介紹

Kafka是一個分布式的、可分區的、可復制的消息系統。它提供了普通消息系統的功能，但具有自己獨特的設計。這個獨特的設計是什么樣的呢？

首先讓我們看幾個基本的消息系統術語：

Kafka將消息以topic為單位進行歸納。

將向Kafka topic發布消息的程序成為producers.

將預訂topics并消費消息的程序成為consumer.

Kafka以集群的方式運行，可以由一個或多個服務組成，每個服務叫做一個broker.

producers通過網絡將消息發送到Kafka集群，集群向消費者提供消息，如下圖所示：

客戶端和服務端通過TCP協議通信。Kafka提供了Java客戶端，并且對多種語言都提供了支持。

Topics 和Logs

先來看一下Kafka提供的一個抽象概念:topic.

一個topic是對一組消息的歸納。對每個topic，Kafka 對它的日志進行了分區，如下圖所示：

每個分區都由一系列有序的、不變的消息組成，這些消息被連續的追加到分區中。分區中的每個消息都有一個連續的序列號叫做offset,用來在分區中唯一的標識這個消息。

在一個可配置的時間段內，Kafka集群保留所有發布的消息，不管這些消息有沒有被消費。比如，如果消息的保存策略被設置為2天，那么在一個消 息被發布的兩天時間內，它都是可以被消費的。之后它將被丟棄以釋放空間。Kafka的性能是和數據量無關的常量級的，所以保留太多的數據并不是問題。

實際上每個consumer唯一需要維護的數據是消息在日志中的位置，也就是offset.這個offset有consumer來維護：一般情 況下隨著consumer不斷的讀取消息，這offset的值不斷增加，但其實consumer可以以任意的順序讀取消息，比如它可以將offset設置 成為一個舊的值來重讀之前的消息。

以上特點的結合，使Kafka consumers非常的輕量級：它們可以在不對集群和其他consumer造成影響的情況下讀取消息。你可以使用命令行來"tail"消息而不會對其他正在消費消息的consumer造成影響。

將日志分區可以達到以下目的：首先這使得每個日志的數量不會太大，可以在單個服務上保存。另外每個分區可以單獨發布和消費，為并發操作topic提供了一種可能。

分布式

每個分區在Kafka集群的若干服務中都有副本，這樣這些持有副本的服務可以共同處理數據和請求，副本數量是可以配置的。副本使Kafka具備了容錯能力。

每個分區都由一個服務器作為“leader”，零或若干服務器作為“followers”,leader負責處理消息的讀和 寫，followers則去復制leader.如果leader down了，followers中的一臺則會自動成為leader。集群中的每個服務都會同時扮演兩個角色：作為它所持有的一部分分區的leader，同 時作為其他分區的followers，這樣集群就會據有較好的負載均衡。

Producers

Producer將消息發布到它指定的topic中,并負責決定發布到哪個分區。通常簡單的由負載均衡機制隨機選擇分區，但也可以通過特定的分區函數選擇分區。使用的更多的是第二種。

Consumers

發布消息通常有兩種模式：隊列模式和發布-訂閱模式。隊列模式中，consumers可以同時從服務端讀取消息，每個消息只被其中一個consumer讀到；發布-訂閱模式中消息被廣播到所有的consumer中。

Consumers可以加入一個consumer 組，共同競爭一個topic，topic中的消息將被分發到組中的一個成員中。同一組中的consumer可以在不同的程序中，也可以在不同的機器上。如果所有的consumer都在一個組中，這就成為了傳統的隊列模式，在各consumer中實現負載均衡。

如果所有的consumer都不在不同的組中，這就成為了發布-訂閱模式，所有的消息都被分發到所有的consumer中。

更常見的是，每個topic都有若干數量的consumer組，每個組都是一個邏輯上的“訂閱者”，為了容錯和更好的穩定性，每個組由若干consumer組成。這其實就是一個發布-訂閱模式，只不過訂閱者是個組而不是單個consumer。

由兩個機器組成的集群擁有4個分區 (P0-P3) 2個consumer組. A組有兩個consumerB組有4個

相比傳統的消息系統，Kafka可以很好的保證有序性。

傳統的隊列在服務器上保存有序的消息，如果多個consumers同時從這個服務器消費消息，服務器就會以消息存儲的順序向consumer分 發消息。雖然服務器按順序發布消息，但是消息是被異步的分發到各consumer上，所以當消息到達時可能已經失去了原來的順序，這意味著并發消費將導致 順序錯亂。為了避免故障，這樣的消息系統通常使用“專用consumer”的概念，其實就是只允許一個消費者消費消息，當然這就意味著失去了并發性。

在這方面Kafka做的更好，通過分區的概念，Kafka可以在多個consumer組并發的情況下提供較好的有序性和負載均衡。將每個分區分 只分發給一個consumer組，這樣一個分區就只被這個組的一個consumer消費，就可以順序的消費這個分區的消息。因為有多個分區，依然可以在多 個consumer組之間進行負載均衡。注意consumer組的數量不能多于分區的數量，也就是有多少分區就允許多少并發消費。

Kafka只能保證一個分區之內消息的有序性，在不同的分區之間是不可以的，這已經可以滿足大部分應用的需求。如果需要topic中所有消息的有序性，那就只能讓這個topic只有一個分區，當然也就只有一個consumer組消費它。

歡迎大家一起學習研究相關技術愿意了解框架技術或者源碼的朋友直接求求交流分享技術：2042849237