Kafka消息队列初识

一、Kafka简介

1.1 什么是kafka

　　kafka是一个分布式、高吞吐量、高扩展性的消息队列系统。kafka最初是由Linkedin公司开发的，后来在2010年贡献给了Apache基金会，成为了一个开源项目。主要应用在日志收集系统和消息系统，相信大家之前也听说过其他的消息队列中间件，比如RabbitMQ、AcitveMQ，其实kafka就是这么一个东西，也可以叫做KafkaMQ。总之，Kafka比其他消息队列要好一点，优点也比较多，稳定性和效率都比较高，大家都说好，那就是真的好。

1.2 Kafka中的相关概念

　　在理解Kafka的相关概念之前，我们先来看一张图，这张图基本上包括了Kafka所有的概念，对于我们理解Kafka十分有帮助。

　　

　　上图中包含了2个Producer（生产者），一个Topic（主题），3个Partition（分区），3个Replica（副本），3个Broker（Kafka实例或节点），一个Consumer Group（消费者组），其中包含3个Consumer（消费者）。下面我们逐一介绍这些概念。

　　1.2.1 Producer（生产者）

　　生产者，顾名思义，就是生产东西的，也就是发送消息的，生产者每发送一个条消息必须有一个Topic（主题），也可以说是消息的类别，生产者源源不断的向kafka服务器发送消息。

　　1.2.2 Topic（主题）

　　每一个发送到Kafka的消息都有一个主题，也可叫做一个类别，类似我们传统数据库中的表名一样，比如说发送一个主题为order的消息，那么这个order下边就会有多条关于订单的消息，只不过kafka称之为主题，都是一样的道理。

　　1.2.3 Partition（分区）

　　生产者发送的消息数据Topic会被存储在分区中，这个分区的概念和ElasticSearch中分片的概念是一致的，都是想把数据分成多个块，好达到我们的负载均衡，合理的把消息分布在不同的分区上，分区是被分在不同的Broker上也就是服务器上，这样我们大量的消息就实现了负载均衡。每个Topic可以指定多个分区，但是至少指定一个分区。每个分区存储的数据都是有序的，不同分区间的数据不保证有序性。因为如果有了多个分区，消费数据的时候肯定是各个分区独立开始的，有的消费得慢，有的消费得快肯定就不能保证顺序了。那么当需要保证消息的顺序消费时，我们可以设置为一个分区，只要一个分区的时候就只能消费这个一个分区，那自然就保证有序了。

　　1.2.4 Replica（副本）

　　副本就是分区中数据的备份，是Kafka为了防止数据丢失或者服务器宕机采取的保护数据完整性的措施，一般的数据存储软件都应该会有这个功能。假如我们有3个分区，由于不同分区中存放的是部分数据，所以为了全部数据的完整性，我们就必须备份所有分区。这时候我们的一份副本就包括3个分区，每个分区中有一个副本，两份副本就包含6个分区，一个分区两份副本。Kafka做了副本之后同样的会把副本分区放到不同的服务器上，保证负载均衡。讲到这我们就可以看见，这根本就是传统数据库中的主从复制的功能，没错，Kafka会找一个分区作为主分区（leader）来控制消息的读写，其他的（副本）都是从分区（follower），这样的话读写可以通过leader来控制，然后同步到副本上去，保证的数据的完整性。如果有某些服务器宕机，我们可以通过副本恢复数据，也可以暂时用副本中的数据来使用。

　　PS：这个东西实际跟ElasticSearch中的副本是完全一致的，不愧是一个爹出的东西，思想啥的都是一样的。

　　1.2.5 Broker（实例或节点）

　　这个就好说了，意思就是Kafka的实例，启动一个Kafka就是一个Broker，多个Brokder构成一个Kafka集群，这就是分布式的体现，服务器多了自然吞吐率效率啥的都上来了。

　　1.2.6 Consumer Group（消费者组）和 Consumer（消费者）

　　Consume消费者来读取Kafka中的消息，可以消费任何Topic的数据，多个Consume组成一个消费者组，一般的一个消费者必须有一个组（Group）名，如果没有的话会被分一个默认的组名。

