都会经过这个副本。
  跟随者副本：首领以外的副本都是跟随者副本。跟随者副本不处理来自客户端的请求，它们唯一的任务就是从首领那里复制消息，保持与首领一致的状态。如果首领发生崩溃，其中的一个跟随者会被提升为新首领。

Producer
消息生产者，向Broker发送消息的客户端

Consumer

消息消费者，从Broker读取消息的客户端

Consumer Group

每个Consumer属于一个特定的ConsumerGroup，一条消息可以被多个不同的
Consumer Group消费，但是一个Consumer Group中只能有一个Consumer能够消费同一条消息

broker和集群

一个独立的Kafka服务器称为broker

每个集群都有一个broker是集群控制器（从集群的活跃成员中选举出来）
控制器负责管理工作：

• 将分区分配给broker
• 监控broker
• 当某个分区的leader副本出现故障时，由控制器负责为该分区选举新的leader副本。
• 当检测到某个分区的ISR集合发生变化时，由控制器负责通知所有broker更新其元数据信息。

Producer

• producer采用push模式将消息发布到broker，每条消息都被append到patition中，属于顺序写磁盘（顺序写磁盘效率比随机写内存要高，保障kafka吞吐率）。
• producer 发送消息到 broker 时，会根据分区算法选择将其存储到哪一个 partition。其路由机制为：
  1. 指定了 patition，则直接使用；
  2. 未指定 patition 但指定 key，通过对 key 的 value 进行hash 选出一个 patition
  3. patition 和 key 都未指定，使用轮询选出一个 patition。
  4. 默认使用轮询的方式

Consumer和消费者组

从broker端读取消息的客户端，称为消费者；具有相同group.id的消费者，属于同一个消费组。一般来说，项目中用到的消费者都是以消费者组的形式存在的；一个消费者组含义一个或者多个消费者，抽象出组的概念对已broker端来说大有益处，broker端不需要关心有多少个消费者，始终以群组为单位来记录消费的位移信息。

分区与消费者之间的关系大致存在以下图中几种：

这里需要注意：

• 消费组均衡地给消费者分配分区，每个分区只由消费组中一个消费者消费
• 如果消费者比分区多，就会出现闲置的现象
• 组与组之间的消费互不影响

小结

本文主要从大方面总结了kafka各个主要概念；消费者如何消费，生产者发送消息流程是怎么样，位移是如何管理的，这些细节内容会在后面的文章中进行补充。