kafka使用（一）- 概念理解

0. 概念

0.1 消息系统

消息系统负责将数据从一个应用程序传输到另一个应用程序，因此应用程序可以专注于数据，而不用担心怎么去共享它。

1）点对点消息系统：

消息被保留在队列中，一个或多个消费者可以消耗队列中的消息，但是特定的消息只能由一个消费者消费，一旦消费掉了，消息就会从队列中消失。

2）发布-订阅 消息系统

消息被保留在主题中，与点对点的系统不同，消费者可以订阅一个或多个主题，并使用该主题中的所有消息

0.2 LinkedIn开源

1）Databus 分布式数据同步系统
2）Cubert 高性能计算引擎
3）ParSeq Java一部处理框架
4）kafka 流处理平台

1. kafka介绍

1.1 kafka工作流程

1.1.1 发布-订阅工作流程

1）生产者定期向主题发送消息
2）kafka代理存储为该特定主题的分区中的所有消息，它确保消息在分区之间的平等共享
3）消费者订阅特定的消息
4）一旦消费者订阅了相应的主题，kafka将会向消费者提供主题的当前便宜，并且还将保存在zookeeper中
5）消费者将定期请求kafka的新消息
6）一旦kafka收到来自生产者的消息，它将这些消息转发给消费者
7）消费者将接受这些消息并且进行处理
8）一旦消息被处理了，消费者将向kafka代理发送确认
9）一旦kafka收到确认，它将便宜改为新值，并在zookeeper中更新它
10）以上流程将重复，直到消费者停止请求
11）消费者可以随时退回/跳到所需要的主题的偏移量，并阅读所有后续的消息

1.1.2 队列消息/用户组的工作流

在队列消息传递系统而不是单个消费者中，具有相同的"组ID"的一组消费者将订阅主题。简单来说，订阅具有相同groupid的主题的消费者被认为是单个组，并且消息在他们之中共享。一下为工作流程“

1）生产者以固定间隔向某个主题发送消息
2）Kafka存储在为该特定主题配置的分区中的所有消息，类似于前面的方案
3）单个消费者订阅特定主题，
4）kafka以发布-订阅消息的方式同消费者交互，知道新的消费者以相同的组id订阅相同的主题topic
5）一旦新的消费者到达，kafka将其操作切换为共享模式，并在两个消费者之间共享数据
6）一旦消费者数量超过分区数量，新消费者将不会接收到任何进一步消息，知道现有的消费者取消订阅，出现这种情况是因为kafka中的每个消费者将被分配到至少一个分区，一旦所有分区都被分配给消费者之后，新的消费者必须等待

1.2 kafka 官方介绍

是一个分布式流处理平台

1.3 基本概念

1）Producer：消息和数据的生产者，向kafka的一个topic发布消息的进程/代码/服务
2）Consumer：消息和数据的消费者，订阅数据(Topic)并且处理其发布的消息的进程/代码/服务
3）Consumer Group：一个group只有一个consumer能消费这个订阅的消息
4）Broker：kafka集群中的每个kafka节点
5）Topic：消息的类别，对数据进行区分、隔离
6）Partition：一个Topic下的数据分散存储在多个Partition上，Partition是有序的
  每个Topic被切分为多个partitions
  消费者数目少于或等于Partition的数目
  broker group中的每个brioker保存topic的一个或多个partition，同一个partition不会被多个几次保存在多个broker上
  consumergroup中的仅有一个consumer读取topic的一个或多个partitions，并且是唯一的consumer
7）Partition offset
  每个分区消息具有称为 offset 的唯一序列标识
8）Replication：一个partition可能有多个副本
  当集群中有broker挂掉的情况下，系统可以主动使用replicas提供服务
  系统默认设置每个topic的replication系数为1，可以创建topic时单独设置
  replication的剧本单位是topic的partition
  所有的读和写都是从leader进，followers只是为了做备份
  followers必须能够即使复制leader的数据
  增加容错性与可扩展性
9）Replication Leader：负责该partition与consumer的交互
10）ReplicaManager：负责管理当前的broker所有分区和副本的信息，处理kafkaController发起的一些请求，副本状态的切换、添加、读取消息等

1.4 kafka消息结构

offset|length|crc32|magic|attributes|timestamp|key length|key|value length|value

1.5 api分类

Producer Api
Consumer Api
Streams Api
Connectors Api

1.6 kafka特点

1）分布式：多分区，多副本，多订阅者，基于zookeeper调度（记录broker、topic、partition信息）
2）高性能：高吞吐量、低延迟、高并发、时间复杂度为O(1)
3）持久性与扩展性：数据可持久化、容错性、支持在线水平扩展、消息自动平衡（避免数据集中在某几台机器上导致频繁地访问某几台机器，产生一种热点的问题）