kafka基础二

kafka生产者工作流程

消息产生分析

1.写入方式：

producer采用推（push）模式将消息发布到broker，每条消息都会被追加(append)到分区Partition上，属于顺序写磁盘（顺序写磁盘效率比随机写内存要高，保障了kafka的吞吐率）
消息的路由
producer将消息发给broker时，producer根据分区算法来选择出将消息存储到哪个Partition上。其路由机制为：
1、如果指定partition，则将消息直接发送给该partition的Leader进行存储。
2、如果没有指定partition但是指定了key，通过对key的value进行一次哈希计算得出要存储的partition。
3、如果partition和key都没有指定，则轮询出一个partition。

2.分区Partition

消息发送时都被送到一个topic上，其本质就是一个目录，而topic是由一些partition Logs分区日志组成，一个topic可以由多个Partition组成，多个partition可以分布在多个broker上。如下图:

每个Partition上的消息都是有序的，生产的消息都会被不断追加到Partition log上，其中的每一个消息都会被赋予一个唯一的offset值。

分区的原因
（1）方便在集群中扩展，每个Partition可以通过调整以适应它所在的机器，而一个topic又可以有多个Partition组成。因此整个集群就可以适应任意大小的数据了
（2）可提高并发，因为可以以Partition为单位读写
（3）将大量的数据分多批存入到不同的节点上，将写的压力平分到多个节点上
分区的原则
（1）指定了partition，则直接使用
（2）未指定partition但指定了key,通过对key的value进行hash出一个partition
（3）partition和key都未指定，则使用轮询一个partition

3.副本Replication

同一个partition可能会有多个replication（对用着server.properties配置中的default.replication.factior=N）。没有replication的情况下，一旦broker宕机，其上所有的partition的数据都不可被消费，同时producer也不能再将数据存于其上的partition，引入replication之后，同一个partition可能会有多个replication，而这时需要在这些replication之间选择一个Leader，producer和Consumer只与这个leader交互，其他replication作为follower从leader中复制数据

（1）Zookeeper记录了Leader是哪一个
（2）Producer不与Follwers交互
生产消息并存储消息的流程：
1）producer先从zookeeper的 "/brokers/.../state"节点找到该partition的leader
2）producer将消息发送给该leader
3）leader将消息写入本地log
4）followers从leader pull消息，写入本地log后向leader发送ACK
5）leader收到所有ISR中的replication的ACK后，增加HW（high watermark，最后commit 的offset）并向producer发送ACK。
消息丢失
因为网络的不可靠性导致producer发出的消息并没有存储到对应的partition上，或者Producer并未收到来自partition Leader的ACK确认消息。因此producer无法判断消息是否被成功commit。但是kafka确保了从producer到broker之间发送的消息只会被发送一次不会重复发送。

4.存储方式

物理上把topic分成一个或者多个partition（对应server.properties中的num.partitions=3配置），每个partition物理上对应也给文件夹，该文件夹存储该partition的所有消息和索引文件，
kafka命令：

kafka-topics.sh --create --topic first --zookeeper localhost:2181 --replication-factor  3 --partitions创建3个副本：first0,first1,first2

存储在Partition的消息何时被清除？
1）基于时间：log.retention.hours=168
2）基于大小：log.retention.bytes=1073741824