Kafka 消息中间件

kafka简介与应用场景

Apache Kafka是分布式发布-订阅消息系统，在 kafka官网上对 kafka 的定义：一个分布式发布-订阅消息传递系统。它最初由LinkedIn公司开发，Linkedin于2010年贡献给了Apache基金会并成为顶级开源项目。Kafka是一种快速、可扩展的、设计内在就是分布式的，分区的和可复制的提交日志服务。

注意:Kafka并没有遵循JMS规范，它只提供了发布和订阅通讯方式。

kafka优点

- 高吞吐量、低延迟：kafka每秒可以处理几十万条消息，它的延迟最低只有几毫秒，每个topic可以分多个partition, consumer group 对 partition 进行consume操作；

- 可扩展性：kafka集群支持热扩展；

- 持久性、可靠性：消息被持久化到本地磁盘，并且支持数据备份防止数据丢失；

- 容错性：允许集群中节点失败（若副本数量为n,则允许n-1个节点失败）；

- 高并发：支持数千个客户端同时读写；

Kafka的使用场景

- 日志收集：一个公司可以用Kafka可以收集各种服务的log，通过kafka以统一接口服务的方式开放给各种consumer，例如hadoop、Hbase、Solr等。

- 消息系统：解耦和生产者和消费者、缓存消息等。

- 用户活动跟踪：Kafka经常被用来记录web用户或者app用户的各种活动，如浏览网页、搜索、点击等活动，这些活动信息被各个服务器发布到kafka的topic中，然后订阅者通过订阅这些topic来做实时的监控分析，或者装载到hadoop、数据仓库中做离线分析和挖掘。

- 运营指标：Kafka也经常用来记录运营监控数据。包括收集各种分布式应用的数据，生产各种操作的集中反馈，比如报警和报告。

- 流式处理：比如spark streaming和storm - 事件源

kafka的相关名称

Broker：Kafka节点，一个Kafka节点就是一个broker，多个broker可以组成一个Kafka集群；

Topic：一类消息，消息存放的目录即主题，例如page view日志、click日志等都可以以topic的形式存在，Kafka集群能够同时负责多个topic的分发；

massage： Kafka中最基本的传递对象；

Partition：topic物理上的分组，一个topic可以分为多个partition，每个partition是一个有序的队列；

Segment：partition物理上由多个segment组成，每个Segment存着message信息；

Producer : 生产者，生产message发送到topic；

Consumer : 消费者，订阅topic并消费message, consumer作为一个线程来消费；

Consumer Group：消费者组，一个Consumer Group包含多个consumer；

Offset：偏移量，理解为消息partition中的索引即可；

Kafka存储策略

1）kafka以topic来进行消息管理，每个topic包含多个partition，每个partition对应一个逻辑log，有多个segment组成。

2）每个segment中存储多条消息（见下图），消息id由其逻辑位置决定，即从消息id可直接定位到消息的存储位置，避免id到位置的额外映射。

3）每个part在内存中对应一个index，记录每个segment中的第一条消息偏移。

4）发布者发到某个topic的消息会被均匀的分布到多个partition上（或根据用户指定的路由规则进行分布），broker收到发布消息往对应partition的最后一个segment上添加该消息，当某个segment上的消息条数达到配置值或消息发布时间超过阈值时，segment上的消息会被flush到磁盘，只有flush到磁盘上的消息订阅者才能订阅到，segment达到一定的大小后将不会再往该segment写数据，broker会创建新的segment。

kafka架构原理

kafka高可用集群环境搭建

1.每台服务器上安装jdk1.8环境

2.安装Zookeeper集群环境

3.安装kafka集群环境

4.运行测试

kafka中文官网: http://kafka.apachecn.org/quickstart.html