標籤：kafka
原文地址：http://blog.csdn.net/honglei915/article/details/37564521
介紹Kafka是一個分布式的、可分區的、可複製的訊息系統。它提供了普通訊息系統的功能，但具有自己獨特的設計。這個獨特的設計是什麼樣的呢？
首先讓我們看幾個基本的訊息系統術語：
- Kafka將訊息以topic為單位進行歸納。
- 將向Kafka topic發布訊息的程式成為producers.
- 將預訂topics並消費訊息的程式成為consumer.
- Kafka以叢集的方式運行，可以由一個或多個服務組成，每個服務叫做一個broker.
producers通過網路將訊息發送到Kafka叢集，叢集向消費者提供訊息，如所示：
用戶端和服務端通過TCP協議通訊。Kafka提供了Java用戶端，並且對多種語言都提供了支援。 Topics 和Logs先來看一下Kafka提供的一個抽象概念:topic.一個topic是對一組訊息的歸納。對每個topic，Kafka 對它的日誌進行了分區，如所示：
每個分區都由一系列有序的、不可變的訊息組成，這些訊息被連續的追加到分區中。分區中的每個訊息都有一個連續的序號叫做offset,用來在分區中唯一的標識這個訊息。
在一個可配置的時間段內，Kafka叢集保留所有發布的訊息，不管這些訊息有沒有被消費。比如，如果訊息的儲存策略被設定為2天，那麼在一個訊息被發布的兩天時間內，它都是可以被消費的。之後它將被丟棄以釋放空間。Kafka的效能是和資料量無關的常量級的，所以保留太多的資料並不是問題。
實際上每個consumer唯一需要維護的資料是訊息在日誌中的位置，也就是offset.這個offset有consumer來維護：一般情況下隨著consumer不斷的讀取訊息，這offset的值不斷增加，但其實consumer可以以任意的順序讀取訊息，比如它可以將offset設定成為一箇舊的值來重讀之前的訊息。
以上特點的結合，使Kafka consumers非常的輕量級：它們可以在不對叢集和其他consumer造成影響的情況下讀取訊息。你可以使用命令列來"tail"訊息而不會對其他正在消費訊息的consumer造成影響。
將日誌分區可以達到以下目的：首先這使得每個日誌的數量不會太大，可以在單個服務上儲存。另外每個分區可以單獨發布和消費，為並行作業topic提供了一種可能。分布式每個分區在Kafka叢集的若干服務中都有副本，這樣這些持有副本的服務可以共同處理資料和請求，副本數量是可以配置的。副本使Kafka具備了容錯能力。 每個分區都由一個伺服器作為“leader”，零或若干伺服器作為“followers”,leader負責處理訊息的讀和寫，followers則去複製leader.如果leader down了，followers中的一台則會自動成為leader。叢集中的每個服務都會同時扮演兩個角色：作為它所持有的一部分分區的leader，同時作為其他分區的followers，這樣叢集就會據有較好的負載平衡。ProducersProducer將訊息發布到它指定的topic中,並負責決定發布到哪個分區。通常簡單的由負載平衡機制隨機播放分區，但也可以通過特定的分區函數選擇分區。使用的更多的是第二種。 Consumers發布訊息通常有兩種模式：隊列模式（queuing）和發布-訂閱模式(publish-subscribe)。隊列模式中，consumers可以同時從服務端讀取訊息，每個訊息只被其中一個consumer讀到；發布-訂閱模式中訊息被廣播到所有的consumer中。Consumers可以加入一個consumer 組，共同競爭一個topic，topic中的訊息將被分發到組中的一個成員中。同一組中的consumer可以在不同的程式中，也可以在不同的機器上。如果所有的consumer都在一個組中，這就成為了傳統的隊列模式，在各consumer中實現負載平衡。如果所有的consumer都不在不同的組中，這就成為了發布-訂閱模式，所有的訊息都被分發到所有的consumer中。更常見的是，每個topic都有若干數量的consumer組，每個組都是一個邏輯上的“訂閱者”，為了容錯和更好的穩定性，每個組由若干consumer組成。這其實就是一個發布-訂閱模式，只不過訂閱者是個組而不是單個consumer。
由兩個機器組成的叢集擁有4個分區 (P0-P3) 2個consumer組. A組有兩個consumerB組有4個
相比傳統的訊息系統，Kafka可以很好的保證有序性。傳統的隊列在伺服器上儲存有序的訊息，如果多個consumers同時從這個伺服器消費訊息，伺服器就會以訊息儲存的順序向consumer分發訊息。雖然伺服器按順序發布訊息，但是訊息是被非同步分發到各consumer上，所以當訊息到達時可能已經失去了原來的順序，這意味著並發消費將導致順序錯亂。為了避免故障，這樣的訊息系統通常使用“專用consumer”的概念，其實就是只允許一個消費者消費訊息，當然這就意味著失去了並發性。
在這方面Kafka做的更好，通過分區的概念，Kafka可以在多個consumer組並發的情況下提供較好的有序性和負載平衡。將每個分區分只分發給一個consumer組，這樣一個分區就只被這個組的一個consumer消費，就可以順序的消費這個分區的訊息。因為有多個分區，依然可以在多個consumer組之間進行負載平衡。注意consumer組的數量不能多於分區的數量，也就是有多少分區就允許多少並發消費。
Kafka只能保證一個分區之內訊息的有序性，在不同的分區之間是不可以的，這已經可以滿足大部分應用的需求。如果需要topic中所有訊息的有序性，那就只能讓這個topic只有一個分區，當然也就只有一個consumer組消費它。
