Kafka是一款基于發布和訂閱的消息系統。一般被稱為分布式提交日志或分布式流平臺。
Kafka系統是按照一定的順序持久化保存的，可以按需讀取。
Kafka的數據單元被稱為消息。類似于數據庫中表的一行記錄，消息由字節組成，所以沒有特別的格式和含義。
消息有一個可選的元數據，就是鍵，鍵也是一個字節數組。當消息以一種可控的方式寫入分區時，會用到鍵，最簡單的方式就是為鍵生成一個散列值，然后使用散列值對主題的分區屬進行取模。這樣可以保證具有相同鍵的消息總是會寫到相同的分區。
批次時一組消息，這些消息屬于同一個主題和分區，將消息分批次傳輸可以減少網絡開銷。
消息模式有很多選項，比如json,xml,但Kafka的開發者喜歡使用Apache Avro。
Kafka的消息通過主題進行分類，主題就好比數據庫中的表。或者文件系統中的文件夾。
主題還可以分成若干個分區，消息以追加方式寫入分區，按照先入先出的順序被消費，因此無法在整個主題范圍內保持順序，但可以保證在單個分區內的順序。
Kafka通過分區實現數據冗余和伸縮性，分區可分布在不同的服務器上，以此來提供比單個服務器更強大的性能。
通常使用流來描述Kafka的數據，流是一組從生產者到消費者的數據。Kafka以實時的方式處理數據，這叫流失處理，通常與批量處理（Hadoop）做區別。
Kafka的客戶端就是Kafka的用戶，他們被分為兩種：生產者和消費者。除此之外還有其他高級客戶端API——用于數據集成的Kafka Connect API和用于流失處理的Kafka streams.這些高級客戶端API使用生產者和消費者作為內部組件，提供了更高級的功能。
生產者創建消息，一般一個消息會被發布到一個特定的主題上，生產者默認會把消息均衡地分布到主題的所有分區，這通常是由消息鍵和分區器來實現。
消費者讀取消息，消費者訂閱一個或多個主題，并按照消息生成的順序消費它們。消費者通過檢查消息的偏移量來區分已經讀過的消息。偏移量是另一種元數據，它是一個不斷遞增的整數值。在創建消息時，Kafka會把它添加到消息里，在給定分區里，每個消息的偏移量都是唯一的。
消費者把每個分區最后讀取的偏移量保存到zookeeper或Kafka上，如果消費者關閉或者重啟，它的讀取狀態不好丟失。
消費者是消費者群組的一部分，一般會有多個消費者共同讀取一個主題，群組保證每個分區只被一個消費者使用。
一個獨立的Kafka服務器稱為一個broker，broker接收來自生產者的消息，為消息設置偏移量，并提交消息到磁盤保存。broker為消費者提供服務，對讀取分區的請求作出響應，返回提交到磁盤上的消息。
broker是集群的組成部分，每個集群都會有一個broker充當集群控制器角色（自動選舉），控制器負責管理工作。在集群中，一個分區從屬于一個broker，該broker被稱為分區的首領，一個分區可以復制到多個broker，這種復制機制為分區提供了消息冗余。
保留消息時Kafka的一個重要特性，默認的保留策略時這樣的：要么保留一段時間，要么保留一定的字節數。在任一時刻，達到其中一個標準，消息就會被刪除。
Kafka可以無縫支持多個生產者，也可以支持多個消費者。
Kafka有五個使用場景：
1.跟蹤用戶的活動。
2.傳遞消息。
3.度量指標和日志記錄。
4.提交日志。
5.流處理。
