介绍 Kafka

Kafka 是一款基于发布与订阅的消息系统。

用生产者客户端 API 向 Kafka 生产消息，用消费者客户端 API 从 Kafka 读取这些消息。

Kafka 使用 Zookeeper 保存元数据信息。

• Kafka 0.9 版本之前，除了 broker 之外， 消费者也会使用 Zookeeper 保存一些信息，比如消费者群组的信息、 主题信息、消费分区的偏移量（在消费者群组里发生失效转移时会用到）。
• 到了 0.9.0.0 版本， Kafka 引入了一个新的消费者接口，允许 broker 直接维护这些信息。

Kafka 中的概念

消息 & 批次

Kafka 的数据单元被称为消息。消息就好比数据库里的一个“数据行”或一条“记录”。消息由字节数组组成，所以对于 Kafka 来说，消息里的数据没有特别的格式或含义。

消息可以有个可选的元数据，也就是键。键也是一个字节数组，与消息一样，对于 Kafka 来说也没有特殊的含义。键有两个用途：可以作为消息的附加信息，也可以用来决定消息该被写到主题的哪个分区。最简单的例子就是为键生成一个一致性散列值，然后使用散列值对主题的分区数进行取模，为消息选取分区。

为了提高效率，消息被分批次写入 Kafka。批次就是一组消息，这些消息属于同一主题和分区。

如果每一个消息都单独串行于网络，会导致大量的网络开销，把消息分批次传输可以减少网络开销。不过，这要在时间延迟和吞吐量之间作出权衡：批次越大，单位时间内处理的消息就越多，单个消息的传输时间就越长。

批次数据会被压缩，这样可以提升数据的传输和存储能力，但要做更多的计算处理。

主题 & 分区

Kafka 的消息通过主题进行分类。主题就好比数据库的表，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，然后以先进先出的顺序读取。要注意，由于一个主题一般包含几个分区，因此无法在整个主题范围内保证消息的顺序，但可以保证消息在单个分区内的顺序。

Kafka 通过分区来实现数据冗余和伸缩性。分区可以分布在不同的服务器上，也就是说， 一个主题可以横跨多个服务器，以此来提供比个服务器更强大的性能。

Kafka 集群通过分区对主题进行横向扩展，所以当有新的 broker 加入集群时，可以通过分区个数来实现集群的负载均衡。拥有大量消息的主题如果要进行负载分散，就需要大量的分区。

生产者 & 消费者

Kafka 的客户端就是 Kafka 系统的用户，Kafka 的客户端被分为两种基本类型生产者和消费者。除此之外，还有其他高级客户端 API：用于数据集成的 Kafka Connect API 和用于流式处理的 Kafka Streams 。这些高级客户端 API 使用生产者和消费者作为内部组件，提供了高级的功能。

生产者

生产者创建消息。在其他基于发布与订阅的消息系统中，生产者可能被称为发布者 或 写入者。

一般情况下，一个消息会被发布到一个特定的主题上。生产者在默认情况下把消息均衡地分布到主题的所有分区上，而并不关心特定消息会被写到哪个分区。不过，在某些情况下，生产者会把消息直接写到指定的分区。这通常是通过消息键和分区器来实现的，分区器为键生成一个散列值，并将其映射到指定的分区上。这样可以保证包含同一个键的消息会被写到同一个分区上。生产者也可以使用自定义的分区器，根据不同的业务规则将消息映射到分区。

消费者

消费者读取消息。在其他基于发布与订阅的消息系统中，消费者可能被称为订阅者 或 读者。

消费者订阅一个或多个主题，并按照消息生成的顺序读取它们。消费者通过检查消息的偏移量来区分已经读取过的消息。

偏移量是另一种元数据，它是一个不断递增的整数值，在创建消息时， Kafka 会把偏移量添加到消息里。在给定的分区里，每个消息的偏移量都是唯一的。消费者把每个分区最后读取的消息的偏移量保存在 Zookeeper 或 Kafka 上，如果消费者关闭或重启，它的读取状态不会丢失。

消费者群组

消费者是消费者群组的一部分。一个群组里的消费者订阅的是同一个主题，每个消费者接收主题一部分分区的消息。消费者群组保证每个分区只能被一个消费者使用 。消费者与分区之间的映射通常被称为消费者对分区的所有权关系。

通过消费者群组的方式，消费者可以消费包含大量消息的主题。而且，如果一个消费者失效，消费者群组里的其他消费者可以接管失效消费者的工作。

broker & 集群

一个独立的 Kafka 服务器被称为 broker。

• 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，对读取分区的请求作出响应，返回已经提交到磁盘上的消息。

根据特定的硬件及其性能特征，单个 broker 可以轻松处理数千个分区以及每秒百万级的消息量。

broker 是集群的组成部分。每个集群都有一个 broker 同时充当了集群控制器的角色（集群控制器自动从集群的活跃成员中选举出来）。集群控制器负责管理工作，包括将分区分配给 broker 和监控 broker。在集群中，一个分区从属于一个 broker，该 broker 被称为分区的首领。一个分区可以分配给多个 broker，这个时候会发生分区复制。这种复制机制为分区提供了消息冗余，如果有一个 broker 失效，其他 broker 可以接管领导权。不过，相关的消费者和生产者都要重新连接到新的首领。

保留消息（在一定期限内）是 Kafka 的一个重要特性。消息被提交到磁盘，Kafka 根据设置的保留规则进行保存。主题可以配置自己的保留策略，将悄息保留到不再使用它们为止。 Kafka 有两种保留规则：

• 根据时间保留数据：根据时间保留数据是通过检查磁盘上日志片段文件的最后修改时间来实现的。一般来说，最后修改时间指的就是日志片段的关闭时间，也就是文件里最后一个消息的时间戳。当前时间超过磁盘上日志片段文件的最后修改时间，超过的时间达到配置参数指定的值，那么旧消息就会过期并被删除。
• 根据消息的字节数保留数据：当单个主题中所有消息的字节数达到配置参数指定的值，那么旧消息就会过期并被删除。所以在任何时刻，可用消息的总量都不会超过配置参数所指定的大小。

参考资料

《Kafka权威指南》第1章：初识Kafka