Kafka(一)：基础

一. 介绍

kafka使用scala开发，支持多语言客户端（c++、java、python、go等）其架构如下：

Producer：消息发布者

Broker：消息中间件处理结点，一个kafka节点就是一个broker

Consumer：消息订阅者

kafka的消息分几个层次：

1) Topic：一类消息，例如page view日志，click日志等都可以以topic的形式存在，kafka集群能够同时负责多个topic的分发

2) Partition： Topic物理上的分组，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）。

3) Message：消息，最小订阅单元

二.具体消息流程：

1. Producer根据指定的partition方法（round-robin、hash等），将消息发布到指定topic的partition里面

2. kafka集群接收到Producer发过来的消息后，将其持久化到硬盘，并保留消息指定时长（可配置），而不关注消息是否被消费。

3. Consumer从kafka集群pull数据，并控制获取消息的offset

三. 设计

ThroughPut

High Throughput是kafka需要实现的核心目标之一，为此kafka做了以下一些设计：

1）数据磁盘持久化：消息不在内存中cache，直接写入到磁盘，充分利用磁盘的顺序读写性能

2）zero-copy：减少IO操作步骤

3）数据批量发送

4）数据压缩

5）Topic划分为多个partition，提高parallelism

负载均衡：

1) producer根据用户指定的算法，将消息发送到指定的partition

2) 存在多个partiiton，每个partition有自己的replica，每个replica分布在不同的Broker节点上

3) 多个partition需要选取出lead partition，lead partition负责读写，并由zookeeper负责fail over

4) 通过zookeeper管理broker与consumer的动态加入与离开

pull-based system

由于kafka broker会持久化数据，broker没有内存压力，因此，consumer非常适合采取pull的方式消费数据，具有以下几点好处：

1）简化kafka设计

2）consumer根据消费能力自主控制消息拉取速度

3）consumer根据自身情况自主选择消费模式，例如批量，重复消费，从尾端开始消费等

Scale Out

当需要增加broker结点时，新增的broker会向zookeeper注册，而producer及consumer会根据注册在zookeeper上的watcher感知这些变化，并及时作出调整。