Kafka（一） -- Kafka 简介

上帝大脸

时过境迁，Kafka 已经把自己的定位改为日志提交服务。现在官方的说法是：
 
Kafka是一个分布式的、分片的、多副本的日志提交服务。基于一个统一的设计，它同样也提供消息系统的功能。
 
（之前的说法是：
Kafka 本质上是一个分布式的消息队列，但是也可以用来做日志传输的中转组件。它的主要特点如下：

• 分布式。内部包含多个Broker，在客户端使用分片机制来实现负载均衡。
  
• 高吞吐。较其他消息队列，Kafka 精简掉很多高级特性，但这样也使得它更容易实现高吞吐。
  
• 可靠性。所有的数据会被持久化在内部 Broker 的磁盘中，支持多副本，并且可以为不同重要性的群组配置不同的副本数量。
  
• 数据订阅。和所有常见的消息队列一样支持数据的订阅，因此很容易在后面接入流式计算的系统。）
  

 
术语介绍
topic：Kafka 按消息类别来管理日志，每个类别称为一个 topic
producer：我们称发布消息到 Kafka 系统的进程为 producer
consumer：我们称从 Kafka 订阅并处理消息的进程为 consumer
broker：Kafka 部署在一个集群上，集群的每个节点称为一个 broker
 
下图是 Kafka 的一个顶层架构图，producers 通过网络发送消息到 Kafka 集群，集群再把这些消息转发给 comsumers。

客户端和服务端的通信是通过在 TCP 协议基础上建立的一种简单、高性能的语言实现的。
 
Topics and Logs
先来看看 topic，topic 是一个类别或者是消息源的名字，Kafka 集群对每个 topic 都做了下图这样的划分（partition）。

每一个划分是一个持续增加的有序的不变的消息队列，消息队列中的每条消息都被打上了一个序号，叫偏移（offset），用来在划分中区分不同消息。日志服务器的划分有两个目的，一个是方便水平扩展，另一个是为数据的并行处理打了很好的基础。
 
Kafka 集群保留配置时间内的全部消息数据，Kafka 的性能跟它保存的数据是常量关系；它的 consumer 仅保留了访问的偏移信息，通常的 consumer 处理偏移的方式是随着消息的读取线性增加，但你也可以把偏移调到较早以前来重新处理一些消息。上述的特性使得 Kafka 的 consumer 变得非常便宜，你可以很快地增加一个 consumer 而对系统几乎完全没有影响。
 
Distribution
在 Kafka 中可以为一个数据划分配置多个副本来做容错，不同的副本存储在集群的不同节点上。Kafka 的副本采用 leader-followers 机制，具体就是对某一个数据划分，同时只有一个 leader，负责该划分中所有数据的读写，其他的 follower 只对数据做副本同步；当 leader 失效的时候再从 follower 中选出一个节点充当 leader。
每个 Kafka 集群节点充当一些数据划分的 leader 和其他一些数据划分的 follower，以此来达到负载均衡。
 
Producer & Consumer
Producer 发布消息到 Kafka 系统的时候可以选择发送到哪个数据划分中，一般可以选择随机发送的方式来做负载均衡，也可以根据一定的语义来切分数据。
传统的消息系统不外乎两种模式：队列和订阅。队列模式一般是一个消费者池逐个的从服务中把消息分掉；订阅模式中一个消息会被广播到所有的消费者。Kafka 通过消费群组（consumer group）的概念把两种模式统一起来。Consumer 把自己标记成在某个消费群组里，所有的消息都会广播到订阅的消费群组中，同一个消费群组中的消息被群组中的消费者实例并发处理。



传统的消息队列在服务其上统一按序保存，由于多线程的原因，当开多个 consumer 的时候同一个消费者受到的消息可能是乱序的。一些系统为了解决这个问题就采用互斥消费者（exclusive consumer）模式去绕，但这样的问题就导致系统不能并发。
Kakfa 面对这样的问题会好一些，它可以把数据划分跟消费群组中的消费者一一对应，这样既保证同一个消费者消费的信息是有序的，同时也能解决系统负载的问题。
 
Guarantees
Kafka 提供如下系统级的保证：

• 同一个 producer 向特定 topic 的划分发送的消息将按照它们被发送的顺序存放。
  
• 一个 consumer 实例将按照存放的顺序看到消息。
  
• 对于配置了 N 个副本的 topic，最高在 N-1 个服务器挂掉的前提下还能保证日志数据不丢失。
  

　　通过上述说明，我们了解了 Kafka 的基本设计思想。先休息一下，然后我们看看它能用在哪些场景。