1.3 Kafka的架构与设计

　　一般的来说，一个Kafka集群包含一个或多个的Producer，一个或多个的Broker，一个或多个的Consumer Group，和一个Zookeeper集群。Kafka通过Zookeeper管理集群配置，管理集群在运行过程中负责均衡、故障转移和恢复什么的。Producer使用Push（推送）的方式将消息发布到Broker，Consumer使用Pull（拉取）的方式从Broker获取消息，两者都是主动操作的。

　　1.3.1 Topic和Partition

　　Kafka最初设计初衷就是高吞吐率、速度快。所以在对Topic和Partition的设计中，把Topic分成一个或者多个分区，每个Partition在物理磁盘上对应一个文件夹，该文件夹下存储这个Partition的所有消息和索引文件。当我们创建一个Topic是，同时可以指定分区数据，数目越多，吞吐量越大，但是消耗的资源也越多，当我们向Kafka发送消息时，会均衡的将消息分散存储在不同的分区中。在存储的过程中，每条消息都是被顺序写到磁盘上的。（顺序写磁盘的时候比随机写内存的想效率还高，这也是Kafka快的一个原因之一）。

　　下面是Kafka的写入原理图，可以看出下列消息都是顺序的，消费者消费的时候也是按着顺序来消费的。

　　

　　对于传统的MQ而言，一般经过消费后的消息都会被删除，而Kafka却不会被删除，始终保留着所有的消息，只记录一个消费者消费消息的offset（偏移量）作为标记，可以允许消费者可以自己设置这个offset，从而可以重复消费一些消息。但不删除肯定不行，日积月累，消息势必会越来越多，占用空间也越来越大。Kafka提供了两种策略来删除消息：一是基于时间，二是基于Partition文件的大小，可以通过配置来决定用那种方式。不过现在磁盘那么廉价，空间也很大，隔个一年半载删除一次也不为过。

　　1.3.2 Producer

　　生产者发送消息时，会根据Partition的策略来决定存到那个Partition中，一般的默认的策略是Kafka提供的均衡分布的策略，即实现了我们所要的负载均衡。一般的，当我们的消息对顺序没有要求的话那就多设置几个分区，这样就能很好地负载均衡增加吞吐量了。分区的个数可以手动配置，也可以在创建Topic的时候就事先指定。发送消息的时候，需要指定消息的key值，Producer会根据这个key值和Partition的数量来决定这个消息发到哪个分区，可能里边就是一个hash算法。

　　1.3.3 Consumer Group 和 Consumer

　　我们知道传统的消息队列有两种传播消息的方式，一种是单播，类似队列的方式，一个消息只被消费一次，消费过了，其他消费者就不能消费了；另一种是多播，类似发布-订阅的模式，一个消息可以被多个消费者同时消费。Kafka通过消费者组的方式来实现这两种方式，在一个Consumer Group中，每一个Topic中的消息只能被这个组中的一个Consumer消费，所以对于设置了多分区的Topic来说，分区的个数和消费者的个数应该是一样的，一个消费者消费一个分区，这样每个消费者就成了单播形式，类似队列的消费形式。所以说，一个消费者组里边的消费者不能多于Topic的分区数，一旦多于，多出来的消费者就不能消费到消息。另外，不同的消费者组可以同时消费一个消息，这样就实现了多播，类似发布-订阅的模式。我们可以设置每个组中一个消费者的方式来实现发布-订阅的模式。当我们有多个程序都要对消息进行处理时，我们就可以把他们设置到不同的消费者组中，来实现不同的功能。

　　好了，以上我们已经对Kafka有了一个初步的认识，接下来就可以来使用了。

二、Kafka的安装与使用

　　使用Kafka需要先安装jdk，1.7以上的版本，配置好环境变量，这一步就不啰嗦了！！

2.1 下载Kafka

　　下载地址：http://kafka.apache.org/downloads，找到下边的Binary Downloads就行了，版本随意选择，不过最好选择比较旧一点了，以防新的版本有新的改动啥的，导致我们踩坑，我选了下边这个版本：

　　

　　下载之后直接解压就行了，压缩包格式是在linux上用的，不过一般的我们学习一个东西都可以先从windows上开始， 操作起来比较简单，由于这种高级东西运行起来都是命令行，所以对于linux和windows就没啥区别的了，到linux也是命令直接复制粘贴就行了。

