kafka基础知识
kafka是一个分布式、支持分区的（partition）、多副本的（replica），基于zookeeper协调的分布式消息系统，它的最大的特性就是可以实时的处理大量数据以满足各种需求场景：比如基于hadoop的批处理系统、低延迟的实时系统、storm/Spark流式处理引擎，web/nginx日志、访问日志，消息服务等等，用scala语言编写，Linkedin于2010年贡献给了Apache基金会并成为顶级开源项目。
结构特点：
- 分布式
- 支持分区(partition)
- 多副本
- 基于zk协调
- 开源
kafka特性
-
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。
应用场景
- hadoop批处理
- 低延迟的实时系统（用户跟踪）
- 流式处理，例storm
- 日志收集(web/nigix日志，访问日志等)
- 消息服务
kafka基础架构图
- Topic 可以有多个分区
- 消费者设计为消费者组。（一个分区中的数据只能被一个消费者组的一个消费者消费）
- 分区可以设置多个副本（不同的副本位于不同的节点【broker】）
详细架构图
成员介绍：
- 1）Producer ：消息生产者，就是向kafka broker发消息的客户端；
- 2）Consumer ：消息消费者，向kafka broker取消息的客户端；
- 3）Consumer Group （CG）：消费者组，由多个consumer组成。消费者组内每个消费者负责消费不同分区的数据，一个分区只能由一个消费者消费；消费者组之间互不影响。所有的消费者都属于某个消费者组，即消费者组是逻辑上的一个订阅者。
- 4）Broker ：一台kafka服务器就是一个broker。一个集群由多个broker组成。一个broker可以容纳多个topic。
- 5）Topic ：可以理解为一个队列，生产者和消费者面向的都是一个topic；
- 6）Partition：为了实现扩展性，一个非常大的topic可以分布到多个broker（即服务器）上，一个topic可以分为多个partition，每个partition是一个有序的队列；
- 7）Replica：副本，为保证集群中的某个节点发生故障时，该节点上的partition数据不丢失，且kafka仍然能够继续工作，kafka提供了副本机制，一个topic的每个分区都有若干个副本，一个leader和若干个follower。
- 8）leader：每个分区多个副本的“主”，生产者发送数据的对象，以及消费者消费数据的对象都是leader。
- 9）follower：每个分区多个副本中的“从”，实时从leader中同步数据，保持和leader数据的同步。leader发生故障时，某个follower会成为新的follower。