本文以大白话介绍Kafka，强调Kafka作为分布式消息系统的作用和设计原理。讨论了Topic、Partition、Replica、Producer、Consumer、Consumer Group等核心概念，解释了Kafka如何通过分区实现高性能，以及消费者组如何允许并行消费而不互相干扰。重点解析了Kafka的消费策略，特别是同一个消费者组内如何避免消费同一个消息。
大白话带你认识Kafka
Kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据。
Kafka基础
消息系统的作用
应该大部份小伙伴都清楚，用机油装箱举个例子。
所以消息系统就是如上图我们所说的仓库，能在中间过程作为缓存，并且实现解耦合的作用。
引入一个场景，我们知道中国移动，中国联通，中国电信的日志处理，是交给外包去做大数据分析的，假设现在它们的日志都交给了你做的系统去做用户画像分析。
按照刚刚前面提到的消息系统的作用，我们知道了消息系统其实就是一个模拟缓存，且仅仅是起到了缓存的作用而并不是真正的缓存，数据仍然是存储在磁盘上面而不是内存。
Topic 主题
Kafka学习了数据库里面的设计，在里面设计了topic（主题），这个东西类似于关系型数据库的表。
此时我需要获取中国移动的数据，那就直接监听TopicA即可。
Partition 分区
kafka还有一个概念叫Partition（分区），分区具体在服务器上面表现起初就是一个目录，一个主题下面有多个分区，这些分区会存储到不同的服务器上面，或者说，其实就是在不同的主机上建了不同的目录。这些分区主要的信息就存在了.log文件里面。跟数据库里面的分区差不多，是为了提高性能。
至于为什么提高了性能，很简单，多个分区多个线程，多个线程并行处理肯定会比单线程好得多。
Topic和partition像是HBASE里的table和region的概念，table只是一个逻辑上的概念，真正存储数据的是region，这些region会分布式地存储在各个服务器上面，对应于Kafka，也是一样
最低0.47元/天 解锁文章
扫一扫
1755
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