　　

2.2 启动Kakfa

　　2.2.1 启动Zookeeper

　　因为Kafka依赖Zookeeper，所以要先启动它，如下图，定位到Kafka的目录，我的是 F:\Dev\kafka_2.11-2.1.0。

　　

　　在地址栏中输出cmd，然后敲回车，瞬间打开一个命令行，然后输入：.\bin\windows\zookeeper-server-start.bat   .\config\zookeeper.properties，注意. 代表当前目录，使用这个bat启动Zookeeper并且使用后边的配置。

　　

　　发现上边那句话，并且没报错什么的，表示Zookeeper启动成功。

　　2.2.2 启动Kafka

　　同样，在地址栏中输出cmd，瞬间启动一个命令行，然后输入：.\bin\windows\kafka-server-start.bat .\config\server.properties

　　

　　发现上边那句话，并且没报错什么的，表示Kafka启动成功。

　　2.2.3 创建Topic

　　同样，进入到F:\Dev\kafka_2.11-2.1.0\bin\windows，在地址栏中输出cmd，瞬间启动一个命令行，然后输入：kafka-topics.bat --create --zookeeper localhost:2181 --replication-factor 1 --partitions 1 --topic test，创建一个主题test。

　　

　　发现上边那句话，并且没报错什么的，表示主题Topic创建成功。

　　2.2.4 创建Producer

　　同样，进入到F:\Dev\kafka_2.11-2.1.0\bin\windows，在地址栏中输出cmd，瞬间启动一个命令行，然后输入：kafka-console-producer.bat --broker-list localhost:9092 --topic test，创建一个Producer，准备生产主题为test的消息。

　　

　　出现一个光标，表示等待生产消息，一会我们可以输入消息。

　　2.2.5 创建Consumer

　　同样，进入到F:\Dev\kafka_2.11-2.1.0\bin\windows，在地址栏中输出cmd，瞬间启动一个命令行，然后输入：kafka-console-consumer.bat --bootstrap-server localhost:9092 --topic test --from-beginning，创建一个Consumer，准备消费主题为test的消息。

　　

　　也会出现一个光标，等待显示消息。

　　2.2.6 测试生产和消费

　　在Producer控制台输入消息，会在Consumer控制台看见消息：

　　

　　以上就是Kafka的搭建和使用，也不是那么的复杂。我们在开发中肯定使用的是各类语言封装过的驱动，java、.net的都差不多，先理解了原理，用起来就方便多了。

三、Kafka客户端驱动的使用

　　 下面我们使用.net的Kafka驱动Confluent.Kafka，来看看是如果使用Kafka的，其他语言的小伙伴可以自行搜索相关的驱动。

　　3.1 创建应用

　  如下图，创建一个解决方案，添加两个控制台项目，一个作为生产者，一个作为消费者。

　 

　　3.2 添加Producer和Consumer类

　　添加Producer类和Consumer类，配置中的server写死为默认的Kafka服务器的地址，如下图所示：

　　

　　

　   3.3 添加Program.cs中的启动代码

　  添加Producer的代码：

　  

　　添加Consumer的代码：

　　

　　3.4 启动Kafka服务

　　按照步骤2.2.1和2.2.2 启动Zookeeper和Kafka，消费者和生产者就不用启动了，我们用控制台代替。

　　3.4 启动实例

　　分别启动Producer实例和Consumer实例，在Producer控制台下输入消息，可以发现Consumer控制台下显示消息，和前边我们所做的是一致的。

　　

　　好了，以上就是Kafka的初步使用，有了这些基础，我们就可以搭建一个消息队列开始处理消息了。

　　代码托管到github，地址：https://github.com/EmmaCCC/KafkaStudy.git

四、总结

　　到此为止，我们已经基本掌握了Kafka的使用，至于详细的配置啥的等到我们用的时候再去研究，假如没机会用到，那就不用去学了，不过用到用不到学了总是有用的，因为到时候简历上又可以写上一项技能了：熟练使用Kafka搭建高并发分布式消息队列系统，承载千万级别的消息并发，之后的怎么喷就看你自己了。