Kafka学习笔记1：概念

Myth丶恋晨 2022-07-18 18:57 165阅读 0赞

### 一、简介 ###

Apache Kafka是一个分布式的消息系统，作为一个分布式的日志提交服务.

Kafka 是一个分布式的、可分区的、可复制的日志提交服务. 它提供了功能性的消息系统，有它自己独特的设计.

这一切是什么意思呢？

首先我们来回顾一些Kafka基本的消息术语：

*  每条发布到Kafka集群的消息都有一个类别，这个类别被称为 Topic.  
    
 *  负责向Kafka Topic发布消息的程序成为 Producer
 *  将预订topics并消费消息的程序成为consumer.  
    
 *  Kafka 以集群的方式运行，由一个或多个服务组成，每一个服务成为Broker。

如此，站在一个高的角度上，producers通过网路发送消息给Kafka集群，反过来，集群向consumers提供消息，如下图所示：

![20160806090218304][]

客户端和服务端通过简单、高效、与语言无关的TCP协议通信。Kafka提供了Java客户端，并且对多种语言都提供了支持。

### 二、Topics and Logs (主题和日志) ###

先来看一下Kafka提供的一个抽象概念:topic.

一个topic是对一组消息的归纳。对每个topic，Kafka 对它的日志进行了分区，如下图所示：

![20160806091338429][]  
   每个分区都由一系列有序的、不可变的消息组成，这些消息被连续的追加到分区中。分区中的每个消息都有一个连续的序列号叫做offset,用来在分区中唯一的标识这个消息。  
在一个可配置的时间段内，Kafka集群保留所有发布的消息，不管这些消息有没有被消费。比如，如果消息的保存策略被设置为2天，那么在一个消息被发布的两天时间内，它都是可以被消费的。之后它将被丢弃以释放空间。Kafka的性能是和数据量无关的常量级的，所以保留太多的数据并不是问题。  
  
   实际上每个consumer唯一需要维护的数据是消息在日志中的位置，也就是offset.这个offset有consumer来维护：一般情况下随着consumer不断的读取消息，这offset的值不断增加，但其实consumer可以以任意的顺序读取消息，比如它可以将offset设置成为一个旧的值来重读之前的消息。  
  
   以上特点的结合，使Kafka consumers非常的轻量级：它们可以在不对集群和其他consumer造成影响的情况下读取消息。你可以使用命令行来"tail"消息而不会对其他正在消费消息的consumer造成影响。  
  
   将日志分区可以达到以下目的：首先这使得每个日志的数量不会太大，可以在单个服务上保存。另外每个分区可以单独发布和消费，为并发操作topic提供了一种可能。

### 三、Distribution (分布式) ###

每个分区在Kafka集群的若干服务中都有副本，这样这些持有副本的服务可以共同处理数据和请求，副本数量是可以配置的。副本使Kafka具备了容错能力。  
每个分区都由一个服务器作为“leader”，零或若干服务器作为“followers”,leader负责处理消息的读和写，followers则去复制leader.如果leader down了，followers中的一台则会自动成为leader。集群中的每个服务都会同时扮演两个角色：作为它所持有的一部分分区的leader，同时作为其他分区的followers，这样集群就会据有较好的负载均衡。

### 四、Producers (生产者) ###

Producer将消息发布到它指定的topic中,并负责决定发布到哪个分区。通常简单的由负载均衡机制随机选择分区，但也可以通过特定的分区函数选择分区。使用的更多的是第二种。

### 五、Consumers (消费者) ###

发布消息通常有两种模式：队列模式（queuing）和发布-订阅模式(publish-subscribe)。队列模式中，consumers可以同时从服务端读取消息，每个消息只被其中一个consumer读到；发布-订阅模式中消息被广播到所有的consumer中。Consumers可以加入一个consumer 组，共同竞争一个topic，topic中的消息将被分发到组中的一个成员中。同一组中的consumer可以在不同的程序中，也可以在不同的机器上。如果所有的consumer都在一个组中，这就成为了传统的队列模式，在各consumer中实现负载均衡。如果所有的consumer都不在不同的组中，这就成为了发布-订阅模式，所有的消息都被分发到所有的consumer中。更常见的是，每个topic都有若干数量的consumer组，每个组都是一个逻辑上的“订阅者”，为了容错和更好的稳定性，每个组由若干consumer组成。这其实就是一个发布-订阅模式，只不过订阅者是个组而不是单个consumer。

![20160806091716149][]

**         由两个机器组成的集群拥有4个分区 (P0-P3) 2个consumer组. A组有两个consumerB组有4个**  
  
   相比传统的消息系统，Kafka可以很好的保证有序性。  
   传统的队列在服务器上保存有序的消息，如果多个consumers同时从这个服务器消费消息，服务器就会以消息存储的顺序向consumer分发消息。虽然服务器按顺序发布消息，但是消息是被异步的分发到各consumer上，所以当消息到达时可能已经失去了原来的顺序，这意味着并发消费将导致顺序错乱。为了避免故障，这样的消息系统通常使用“专用consumer”的概念，其实就是只允许一个消费者消费消息，当然这就意味着失去了并发性。  
  
   在这方面Kafka做的更好，通过分区的概念，Kafka可以在多个consumer组并发的情况下提供较好的有序性和负载均衡。将每个分区分只分发给一个consumer组，这样一个分区就只被这个组的一个consumer消费，就可以顺序的消费这个分区的消息。因为有多个分区，依然可以在多个consumer组之间进行负载均衡。注意consumer组的数量不能多于分区的数量，也就是有多少分区就允许多少并发消费。  
  
   Kafka只能保证一个分区之内消息的有序性，在不同的分区之间是不可以的，这已经可以满足大部分应用的需求。如果需要topic中所有消息的有序性，那就只能让这个topic只有一个分区，当然也就只有一个consumer组消费它。

[20160806090218304]: /images/20220718/d9f4722104dd4add9dbd688a67d0a131.png
[20160806091338429]: /images/20220718/cae2222dba554d91b0e20486fbbd18dd.png
[20160806091716149]: /images/20220718/02af3213f3724d7eac4df3a8f02e4c42.png