Kafka分布式消息队列

基本架构

Kafka分布式消息队列的作用：

解耦：将消息生产阶段和处理阶段拆分开，两个阶段互相独立各自实现自己的处理逻辑，通过Kafka提供的消息写入和消费接口实现对消息的连接处理。降低开发复杂度，提高系统稳定性。

高吞吐率：kafka通过顺序读写磁盘提供可以和内存随机读写相匹敌的读写速度，灵活的客户端API设计，利用Linux操作系统提供“零拷贝”特性减少消息网络传输时间，提供端到端的消息压缩传输，对同一主题下的消息采用分区存储。  kafka通过诸多良好的特性利用廉价的机器就可以实现高吞吐率。

高容错、高可用：kafka允许用户对分区配置多副本，kafka将副本均匀地分配到名broker存储，保证同现代战争分区的副本不会在同一台机器上存储（集群模式下），多副本之间采用leader-follower机制同步消息，只有leader对外提供读写服务，当leader意外失败、broker进程关闭、服务pdsm等情况导致数据不可用时，kafka会从Follower中选择一个Leader继续提供读写服务。

可扩展：理论上Kafka的性能随着Broker的增多而增加，增加一个Broker只需要为新增加的Broker设置一个唯一编号，编写好配置文件后，Kafka通过Zookeeper就能发现新的Broker。

峰值处理：例如秒杀系统、双十一等促销活动的爆发式集中支付系统、推荐系统等都需要消息队列的介入，这类系统在某个时间点数据爆发式增长，后台处理系统不能够及时处理峰值请求，如果没有消息队列的介入就会千万后台系统处理不及时，请求数据严重挤压，如此恶性循环最终导致系统崩溃。Kafka的接入能够使数据进行冗余存储，并保证消息顺序读写，相当于给系统接入了一个大的缓冲区，既能接收持续暴增的请求，又能根据后台系统的处理能力提供数据服务，进而提高各业务系统的峰值处理能力。

kafka的架构如下：

Broker：启动kafka的一个实例就是一个broker，默认端口9092。一个kafka集群可以启动多个broker同时对外提供服务，borker不保存任何producer和consumer相关的信息。

Topic：主题，kafka中同一种类型数据集的名称，相当于数据库中的表，producer将同一类型的数据写入同一个topic下，consumer从同一个topic消费同一类型的数据。逻辑上同一个数据集只有一个topic，如果设置一个topic有多个

partition和多个partition，在物理上同一个topic下的数据集会被分成多份存储到不同的物理机上。

Partition：分区，一个topic可以设置多个分区，相当于反一个数据集分成多份分别放到不同的分区中存储。一个topic可以有一个或者多个分区，在创建topic的时候可以设置topic的partition数，如果不设置默认为1.理论上partiion数据越多，系统的整体吞吐率就越高，但是在实际应用中并不是partiition越多越好，反而过多的partition在broker宕机需要重新对partition选主，在这个过程中耗时太久会导致partition暂时无法提供服务，千万写入消息失败。分区命名规则是topicname-index（比如testtopic-0、testtopic-2等）。

Segment：段文件，kafka中最小数据存储单位，kafka可以存储多个topic，各个topic之间隔离没有影响，一个topic包含一个或者多个partition，每个partition在物理结构上是一个文件夹，文件夹名称以topic名称加partition索引的方式命名，一个partition包含多个segment，每个segment以message在partition中的起始偏移量命名以log结尾的文件，producer向topic中发布消息会被顺序写入对应的segment文件中。kafka为了提高写入和查询速度，在partition文件夹下每一个segment log文件都有一个同名的索引文件，索引文件以index结尾。

Offset：消息在分区中偏移量，用来在分区中唯一地标识这个消息。

Replication：副本，一个partition可以设置一个或者多个副本，副本主要保证系统能够持续不丢失地对外提供服务。在创建topic的时候可以设置partition的replication数。

Producer：消息生产者，负责向kafka中发布消息。

Consumer Group：消费者所属组，一个consumer group可以包含一个或者多个consumer，当一个topic被一个consumer group消费的时候，consumer group内只能有一个consumer消费同一条消息，不会再现同一个consumer group

中多个consumer同时消费一条消息千万一个消息被一个consumer group 消费多次的情况。

Consumer：消息消费者，consumer从kafka指定的主题中拉取消息，如果一个topic有多个分区，kafka只能保证一个分区内消息的有序性，在不同的分区之间无法保证。

Zookeeper：Zookeeper在kafka集群中主要用于协调管理，主要作用：

1）kafka将元数据信息保存在Zookeeper中。

2）通过Zookeeper的协调管理来实现整个kafka集群的动态扩展。

3）实现整个集群的负载均衡。

4）producer通过 Zookeeper感知partition的Leader。

5）Consumer消费的负载均衡。

6）保存consumer消费的状态信息。

Kafka0.9版本之前Consumer消费消息的偏移量记录在Zookeeper中，0.9版本之后 则由kafka自己维护consumer消费消息的偏移量。

摘自《企业大数据处理》